一种基于红外热成像的设备漏油检测方法及系统技术方案

本发明专利技术公开了一种基于红外热成像的设备漏油检测方法及系统。本发明专利技术在可能存在漏油情况的设备前上方安装红外热成像摄像头，并在摄像头的监控图像中预置一个ROI漏油检测区域；实时获取所述摄像头的红外热成像信号数据，再对所述的ROI区域进行漏油检测，找到可疑油渍连通区域；最后对检测到的可疑油渍连通区域进行分析，并根据分析结果决定是否在监控图像上输出漏油检测报警信息框。本发明专利技术将漏油检测与红外热成像相结合实现了漏油自动监测，相比于现有的人工巡检方式，无需再到现场进行近距离检测，这使得设备漏油检测变得更加高效便捷。这使得设备漏油检测变得更加高效便捷。这使得设备漏油检测变得更加高效便捷。

【技术实现步骤摘要】
一种基于红外热成像的设备漏油检测方法及系统


[0001]本专利技术属于设备漏油检测
，尤其涉及一种基于红外热成像的设备漏油检测方法及系统。

技术介绍

[0002]随着工业化进程的不断加快以及人口的激增，各行各业对于能源的依赖性越来越强，尤其以油类能源为主，这使得油类能源的运输、存储、分发等各个环节的工作量日益增加，而随之产生的负面问题也不可避免地增加，其中，设备漏油是一个最为频繁且负面影响巨大的问题，设备漏油问题不仅浪费了大量油料，而且对环境造成污染，严重时甚至会造成安全事故而影响生产。因此，提前做好设备漏油的检测工作以防患于未然是非常有必要的。
[0003]传统技术中主要采用人工巡检或者在可能会漏油的位置安装可见光摄像机的方式对设备漏油情况进行检测，若是采用人工巡检的方式，那么就意味着需要安排人手二十四小时不间断地去对设备及其周围可能会漏油的位置进行检查，当巡检人员发现设备存在漏油情况后，需要通知相关人员维修，显然这种检测方式难以及时发现异常状况，具有一定的滞后性且带来了一系列安全隐患。若是采用安装可见光摄像机的方式，尽管该方式要比人工巡检有更好的实时性，但是该方式仅仅适用于晴朗的白天，因为一旦到了晚上或者遇到下雨天，是很难通过颜色来分辨出油和水的区别的，因此这种方式也是不可取的。目前，也有一些最新的技术被用于设备漏油检测，例如使用深度学习技术对各种形状的漏油油块图片样本进行目标识别训练，生成漏油油块识别模型，然后利用该模型对可见光摄像头获取的视频图像进行实时检测，尽管这种方式有着较好的时效性，但由于漏油油块的形状是毫无规则的，因而训练数据中不可能包含所有形状的漏油油块样本，这就使得模型的鲁棒性不高，大概率存在漏检或误报的情况。
[0004]因此，针对以上问题，亟需提供一种基具有高鲁棒性、高准确率的设备漏油检测方法及系统。

技术实现思路

[0005]本专利技术的目的在于解决现有技术中存在的问题，并提供一种基于红外热成像的设备漏油检测方法及系统。
[0006]本专利技术所采用的具体技术方案如下：
[0007]第一方面，本专利技术提供了一种基于红外热成像的设备漏油检测方法，其包括以下步骤：
[0008]S1、通过视角固定的红外热成像摄像头实时获取目标监控区域的红外监控图像帧，并根据预设的ROI区域坐标框从红外监控图像帧中提取覆盖油渍块出现范围的第一ROI区域图像；
[0009]S2、对S1中获取的所述第一ROI区域图像进行灰度值统计，得到第一ROI区域图像的灰度直方图，再对所述第一ROI区域图像进行抛点处理得到第二ROI区域图像；所述抛点
处理为去除第一ROI区域图像中像素值位于所述灰度直方图的值域两端的极值像素；
[0010]S3、对S2中得到的第二ROI区域图像的像素值进行聚类，若所有像素值被聚为一类，则视为该第二ROI区域图像获取时刻不存在漏油情况，继续对下一帧红外监控图像帧执行S1～S3；若所有像素值被聚为多类，则视为当前目标监控区域中可能存在漏油情况，以所有聚类中心像素值的平均值作为第一阈值对第二ROI区域图像进行二值化，若像素值小于等于第一阈值则置为1，否则置为0，从而建立包含疑似油渍块的二值图；再对二值图进行孤立点去除后基于最小面积进行筛选，筛选得到的所有连通区域更新至目标跟踪列表中；其中更新过程如下：
[0011]遍历筛选得到的每个连通区域，将当前遍历连通区域在目标跟踪列表中进行目标匹配，若匹配不到同一跟踪目标，则在目标跟踪列表中将当前遍历连通区域增加为一个新跟踪目标，并初始化该新跟踪目标的目标出现次数为1，连续消失次数为0；若匹配到同一跟踪目标，则将目标跟踪列表中这个跟踪目标的出现次数加1，这个跟踪目标的连续消失次数置0；当遍历完筛选得到的所有连通区域后，判断目标跟踪列表中是否存在目标出现次数未被加1的原有跟踪目标，若存在则对其连续消失次数进行加1；
[0012]S4、不断迭代执行S1～S3，且迭代一次更新目标跟踪列表后，对目标跟踪列表中的所有跟踪目标进行遍历，若跟踪目标的连续消失次数超过第二阈值，则从目标跟踪列表中删除该跟踪目标，若跟踪目标的出现次数超过第三阈值且该跟踪目标的连通区域内像素波动平均值小于第四阈值，则认为该跟踪目标为漏油导致的油渍块，触发设备漏油报警。
[0013]作为上述第一方面的优选，所述红外热成像摄像头支持RTSP、ONVIF协议，通过在相应的SDK中输入设备IP、端口号、用户名及密码后显示获取到的红外热成像信号数据。
[0014]作为上述第一方面的优选，所述抛点处理过程中，需去除所述灰度直方图的值域范围内灰度值最大的5％像素和灰度值最小的5％像素。
[0015]作为上述第一方面的优选，所述聚类采用K
‑
means聚类，其做法为：
[0016]S31、随机选取第二ROI区域图像中的任意两个像素点作为初始聚类中心；
[0017]S32、计算第二ROI区域图像中其余每个像素点与两个聚类中心之间的距离，其中所述距离为像素点与聚类中心之间灰度值之差的绝对值；
[0018]S33、将第二ROI区域图像中其余每个像素点划分至距离值最近的类簇中，然后对每个类簇中的所有像素点计算灰度值的平均值，并将平均值作为新的聚类中心；
[0019]S34、不断迭代S32和S33，直至聚类中心收敛，得到最终聚类结果。
[0020]作为上述第一方面的优选，所述孤立点去除的做法为：
[0021]遍历二值图中的每一个像素点，若以该像素点为中心的3
×
3范围内9个像素的像素值之和小于9，则判断该点为孤立点，将孤立点在二值图中的像素值置为0。
[0022]作为上述第一方面的优选，所述基于最小面积进行筛选的做法为：
[0023]按照预设的油渍块区域最小面积阈值对经过孤立点去除的二值图中的连通区域进行筛选，提取出面积大于油渍块区域最小面积阈值的连通区域，过滤掉面积不大于油渍块区域最小面积阈值的连通区域。
[0024]作为上述第一方面的优选，所述油渍块区域最小面积阈值为80～120个像素。
[0025]作为上述第一方面的优选，将当前遍历连通区域在目标跟踪列表中进行目标匹配时，匹配规则如下：
[0026]计算当前遍历连通区域的质心，并判断该质心是否落在目标跟踪列表中一个跟踪目标最新的外包矩形框内且两个连通区域的面积变化率小于50％，若是，则视为当前遍历连通区域与对应的跟踪目标属于同一跟踪目标，若否，则视为当前遍历连通区域为一个新跟踪目标。
[0027]作为上述第一方面的优选，触发设备漏油报警时，将油渍块的外包矩形框显示于红外监控图像帧上，并通过声、光、电、图像、文字中的一种或多种发出报警信号。
[0028]第二方面，本专利技术提供了一种基于红外热成像的设备漏油检测系统，其包括：
[0029]实时图像获取模块，用于通过视角固定的红外热成像摄像头实时获取目标监控区域的红外监控图像帧，并根据预设的ROI区域坐标框从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外热成像的设备漏油检测方法，其特征在于，包括以下步骤：S1、通过视角固定的红外热成像摄像头实时获取目标监控区域的红外监控图像帧，并根据预设的ROI区域坐标框从红外监控图像帧中提取覆盖油渍块出现范围的第一ROI区域图像；S2、对S1中获取的所述第一ROI区域图像进行灰度值统计，得到第一ROI区域图像的灰度直方图，再对所述第一ROI区域图像进行抛点处理得到第二ROI区域图像；所述抛点处理为去除第一ROI区域图像中像素值位于所述灰度直方图的值域两端的极值像素；S3、对S2中得到的第二ROI区域图像的像素值进行聚类，若所有像素值被聚为一类，则视为该第二ROI区域图像获取时刻不存在漏油情况，继续对下一帧红外监控图像帧执行S1～S3；若所有像素值被聚为多类，则视为当前目标监控区域中可能存在漏油情况，以所有聚类中心像素值的平均值作为第一阈值对第二ROI区域图像进行二值化，若像素值小于等于第一阈值则置为1，否则置为0，从而建立包含疑似油渍块的二值图；再对二值图进行孤立点去除后基于最小面积进行筛选，筛选得到的所有连通区域更新至目标跟踪列表中；其中更新过程如下：遍历筛选得到的每个连通区域，将当前遍历连通区域在目标跟踪列表中进行目标匹配，若匹配不到同一跟踪目标，则在目标跟踪列表中将当前遍历连通区域增加为一个新跟踪目标，并初始化该新跟踪目标的目标出现次数为1，连续消失次数为0；若匹配到同一跟踪目标，则将目标跟踪列表中这个跟踪目标的出现次数加1，这个跟踪目标的连续消失次数置0；当遍历完筛选得到的所有连通区域后，判断目标跟踪列表中是否存在目标出现次数未被加1的原有跟踪目标，若存在则对其连续消失次数进行加1；S4、不断迭代执行S1～S3，且迭代一次更新目标跟踪列表后，对目标跟踪列表中的所有跟踪目标进行遍历，若跟踪目标的连续消失次数超过第二阈值，则从目标跟踪列表中删除该跟踪目标，若跟踪目标的出现次数超过第三阈值且该跟踪目标的连通区域内像素波动平均值小于第四阈值，则认为该跟踪目标为漏油导致的油渍块，触发设备漏油报警。2.如权利要求1所述的基于红外热成像的设备漏油检测方法，其特征在于，所述红外热成像摄像头支持RTSP、ONVIF协议，通过在相应的SDK中输入设备IP、端口号、用户名及密码后显示获取到的红外热成像信号数据。3.如权利要求1所述的基于红外热成像的设备漏油检测方法，其特征在于，所述抛点处理过程中，需去除所述灰度直方图的值域范围内灰度值最大的5％像素和灰度值最小的5％像素。4.如权利要求1所述的基于红外热成像的设备漏油检测方法，其特征在于，所述聚类采用K
‑
means聚类，其做法为：S31、随机选取第二ROI区域图像中的任意两个像素点作为初始聚类中心；S32、计算第二ROI区域图像中其余每个像素点与两个聚类中心之间的距离，其中所述距离为像素点与聚类中心之间灰度值之差的绝对值；S33、将第二ROI区域图像中其余每个像素点划分至距离值最近的类簇中，然后对每个类簇中的所有像素点计算灰度值的平均值，并将平均值作为新的聚类中心；S34、不断迭代S32和S33，直至聚类中心收敛，得到最终聚类结果。5.如权利要求1所述的基于红外热成像的设备漏油检测方法，其特征在于，所述孤立点
去除的做法为：遍历二值图中的每一个像素点，若以该像素点为中心的3
×
3范围内9个像素的像素值之和小于...

【专利技术属性】
技术研发人员：郭海训，郑宝友，杨烨，
申请(专利权)人：杭州舜程智能检测技术有限公司，
类型：发明
国别省市：