本方案结合了深度相机及摄影测量原理，并使用先进的深度神经网络方法进行了提升和改进。使用两台或多台相机从多个维度上对蒸汽管道上的同一观测目标进行拍摄，基于深度神经网络学习图像特征点与观测目标位置之间的对应关系，得到其数学模型，测量过程中将两个相机拍摄得到的图像应用于此模型，即可得到观测目标的真实位置，与现场标定的基准位置相减即可得到观测目标的实际位移，可实现蒸汽管道三维位移的精准监测，测量精度可以达到0.5mm以下，能够满足蒸汽管道位移监测的精度要求。该方法原理简单、安装使用方便，标定过程可以实现全程自动化，标定方法优于现有的标定方法，实验室标定之后即可以用于现场实际环境的测量。 系统的硬件设计可以分为图像采集系统、框架晃动加速度采集系统、网络系统、供电系统以及计算机系统五部分组成。具体功能如下： 1）图像采集系统：负责蒸汽管上安装的观测目标的图像采集，每个采集单元由两台台相机和其观测目标构成。 2）框架晃动加速度采集系统：负责采集蒸汽管道支撑框架的晃动和振动数据。 3）网络系统：服务器和控制机箱之间通过光纤进行网络连接，控制机箱和相机之间则通过网线进行通信。 4）供电系统： 供电设备主要对图像采集系统的相机、网络系统中的交换机以及加速度计供电，配备UPS。 5）计算机系统：控制着整个系统的运行，图像的采集、图像的处理、位移数据的计算、位移数据的存储、其他设备对位移数据的访问都需要由计算机系统来完成。 系统的软件设计主要包括信息管理模块、相机配置模块、图像及加速度数据采集模块、图像处理及位移计算模块、深度学习模块以及数据通讯模块。具体功能如下： 1）信息管理模块： 管理相机信息如IP地址、端口号和安装位置等信息，便于系统与相机进行连接。 2）相机配置模块：查看相机的图像，配置相机的参数，如境头畸变参数，内方位元素等，辅助观测目标的安装，计算物方距离和像方距离的比例系数。 3）图像及加速度数据采集模块。 4）图像处理及位移计算模块：采取图像相关算法和双目视觉算法，计算管道XYZ三个方向的位移，并进行预警运算和报警运算。 5）深度学习模块：通过深度学习和大数据分析，挖掘管道位移变化与管道晃动、振动之间的关系，寻找预防管道位移逐渐扩大的措施。 6）数据通信模块：软件按照设定的时间间隔自动实现图片获取、角点提取、神经网络计算、位移计算的过程，将测量结果显示在界面中，实现管道位移的全自动监测。 通过该项目的实施带来如下效益： 1）安全效益: 项目实施后，通过实时在线监测管道应力集中点的位移变化，对位移大小持续增大趋势进行预警，对超限位移进行告警，及时消除安全隐患，避免影响到连接设备尤其是汽轮机的安全运行，造成严重的安全事故，影响电厂安全经济运行。 2）创新性: 本项目首次提出将基于深度学习的智能立体视觉系统应用于蒸汽管道位移检测，属于世界首创。检测精度可小于0.5mm，能够满足锦界三期工程蒸汽管道位移监测精度的要求。 3）推广性: 本技术可推广应用到存在各种位移测量需求的场景，仅需对相机和标志物进行标定，即可实现高精度位移测量，安装调试方便，可广泛推广应用。