【技术实现步骤摘要】
基于红外热成像的天然气泄漏实时预警方法及系统
[0001]本申请涉及计算机视觉、深度卷积神经网络及气体检测
,具体涉及基于红外热成像的天然气泄漏实时预警方法及系统。
技术介绍
[0002]天然气在全球能源系统中发挥着重要作用,广泛应用在石油、化工、汽车等行业,由于泄漏的气体日益增多以及泄漏事故的发生越来越多,对环境和人类日益构成威胁。如何准确及时地检测出发生的气体泄漏,并找到气体泄漏位置,从而防止重大气体泄漏事故的发生日益成为亟待处理的问题。
[0003]红外热成像技术以其距离远、非接触、普遍性和动态直观等显著优势,成为气体检测领域的重要研究方向。由于红外气体成像仪的易用性,其已常用于定期泄漏检测和维护。尽管气体成像很有用,但仍存在一些基本挑战,比如手动操作气体成像仪人工成本高、长时间人工操作几乎不可能、红外热像仪无法在没有操作员判断的情况下自动给出泄漏检测结果的实时反馈等,并且气体红外成像后形成的图像对比度低、无固定形状和大小、无规则,加大了泄露气体的检测难度,如何高准确率的气体泄漏实时预警成为一个具有挑战性的难题,
技术实现思路
[0004]本申请的目的在于提供一种将图像处理技术和深度学习技术结合、实现红外气体图像高准确率的气体泄漏实时预警和高精度定位和渲染的基于红外热成像的天然气泄漏实时预警方法及系统。
[0005]为达上述目的,本申请提供如下技术方案:
[0006]一种基于红外热成像的天然气泄漏实时预警方法,包括下述步骤:
[0007]采集:实时获取天然气 ...
【技术保护点】
【技术特征摘要】
1.一种基于红外热成像的天然气泄漏实时预警方法,其特征在于,包括下述步骤:采集:实时获取天然气使用场景、传输场景或存放场景的红外视频图像并保存;识别:对所述红外视频图像使用经过训练的深度卷积神经网络模型进行气体泄露识别,得到识别检测结果;预警:根据所述识别检测结果以及天然气泄漏预警判断处理,产生预警措施。2.根据权利要求1所述基于红外热成像的天然气泄漏实时预警方法,其特征在于,包括下述步骤:所述采集步骤中,实时获取所述红外视频图像并保存后,还包括帧差处理,对当前帧图像和当前帧前面第k帧图像进行帧差处理,得到帧差处理后的输出图像。3.根据权利要求2所述基于红外热成像的天然气泄漏实时预警方法,其特征在于,所述采集步骤中的帧差处理为:I
sub(i,j)
=I
sub1(i,j)
‑
I
sub2(i,j)
+EI
sub1(i,j)
=(A
‑
B)/(F
‑
D)*(I
c
‑
k(i,j)
‑
I
c(i,j)
)+EI
sub2(i,j)
=(A
‑
B)/(F
‑
D)*(I
c(i,j)
‑
I
c
‑
k(i,j)
)+E其中,I
c(i,j)
为当前帧图像,I
c
‑
k(i,j)
为当前帧前面第k帧图像,I
sub(i,j)
帧差处理后的输出图像,均为8位无符号数据类型,c表示当前帧,k表示当前帧c前面的第k帧,i、j表示像素行列坐标;B∈[0,128],A∈[0,255]且A大于B,F为8位无符号二进制表示的十进制最大值,D为8位无符号二进制表示的十进制最小值,E∈[0,128]。4.根据权利要求3所述基于红外热成像的天然气泄漏实时预警方法,其特征在于,所述采集步骤中的帧差处理为:I
sub(i,j)
=I
sub1(i,j)
‑
I
sub2(i,j)
+128I
sub1(i,j)
=(255
‑
128)/(255
‑
0)*(I
c
‑
k(i,j)
‑
I
c(i,j)
)+128I
sub2(i,j)
=(255
‑
128)/(255
‑
0)*(I
c(i,j)
‑
I
c
‑
k(i,j)
)+128其中,I
c(i,j)
为当前帧图像,I
c
‑
k(i,j)
为当前帧前面第k帧图像,I
sub(i,j)
帧差处理后的输出图像,c表示当前帧,k表示当前帧c前面的第k帧,i、j表示像素行列坐标。5.根据权利要求2所述基于红外热成像的天然气泄漏实时预警方法,其特征在于:在所述采集步骤与所述识别步骤之间,还包括图像增强步骤,对所述帧差处理后的输出图像进行图像增强处理,得到包含气体泄漏疑似区域的二值图像。6.根据权利要求5所述基于红外热成像的天然气泄漏实时预警方法,其特征在于,所述图像增强步骤中的图像增强处理为:第一步,对所述帧差处理后的输出图像先后进行阈值算法处理和数学形态学滤波处理,得到气体二值图像;第二步,对所述帧差处理后的输出图像和气体二值图像进行逻辑与运算处理,得到气体粗略区域图像;第三步,对所述气体粗略区域图...
【专利技术属性】
技术研发人员:王红岭,呙林波,欧阳泽节,谢智愚,
申请(专利权)人:上海谱盟光电科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。