基于光流法和CNN-SVM的液体泄漏检测方法技术

本发明专利技术涉及一种基于光流法和CNN‑SVM的液体泄漏检测方法，包括：利用供暖站点的视频监控系统采集视频数据，所采集的监控视频数据包括供暖管道存在泄漏的液体和其他干扰物体的两类视频数据；利用管道中液体泄漏时的流动特征，采用光流法将疑似泄漏区域，包含泄漏的液体和其他运动的干扰物体两类疑似泄漏区域，从供暖管道所在的静态背景中提取出来；将光流法检测出来的泄漏的液体和其他运动的干扰物体形成待二分类的候选区域数据集；搭建基于CNN的5层特征提取模型；构造基于SVM的二分类模型，对已经提取特征的泄漏液体和干扰物体进行分类；模型训练。

【技术实现步骤摘要】
基于光流法和CNN-SVM的液体泄漏检测方法
本专利技术涉及一种液体泄漏检测方法，属于光流法、CNN-SVM技术和光学泄漏检测领域的融合。
技术介绍
铁锈、裂纹、意外损坏等易引起管道液体的泄漏。泄漏的管道既浪费了能源，又造成了安全事故。因此，管道的液体泄漏检测尤为重要。传统的管道液体泄漏检测方法有声波检测法、瞬态流模拟法、负压波法和漏磁检测法等。声波检测法是通过检测泄漏时管道产生的噪声，判断管道是否发生泄漏。该方法简单，但易受到噪声和环境干扰，造成误判。瞬态流模拟法需要建立管道的实时数学模型，模型考虑多种变量来预测管道的状态，当实际的测量值与模型的计算值的差异超过了阈值，说明有泄漏存在。该方法虽可确定泄漏发生的时间及泄漏量的大小，但建模及计算的工作量都相当大，且维护费用较高。负压波法是通过传感器对管道中发生的负压波进行检测，判定泄漏点。该方法不用建立数学模型，且适用性较强，但不能够对突发泄漏事件和缓慢泄漏事件进行检测。漏磁检测法是通过检测泄漏时缺陷的管壁产生的漏磁场，判断是否发生泄漏。但焊缝以及管道的不平滑严重影响检测精度,且该方法无法检测出缓本文档来自技高网...

【技术保护点】
1.一种基于光流法和CNN-SVM的液体泄漏检测方法，包括下列步骤：/n第一步，利用供暖站点的视频监控系统采集视频数据，所采集的监控视频数据包括供暖管道存在泄漏的液体和其他干扰物体的两类视频数据；/n第二步，利用管道中液体泄漏时的流动特征，采用光流法将疑似泄漏区域，包含泄漏的液体和其他运动的干扰物体两类疑似泄漏区域，从供暖管道所在的静态背景中提取出来；/n第三步，将光流法检测出来的泄漏的液体和其他运动的干扰物体形成待二分类的候选区域数据集；/n第四步，对二分类的候选区域数据集例分为训练数据集和测试数据集；/n第五步，搭建基于CNN的5层特征提取模型，模型前四层为卷积层、第五层为池化层，卷积层和...

【技术特征摘要】
1.一种基于光流法和CNN-SVM的液体泄漏检测方法，包括下列步骤：
第一步，利用供暖站点的视频监控系统采集视频数据，所采集的监控视频数据包括供暖管道存在泄漏的液体和其他干扰物体的两类视频数据；
第二步，利用管道中液体泄漏时的流动特征，采用光流法将疑似泄漏区域，包含泄漏的液体和其他运动的干扰物体两类疑似泄漏区域，从供暖管道所在的静态背景中提取出来；
第三步，将光流法检测出来的泄漏的液体和其他运动的干扰物体形成待二分类的候选区域数据集；
第四步，对二分类的候选区域数据集例分为训练数据集和测试数据集；
第五步，搭建基于CNN的5层特征提取模型，模型前四层为卷积层、第五层为池化层，卷积层和池化层对泄漏的液体和其他干扰物体进行特征提取：
1)卷积层：第一层、第二层、第三层、第四层均为卷积层，卷积层用于提取泄漏的液体和干扰物体的局部特征，四个卷积层的卷积核均为3*3，padding为1，步长为1，四个卷积层的通道数分别为10、20、30、50；
2)池化层：第五层是池化层，用于压缩泄漏的液体和干扰物体的数据量，并减小过拟合，池化层采用最大值池化的方式，池化窗口大小为2，步长为2；
3)非线性激活层：卷积层和池化层提取泄漏的液体和干扰物体的线性特征，为了提取更多的非线性特征，在卷积层和池化层后使用了非线性激活层，使卷积神经网络表达能力更强；其中，第一层和第三层卷积层后使用Sigmoid函数作为激励函数；第二层和第四层卷积层后使用ReLU作为激励函数，以避免训练过程中梯度爆炸和梯度消失问题，同时使训练时的迭代速度变快；
第六步，构造基于S...

【专利技术属性】
技术研发人员：吕辰刚，柳亚格，王学凯，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12