一种基于计算机机器视觉的危险品智能检测预警方法技术

本发明专利技术属于危险品检测领域，涉及数据分析技术，用于解决现有的危险品检测预警方法无法对多个同时检测到异常的区域进行源头分析而导致的异常处理效率低下的问题，具体是一种基于计算机机器视觉的危险品智能检测预警方法，包括以下步骤：通过区域检测模块对危险品存储仓库进行区域性检测分析，将危险品存储仓库分割为若干个监测区域，获取监测区域的温度数据、湿度数据以及泄露数据并进行数值计算得到环境系数，通过环境系数的数值大小将监测区域标记为正常区域或异常区域；本发明专利技术可以对危险品存储仓库进行区域性检测分析，提高危险品存储环境检测精度的同时，还可以在出现异常时进行源头追溯，提高危险品存储安全性。提高危险品存储安全性。提高危险品存储安全性。

【技术实现步骤摘要】
一种基于计算机机器视觉的危险品智能检测预警方法


[0001]本专利技术属于危险品检测领域，涉及数据分析技术，具体是一种基于计算机机器视觉的危险品智能检测预警方法。

技术介绍

[0002]危险品是易燃、易爆、有强烈腐蚀性、有毒和放射性等物品的总称，如汽油、炸药、强酸、强碱、苯、萘、赛璐珞、过氧化物等，在生产、运输、储存、销毁时应该科学妥善处理。
[0003]现有的危险品智能检测预警方法仅能够针对危险品的存储空间进行区域性检测预警，然而当一个区域出现存储环境异常时，随着温度的升高或气体的泄露，存储区域的异常环境极有可能会进行扩散，对其他原本正常的存储区域造成影响，而此时现有的危险品检测预警方法无法对多个同时检测到异常的区域进行源头分析，需要由巡检人员对所有的异常区域进行逐一排查才能够确定实际出现环境异常的存储区域并进行异常处理，进而导致异常处理效率低下。
[0004]针对上述技术问题，本申请提出一种解决方案。

技术实现思路

[0005]本专利技术的目的在于提供一种基于计算机机器视觉的危险品智能检测预警方法，用于解决现有的危险品检测预警方法无法对多个同时检测到异常的区域进行源头分析而导致的异常处理效率低下的问题；本专利技术需要解决的技术问题为：如何提供一种可以对多个同时检测到异常的区域进行源头分析的危险品智能检测预警方法。
[0006]本专利技术的目的可以通过以下技术方案实现：一种基于计算机机器视觉的危险品智能检测预警方法，包括以下步骤：步骤一：通过区域检测模块对危险品存储仓库进行区域性检测分析，将危险品存储仓库分割为若干个监测区域，获取监测区域的温度数据、湿度数据以及泄露数据并进行数值计算得到环境系数，通过环境系数的数值大小将监测区域标记为正常区域或异常区域；步骤二：通过趋势分析模块对正常区域的存储环境发展趋势进行检测分析：通过检测分析结果对正常区域的存储环境发展趋势是否满足要求进行判定；步骤三：通过中心分析模块对异常区域进行中心分析，获取异常区域的数量，若异常区域的数量为一，则将对应的异常区域标记为中心区域并发送至检测平台；若异常区域的数量不为一，则将环境系数数值最大的异常区域标记为扩散区域，以扩散区域的中心点为圆心，r1为半径画圆，将得到的圆形区域标记为分析区域，判定分析区域之外是否具有异常区域，若有，则将分析区域之外的环境系数数值最大的异常区域标记为扩散区域，以扩散区域的中心点为圆心、r1为半径画圆再次得到一个分析区域，以此类推，直至分析区域之外没有异常区域；若没有，则对分析区域进行扩散分析并得到分析区域的中心区域，将所有分
析区域的中心区域发送至检测平台。
[0007]作为本专利技术的一种优选实施方式，在步骤一中，将监测区域标记为正常区域或异常区域的过程包括：通过存储模块获取到环境阈值，将监测区域的环境系数HJ与环境阈值进行比较：若环境系数小于环境阈值，则判定监测区域的存储环境满足要求，将对应的监测区域标记为正常区域，将正常区域发送至检测平台，检测平台接收到正常区域后将正常区域发送至趋势分析模块；若环境系数大于等于环境阈值，则将对应的监测区域标记为异常区域，将异常区域发送至检测平台，检测平台接收到异常区域后将异常区域发送至中心分析模块。
[0008]作为本专利技术的一种优选实施方式，在步骤二中，对正常区域的存储环境发展趋势进行检测分析的具体过程包括：设定正常区域的检测时长并将检测时长分割为L1个检测时段，L1为数值常量，获取检测时段内正常区域的环境系数最大值并标记为检测时段的环境表现值，对检测时段的环境表现值进行求和取平均值得到检测时段的正常系数，将检测时段的环境表现值建立环境集合，对环境集合进行方差计算得到正常区域在检测时长内的波动系数；通过存储模块获取到正常阈值与波动阈值，将检测时长的正常系数、波动系数分别与正常阈值、波动阈值进行比较并通过比较结果对正常区域的存储环境发展趋势是否满足要求进行判定。
[0009]作为本专利技术的一种优选实施方式，在步骤二中，检测时长的正常系数、波动系数分别与正常阈值、波动阈值进行比较的具体过程包括：若正常系数小于正常阈值且波动系数小于波动阈值，则判定正常区域的存储环境发展趋势满足要求，趋势分析模块向检测平台发送趋势合格信号；若正常系数大于等于正常阈值，则判定正常区域的存储环境发展趋势不满足要求，趋势分析模块向检测平台发送趋势不合格信号；若正常系数小于正常阈值且波动系数大于等于波动阈值，则对正常区域进行深度分析。
[0010]作为本专利技术的一种优选实施方式，在步骤二中，对正常区域进行深度分析的具体过程包括：以检测时长为X轴、环境系数为Y轴建立直角坐标系，以检测时段的结束时间为横坐标、检测时段的环境表现值为纵坐标在直角坐标系中标出L1个点并标记为分析点，对分析点从左至右依次进行连线得到分析折线，将分析折线的终点与最后一个拐点进行连线并得到分析线段，获取分析线段的长度值与斜率值，通过存储模块获取到长度阈值；若分析线段的斜率值大于零且分析线段的长度值大于长度阈值，则判定正常区域的存储环境发展趋势不满足要求，趋势分析模块向检测平台发送趋势不合格信号；否则，判定正常区域的存储环境发展趋势满足要求，趋势分析模块向检测平台发送趋势合格信号。
[0011]作为本专利技术的一种优选实施方式，在步骤三中，对分析区域进行扩散分析的具体过程包括：将扩散区域的环境系数标记为KS，通过公式KSmin=t1*KS得到扩散阈值KSmin，其中t1为比例系数，且0.75≤t1≤0.85，由扩散阈值KSmin与KS构成扩散范围，获取分析区域内环境系数位于扩散范围之内的异常区域的数量并标记为扩散数量；若扩散数量为零，则将扩散区域标记为分析区域的中心区域；若扩散数量不为零，则将环境系数位于扩散范围之内的异常对象与扩散对象共同
标记为标记对象，选取其中一个标记对象作为指定对象，获取指定对象的中心点与分析区域内剩余所有异常对象的中心点的直线距离并进行求和取平均数得到标记对象的距表值；将分析区域内的所有标记对象依次作为指定对象并获取到若干个距表值，将距表值数值最小的标记对象所对应的异常对象标记为分析区域的中心区域。
[0012]本专利技术具备下述有益效果：1、通过区域检测模块可以对危险品存储仓库进行区域性检测分析，提高危险品存储环境检测精度的同时，还可以在出现异常时进行源头追溯，通过对监测区域进行温度数据、湿度数据以及泄露数据的监控，保证危险品的存储环境能够满足要求，提高危险品存储安全性；2、通过趋势分析模块可以对正常区域的存储环境发展趋势进行检测分析，针对于当前环境检测结果满足要求的存储区域，结合正常区域在一段时间内的环境系数波动程度，对正常区域的环境变化趋势进行预测，进而在正常区域出现异常之前提前进行预警，降低监测区域内出现环境异常现象的可能性；3、通过中心分析模块可以对异常区域进行中心分析，当同时检测到多个环境异常的监测区域时，通过中心分析的方式对实际出现泄露的监测区域进行判定，在进行异常处理时为工作人员设定处理优先级，工作人员可以优先对最有可能出现实际泄露的监测区域进行排查与处理，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机机器视觉的危险品智能检测预警方法，其特征在于，包括以下步骤：步骤一：通过区域检测模块对危险品存储仓库进行区域性检测分析，将危险品存储仓库分割为若干个监测区域，获取监测区域的温度数据、湿度数据以及泄露数据并进行数值计算得到环境系数，通过环境系数的数值大小将监测区域标记为正常区域或异常区域；步骤二：通过趋势分析模块对正常区域的存储环境发展趋势进行检测分析：通过检测分析结果对正常区域的存储环境发展趋势是否满足要求进行判定；步骤三：通过中心分析模块对异常区域进行中心分析，获取异常区域的数量，若异常区域的数量为一，则将对应的异常区域标记为中心区域并发送至检测平台；若异常区域的数量不为一，则将环境系数数值最大的异常区域标记为扩散区域，以扩散区域的中心点为圆心，r1为半径画圆，将得到的圆形区域标记为分析区域，判定分析区域之外是否具有异常区域，若有，则将分析区域之外的环境系数数值最大的异常区域标记为扩散区域，以扩散区域的中心点为圆心、r1为半径画圆再次得到一个分析区域，以此类推，直至分析区域之外没有异常区域；若没有，则对分析区域进行扩散分析并得到分析区域的中心区域，将所有分析区域的中心区域发送至检测平台。2.根据权利要求1所述的一种基于计算机机器视觉的危险品智能检测预警方法，其特征在于，在步骤一中，将监测区域标记为正常区域或异常区域的过程包括：通过存储模块获取到环境阈值，将监测区域的环境系数HJ与环境阈值进行比较：若环境系数小于环境阈值，则判定监测区域的存储环境满足要求，将对应的监测区域标记为正常区域，将正常区域发送至检测平台，检测平台接收到正常区域后将正常区域发送至趋势分析模块；若环境系数大于等于环境阈值，则将对应的监测区域标记为异常区域，将异常区域发送至检测平台，检测平台接收到异常区域后将异常区域发送至中心分析模块。3.根据权利要求1所述的一种基于计算机机器视觉的危险品智能检测预警方法，其特征在于，在步骤二中，对正常区域的存储环境发展趋势进行检测分析的具体过程包括：设定正常区域的检测时长并将检测时长分割为L1个检测时段，L1为数值常量，获取检测时段内正常区域的环境系数最大值并标记为检测时段的环境表现值，对检测时段的环境表现值进行求和取平均值得到检测时段的正常系数，将检测时段的环境表现值建立环境集合，对环境集合进行方差计算得到正常区域在检测时长内的波动系数；通过存储模块获取到正常阈值与波动阈值，将检测时长的正常系数、波动系数分...

【专利技术属性】
技术研发人员：吴军，张辉，李家兴，
申请(专利权)人：广东中科凯泽信息科技有限公司，
类型：发明
国别省市：