HYPOD – Hyperspektrale Pipeline-Überwachung aus der Luft

Fraunhofer Kooperationsprojekt gefördert durch Zentrales Innovationsprogramm Mittelstand (ZIM)

Im ZIM-Projekt »Hyperspectral Oil Leak Detection HYPOD« entwickelte das Fraunhofer IOSB gemeinsam mit den Industriepartnern ADLARES GmbH und Flyscan Systems Inc. eine mit Sensoren bestückte Flugplattform, mit der kleinste Öl-Austritte durch Pipeline-Lecks aus der Luft entdeckt werden sollen.

Ölauffangwannen mit verschiedenen Bodensubstraten gefüllt.
© Fraunhofer IOSB
Testszenario zur Entwicklung zuverlässiger Öl-Detektionsmethoden. Ölauffangwannen werden mit verschiedenen Bodensubstraten gefüllt.
Unterschiedliche Bodensubstrate werden mit verschiedenen Rohöl-Sorten, sowie Diesel und Plastikgegenständen versetzt.
© Fraunhofer IOSB
Unterschiedliche Bodensubstrate werden mit verschiedenen Rohöl-Sorten, sowie Diesel und Plastikgegenständen versetzt.
Vorbereitung des Drohnen-Fluges und Kalibrierung der Hyperspektral-Sensorik
© Fraunhofer IOSB
Vorbereitung des Drohnen-Fluges und Kalibrierung der Hyperspektral-Sensorik durch Mitarbeiter der Abteilung Szenenanalyse

Alleine in Deutschland, Europas größtem Raffineriestandort, verbinden mehr als 2400 km Rohöl-Fernleitungen Raffinerien, Häfen und Lagerstätten. Um die Ölmengen durch diese Pipelines zu transportieren wird mit hohen Drücken gearbeitet, die eine Belastung für das Pipelinematerial darstellen. Neben Korrosion sind insbesondere Schwachstellen der Leitungen, wie Rohrkrümmungen oder Schweißnähte, anfällig. Um Umweltschäden durch Leckagen zu verhindern, werden u.a. Druck- und Durchlauftests, oder auch Wanddickenmessungen durch Roboter (Molche) durchgeführt. Diese aufwändigen Verfahren bedeuten meist eine Unterbrechung des Regelbetriebes und werden wegen der dadurch entstehenden Gewinneinbußen nur gelegentlich durchgeführt. Eine Überwachung von Bodenverfärbungen durch Ölaustritt aus der Luft per Flugzeug oder Hubschrauber findet bislang lediglich rein visuell statt.

Das ZIM geförderte Projekt »Hyperspectral Oil Leak Detection HYPOD« zielte darauf ab, durch eine Sensor-Flugplattform sowohl geometrisch hochaufgelöste optische Bilddaten, als auch spektral hochaufgelöste (hyperspektrale) Luftbilder aufzunehmen. Durch eine automatisierte, sensorgebundene Auswertung in Echtzeit soll eine frühzeitige und zuverlässige Detektion von Leckagen gewährleistet werden, die eine rein visuelle und damit fehlerbehaftete Auswertung unterstützt oder sogar ersetzt. Das zugrundeliegende Messprinzip liegt dabei in der Erkennung des materialspezifischen Reflexionsverhaltens von Rohöl an der Erdoberfläche und der Unterdrückung von Falschalarmen durch andere auf Erdöl basierende Produkte wie bspw. Plastik.

Schwerpunkte und Ziele des Konsortiums:

  • Untersuchung der technischen und betrieblichen Anforderungen an das luftgetragene hyperspektrale Inspektionssystem und die Erstellung eines entsprechenden Gesamtsystem-Konzeptes
  • Entwicklung der Methode der hyperspektralen Erkennung von Öl inklusive Testdatenerhebung und Entwicklung/Umsetzung einer Datenaufbereitungsroutine
  • Integration aller Systembestandteile in die Flugplattform und Operationalisierung des Systems

Hyperspektral-Fernerkundung und Bilddatenanalyse

Das Fraunhofer IOSB mit seiner Abteilung Szenenanalyse entwickelte im Projekt HYPOD die Methoden zur hyperspektralen Erkennung von Öl. Dabei kamen Erkenntnisse zur Anwendung, die bereits 2015 bei einer Messkampagne gewonnen wurden (siehe Lenz et al. 2015). Aber auch weitere Detektions-Algorithmen wurden zur zuverlässigen und automatischen Detektion von Öl getestet. Das grundsätzliche Prinzip der Detektionsmethode ist in der Hyperspektral-Fernerkundung dabei folgendes:

Gewöhnliche (Multispektral-)Kameras sind im Bereich der sichtbar reflektierten Sonnenstrahlung sensitiv. Aufwändigere Kameras zeichnen mitunter auch nahinfrarote oder thermale Signale auf. Bei einer Hyperspektral-Kamera hingegen wird der gesamte Wellenlängenbereich des sichtbaren, nah- und kurzwellig-infraroten Lichts gemessen. Dabei stehen dem Sensor nicht nur drei oder mehr Kanäle zur Verfügung (wie bei einer normalen Handy-/RGB-Kamera), sondern mehrere hundert bis tausend Kanäle. Das daraus resultierende Reflexionsspektrum bildet eine spektrale Signatur, die objekt- und materialspezifisch ist. Auch Öl besitzt ein spezifisches Reflexionsverhalten. Die Schwierigkeit der Hyperspektral-Fernerkundung liegt darin, dass sich durch die Vermischung von Öl und Bodensubstraten/Vegetation auch die Reflexionseigenschaften dieser Materialien überlagern. Hinzu kommen externe Faktoren wie Atmosphäreneinflüsse und Verzerrungen der aufgenommenen Bilder durch die Flugbewegung der Flugplattform.

Um eine zuverlässige Detektionsmethode zu entwickeln, erfolgte der Aufbau eines möglichst realitätsnahen Testszenarios. Dazu wurden mehrere Ölauffangwannen mit unterschiedlichen Bodensubstraten gefüllt und mit drei verschiedenen Rohöl-Sorten, sowie Diesel versetzt. Einige dieser Ölwannen dienten der Simulation von Falschalarmen durch Plastikgegenstände, um ungewollte Verwechslungen mit Objekten ähnlicher Materialeigenschaften zu provozieren. Zur hyperspektralen Vermessung aus der Luft kommt beim Fraunhofer IOSB u.a. neuste Hyperspektral-Sensorik zum Einsatz, deren immer geringer werdendes Gewicht mittlerweile sogar die Installation auf Drohnen (z.B. DJI Matrice 600 Pro) erlaubt. Durch das geringe Gewicht von 2.83 kg ermöglicht der Hyperspec Co-Aligned VNIR-SWIR von Headwall pro Batterie-Set einen 12- bis 18-minütigen Flug, was bei einer Flughöhe von 80 m einer Flächenleistung von ca. 4.2 ha entspricht und in einer ungefähren Pixelauflösung von 4 cm resultiert.

Flugstreifen mit 16 Ölwannen, detektierte Ölverschmutzungen sind rot markiert.
© Fraunhofer IOSB
Flugstreifen mit 16 Ölwannen, detektierte Ölverschmutzungen sind rot markiert.

Erste Ergebnisse

Eine zuverlässige Detektion der drei Rohöl-Sorten und Diesel bei geringer Anzahl an Falschalarmen ist möglich. Falschalarme konnten sowohl in der Umgebung, als auch in den Ölwannen mit Objekten ähnlicher spektraler Eigenschaften unterdrückt werden, ohne dass die Detektionsrate von Öl negativ beeinflusst wurde. Dunklere Bodensubstrate und Vegetationsbedeckung verringerten die Detektionsleistung leicht, weshalb in Zukunft auch Machine Learning Ansätze in der hyperspektralen Öl-Detektion zum Einsatz kommen sollen, die zusätzlich die Falschalarmrate senken könnten.

Publikationen

Lenz, A.; Schilling, H.; Gross, W.; Middelmann, W. (2015): Evaluation and performance analysis of hydrocarbon detection methods using hyperspectral data. In: Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International, Milan, 2015, pp. 2680-2683.

 

Abteilung Szenenanalyse

Sie wollen mehr über unsere Produkte im Bereich Szenenanalyse erfahren? Dann besuchen Sie die Seite unserer Abteilung. 

Fördergeber

Projektname: Hyperspectral Oil Leak Detection (HYPOD)

Das Projekt wurde gefördert im Rahmen des Zentralen Innovationsprogramms Mittelstand (ZIM)