一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质技术方案

本发明专利技术提供一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质，本发明专利技术方法，包括：采集并存储船舶系统设备处所的视频感知信息；对视频感知信息进行处理，获取船舶系统设备泄漏状态的矢量化信息；估算泄漏量和评估泄漏的风险；基于估算的泄漏量和评估泄漏的风险，融合船舶智能运维知识库获取流体泄漏辅助决策支持信息，并根据船舶及用户的需要实施远程信息推送。本发明专利技术对采集的船舶系统设备处所的视频感知信息进行清洗、识别和特征提取，建立具有船舶系统设备泄漏物甄别、泄漏量估算和破损程度及尺寸评估等功能的智能泄漏分析模块，借助船舶机械智能运维知识库的泄漏处置知识，实现对船舶系统设备泄漏状态的判别和信息远程推送。和信息远程推送。和信息远程推送。

【技术实现步骤摘要】
一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质


[0001]本专利技术涉及船舶系统设备泄漏状态监测
，具体而言，尤其涉及一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质。

技术介绍

[0002]①
随着船舶智能化和无人化发展、随船人员减少,船舶系统泄漏监测及其经济处理的需求增强
[0003]②
随着视频监测系统的在船舶上的应用增加，基于视觉的船舶系统泄漏监测和应急处理的需求增加；
[0004]③
船舶高效、节能、高可靠的管理需求。

技术实现思路

[0005]根据上述提出的技术问题，而提供一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质。本专利技术对采集的船舶系统设备处所的视频感知信息进行清洗、识别和特征提取，建立具有船舶系统设备泄漏物甄别、泄漏量估算和破损程度及尺寸评估等功能的智能泄漏分析模块，借助船舶机械智能运维知识库的泄漏处置知识，实现对船舶系统设备泄漏状态的判别和信息远程推送。
[0006]本专利技术采用的技术手段如下：
[0007]一种基于视觉的船舶系统设备泄漏状态监测方法，包括：
[0008]采集并存储船舶系统设备处所的视频感知信息；
[0009]对所述视频感知信息进行处理，获取船舶系统设备泄漏状态的矢量化信息；
[0010]基于所述船舶系统设备的矢量化信息，估算泄漏量和评估泄漏的风险；
[0011]基于估算的泄漏量和评估泄漏的风险，融合船舶智能运维知识库获取流体泄漏辅助决策支持信息，并根据船舶及用户的需要实施远程信息推送。
[0012]进一步地，所述采集船舶系统设备处所的视频感知信息，具体包括：
[0013]通过分布于船舶系统设备工作处所的图像或视频感知信息采集的照相机或摄像头，采集船舶推进装置、船舶辅助装置、船舶系统、甲方机械、防污染和自动化设备的视觉感知信息；
[0014]通过网络将采集的图像或视频信息汇集到船端的图像或视频服务器中，并按照采集的时间顺序存储感知信息。
[0015]进一步地，所述对所述视频感知信息进行处理，获取船舶系统设备泄漏状态的矢量化信息，具体包括：
[0016]清洗所述船舶系统设备处所的视频感知信息：去除由于环境的异常变化、异常的振动或遮挡引起的异常的图像或视频感知信息；
[0017]识别设备和泄漏点，并提取设备和泄漏点的矢量运维信息：运用灰度模板匹配多
点识别算法，识别其中的设备或泄漏点，同时分别提取和保存被识别设备或泄漏点的基于位移的矢量运维信息，其中，同一张图片中可包含多个设备或泄漏点；
[0018]判别泄漏物类型、提取泄漏物类型的矢量运维信息：采用颜色模板匹配多点识别算法，识别其中的泄漏物的种类，并提取和保存泄漏物的基于位移的矢量运维信息，其中，同一张图片中可包含多个泄漏点。
[0019]进一步地，所述识别设备和泄漏点，并提取设备和泄漏点的矢量运维信息，具体包括：
[0020]在第一帧图像中，将所有包含预设的被测目标以模板的形式抽取出来，采用该模板在所建立的检测目标模板库里搜寻匹配目标模板，得到一个匹配得分；
[0021]设定感兴趣区域ROI，将第一张图像中预先设定的模板在相机后续拍摄的图像中设定的感兴趣区域ROI中进行搜索，并进行模板匹配运算，得到不同的归一化系数β
k
(i,j)，计算公式如下：
[0022][0023]其中，f
k
(x,y)为初始图像g0(x,y)(大小M
×
N)的子集，表示模板f
k
(x,y)所有像素点上的灰度值的均值，是模板f
k
(x,y)与g0(x,y)重合部分所有像素点的均值，为图像子集即感兴趣区域ROI内所有像素点上灰度值的均值；当β
k
(i,j)达到最大值时，预设的模板在本图像中达到最佳匹配，通过匹配完成对设备的识别。
[0024]进一步地，所述判别泄漏物类型、提取泄漏物类型的矢量运维信息，具体包括如下步骤：
[0025]从预设的模板库和后续拍摄到并传过来的图像中学习其颜色信息，采用颜色模板匹配算法计算模板与图像之间的相似度，计算方向为横纵方向，同时利用从粗到细的搜索策略得到一个可能匹配的得分列表；
[0026]对每个向量应用一个模糊权重函数进行预处理，并计算两个颜色谱向量之间的曼哈顿距离，得到模板与其在图像上的覆盖区域之间的绝对差距，同时得到一个两个模板的匹配得分，其范围为0到1；
[0027]根据最佳匹配得分，选择出与拍摄图像颜色一致的模板，进而推断出泄漏物的种类。
[0028]进一步地，所述基于所述船舶系统设备的矢量化信息，估算泄漏量和评估泄漏的风险，具体如下：
[0029]计算流体泄漏量，计算公式如下：
[0030][0031]其中，Q表示液体泄漏流量，C
d
表示排放系数，通常取0.6～0.64，A表示泄漏口面
积，ρ表示泄漏液体密度，P表示容器内介质压力，P0表示环境压力，g表示重力加速度，h表示泄漏口上液位高度，高度的计算与比例系数r有关，比例系数r为计算目标T
0k
与标定参照点R0之间实际距离H和像素距离h的比值，即利用像素点的距离进而推算出监测设备的泄露位置，推断出h的大小。
[0032]本专利技术还提供了一种基于视觉的船舶系统设备泄漏状态监测系统，包括：
[0033]视频感知信息采集存储单元，用于采集并存储船舶系统设备处所的视频感知信息；
[0034]视频感知信息视觉分析单元，用于对所述视频感知信息进行处理，获取船舶系统设备泄漏状态的矢量化信息；
[0035]泄漏分析单元，用于基于所述船舶系统设备的矢量化信息，估算泄漏量和评估泄漏的风险；
[0036]远程信息推送单元，用于基于估算的泄漏量和评估泄漏的风险，融合船舶智能运维知识库获取流体泄漏辅助决策支持信息，并根据船舶及用户的需要实施远程信息推送。
[0037]一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令集；所述计算机指令集被处理器执行时实现如上述的基于视觉的船舶系统设备泄漏状态监测方法。
[0038]较现有技术相比，本专利技术具有以下优点：
[0039]1、本专利技术提出一种基于计算机视觉的船舶系统设备泄漏物类型识别、泄漏量估算和泄漏风险评估等三种功能想结合的船舶系统设备泄漏监测与处置方法与系统；
[0040]2、本专利技术提供的基于视觉的船舶系统设备泄漏状态监测方法，结合船舶系统设备中流体的类型和特性，运用颜色模板匹配多点识别算法，实现了船舶常用液体的精准识别和特征提取；
[0041]3、本专利技术提供的基于视觉的船舶系统设备泄漏状态监测方法，将基于计算机视觉的船舶系统设备泄漏监测与船舶机械智能运维知识库进行深度融合，在监测泄漏的同时，根据泄漏物、泄漏时所属的系统或设备，给出具体的泄漏处置帮助和建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉的船舶系统设备泄漏状态监测方法，其特征在于，包括：采集并存储船舶系统设备处所的视频感知信息；对所述视频感知信息进行处理，获取船舶系统设备泄漏状态的矢量化信息；基于所述船舶系统设备的矢量化信息，估算泄漏量和评估泄漏的风险；基于估算的泄漏量和评估泄漏的风险，融合船舶智能运维知识库获取流体泄漏辅助决策支持信息，并根据船舶及用户的需要实施远程信息推送。2.根据权利要求1所述的基于视觉的船舶系统设备泄漏状态监测方法，其特征在于，所述采集船舶系统设备处所的视频感知信息，具体包括：通过分布于船舶系统设备工作处所的图像或视频感知信息采集的照相机或摄像头，采集船舶推进装置、船舶辅助装置、船舶系统、甲方机械、防污染和自动化设备的视觉感知信息；通过网络将采集的图像或视频信息汇集到船端的图像或视频服务器中，并按照采集的时间顺序存储感知信息。3.根据权利要求1所述的基于视觉的船舶系统设备泄漏状态监测方法，其特征在于，所述对所述视频感知信息进行处理，获取船舶系统设备泄漏状态的矢量化信息，具体包括：清洗所述船舶系统设备处所的视频感知信息：去除由于环境的异常变化、异常的振动或遮挡引起的异常的图像或视频感知信息；识别设备和泄漏点，并提取设备和泄漏点的矢量运维信息：运用灰度模板匹配多点识别算法，识别其中的设备或泄漏点，同时分别提取和保存被识别设备或泄漏点的基于位移的矢量运维信息，其中，同一张图片中可包含多个设备或泄漏点；判别泄漏物类型、提取泄漏物类型的矢量运维信息：采用颜色模板匹配多点识别算法，识别其中的泄漏物的种类，并提取和保存泄漏物的基于位移的矢量运维信息，其中，同一张图片中可包含多个泄漏点。4.根据权利要求3所述的基于视觉的船舶系统设备泄漏状态监测方法，其特征在于，所述识别设备和泄漏点，并提取设备和泄漏点的矢量运维信息，具体包括：在第一帧图像中，将所有包含预设的被测目标以模板的形式抽取出来，采用该模板在所建立的检测目标模板库里搜寻匹配目标模板，得到一个匹配得分；设定感兴趣区域ROI，将第一张图像中预先设定的模板在相机后续拍摄的图像中设定的感兴趣区域ROI中进行搜索，并进行模板匹配运算，得到不同的归一化系数β
k
(i,j)，计算公式如下：其中，f
k
(x,y)为初始图像g0(x,y)(大小M
×
N)的子集，表示模板f
k
(x,y)所有像素点上的灰度值的均值，是模板f<...

【专利技术属性】
技术研发人员：张跃文，曹乐乐，王飞，张鹏，邹永久，姜兴家，杜太利，段绪旭，孙培廷，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：