Using Optical Velocimetry to Detect Illicit Inflow to Sewers: A Sensor Strategy

Abstract

Fremmedvann i vannsystemer er vann som entrer systemet gjennom feilkoblinger eller feilaktig avhending, slik at regnvann kommer i spillvannssystemet eller kloakk kommer i overvannssystemet. Dette har potensial til å øke kostnadene med drift og føre til overbelastning av systemenes kapasitet. Å begrense mengden feilkoblinger i kloakksystemer reduserer faren og potensialet for forurensning i miljøet, samtidig som det reduserer kostnadene ved å fjerne overskuddsvann. Det er behov for en mer kosteffektiv metode for å identifisere og lokalisere feilkoblinger, ettersom dagens metoder er tidkrevende og ikke alltid gir pålitelige resultater. Feilkoblinger kan detekteres ved å korrelere regndata med økning i hastigheten på vannstrømmen i systemet. Å behandle videoer av vannstrømmen tatt med et kamera plassert i kummer, med optisk hastighetsmåling ("optical velocimetry"), kan være et godt ikke-invasivt alternativ til andre metoder for hastighetsmåling.

Tre forskjellige algoritmer for optisk hastighetsmåling viser seg å være i stand til å estimere strømningshastigheten i kloakksystemer ved å prosessere videoer med både høy og lav bildekvalitet. Imidlertid avhenger hvor godt det fungerer av bildekvaliteten samt vann- og partikkelkarakteristikk. Optical Flow (OF) og Particle Tracking Velocimetry (PTV) påvirkes mindre av bildestøy, noe som gjør dem bedre til å skille tilstedeværelsen av vannstrømning fra ingen strømning. PTV er den algoritmen som gir mest konsistente hastigheter fra bilde til bilde. Eksperimentene som ble gjennomført viser også at det å hoppe over bilder i videoen for å øke tiden mellom evalueringene av hastighet er en effektiv måte å redusere usikkerheten og øke sensitiviteten i målemetoden. Bruken av ultrafiolett lys i kombinasjon med synlig lys viser seg også å være bedre enn bruk av synlig lys alene som belysning for videoer som tas med den hensikt å brukes i optisk hastighetsmåling.

Resultatene fra feltimplementeringen av kamerasensoren ble hindret av problemer med kameraet, noe som resulterte i et mangelfullt datagrunnlag for å kunne si om den foreslåtte sensorstrategien, som bruker hydrauliske simuleringer for å bestemme plassering av sensorer, verifisere resultater og lokalisere feilkoblinger, fungerer. Likevel viste feltimplementeringen at kamerasensoren kan benyttes, og de innsamlede dataene viste at alle tre algoritmene er i stand til å skille lav og ingen vannstrømning fra perioder med høyere vannstrømning ved å ta opp 30-sekunders videoer hvert femte minutt. Metoden vil derfor også kunne oppdage feilkoblinger som avvik i mønsteret i perioder der systemet vanligvis er helt tørt. Den største begrensningen i metoden er bildekvaliteten, men selv med den lave bildekvaliteten som ble oppnådd i feltimplementeringen, viste PTV seg å være bra nok til å representere det bredeste spekteret av vannstrømningshastigheter.

The illicit inflow of water to urban drainage systems refers to the unauthorized entry of water, through improper disposal or wrongly made connections to drainage systems causing inflow of sewer to stormwater systems and stormwater to sewer systems. This has the potential to increase operating costs and could cause an exceedance of the capacity of the systems. Mitigating illicit inflow in sewer systems reduces the potential for environmental pollution and decreases the cost of operation by removing excess water. A cost-effective and efficient method for identifying and locating illicit connections is needed since present methods are time-consuming and may not always provide reliable results. Illicit inflow can be detected by correlating rain data with increased velocity observed in the system. Capturing videos with a camera and processing them with Optical Velocimetry (OV) algorithms to produce a series of velocity estimates could be a good non-intrusive alternative to other velocity measurement methods.

Three different OV algorithms were shown capable of estimating the flow velocity in the context of sewers when processing footage from both high-quality and lower-quality videos. However, the success of the different algorithms is very dependent on image quality, wastewater characteristics, and particle characteristics. The detection sensitivity of the algorithms and the variation in velocities produced in a conducted experiment showed that Optical Flow (OF) and Particle Tracking Velocimetry (PTV) are less susceptible to image noise when compared to Particle Image Velocimetry (PIV), making them better suited for distinguishing the presence of flow from no flow. PTV also produced the series with the least variation between velocities estimated from each frame of the videos. The experiment also proved that increasing the time between evaluations of displacement effectively reduces uncertainty and increases sensitivity. Furthermore, the experiment showed that using ultraviolet light in combination with visible light could be beneficial compared to using only visible light when recording footage for velocimetry purposes in sewers.

The results from the "in-field" implementation of the OV camera sensor were hindered by camera problems. The limited amount of data collected from this implementation is inadequate to definitively prove that the sensor strategy, implementing hydraulic simulation in sensor placement, verification of results, and source detection, works. Nevertheless, the field implementation demonstrated how the camera sensor can be placed, and the data showed, despite the lower quality footage obtained in the field study, that all three algorithms are able to distinguish between the presence of low or no flow and periods with higher flow when averaging frame velocities over a 30-second sequence. Therefore, it would be possible to detect illicit inflows as deviations occurring during periods when the system runs dry. The biggest limitation to the success of the method is the video quality. PTV also suffers from insufficient image quality, but it also showed, in the field implementation, the ability to accurately represent the widest range of velocities, even from poor-quality footage.