一种基于智能视频分析的电厂用烟雾监测预警方法及系统技术方案

本发明专利技术公开了一种基于智能视频分析的电厂用烟雾监测预警方法及系统，包括将往期电厂烟雾图像收集起来，组成烟雾数据集；建立YOLOv3训练模型，将烟雾数据集分类放入YOLOv3网络中进行训练处理，让YOLOv3训练模型能够快速识别烟雾情况；实时拍摄电厂场景，并逐帧以图片形式将电厂场景放入YOLOv3模型中检测烟雾情况，当监测发生烟雾后，监测装置进行预警处理。本发明专利技术通过数据交互终端和预警终端的配合设计，使得不同浓度的烟雾发生情况，可以被针对性的预警处理，同时本发明专利技术也有居高的识别效率，能够对于非烟雾的视觉干扰项负样本进行针对性识别，提高了识别精度与针对性的处理方式，降低了维修成本与人员工作成本，提高了检验效率。验效率。验效率。

【技术实现步骤摘要】
一种基于智能视频分析的电厂用烟雾监测预警方法及系统


[0001]本专利技术涉及监测预警
，尤其涉及一种基于智能视频分析的电厂用烟雾监测预警方法。

技术介绍

[0002]现在的电厂进行生产工作时，当发生危险时一般很难能快速逃出，所以为了工人的安全，产生了各种传感器，如检测烟雾用的传感器，但是现有的检测技术只是将检测的烟雾浓度显示在显示器上，不能进行自动报警提示，工人需要进行观察，降低工人的工作效率同时也不能将检测信号传递到厂外的工作人员，不利于厂外的工作人员第一时间发送预警指令。

技术实现思路

[0003]本专利技术的目的是提供一种基于智能视频分析的电厂用烟雾监测预警方法，总的来说，是针对
技术介绍
中所述的技术问题。
[0004]鉴于上述和/或现有的一种基于智能视频分析的电厂用烟雾监测预警方法中存在的问题，提出了本专利技术。
[0005]因此，本专利技术所要解决的问题在于如何提供一种基于智能视频分析的电厂用烟雾监测预警方法。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一种基于智能视频分析的电厂用烟雾监测预警方法，其包括
[0007]将往期电厂烟雾图像收集起来，组成烟雾数据集；
[0008]建立YOLOv3训练模型，将烟雾数据集分类放入YOLOv3网络中进行训练处理，让YOLOv3训练模型能够快速识别烟雾情况；
[0009]实时拍摄电厂场景，并逐帧以图片形式将电厂场景放入YOLOv3模型中检测烟雾情况，当监测发生烟雾后，监测装置进行预警处理。
[0010]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述烟雾数据集在进行烟雾图片选取时，要在放入模型前先去除不清晰、烟雾无法识别情况的图片，其次要进行分类处理；
[0011]所述分类处理包括烟雾占图像比例超过50％，烟雾占图像比例超过30％到50％，烟雾占图像比例低于30％与负样本；
[0012]所述负样本是图像中没有烟雾确有纹理信息相对丰富的类似烟雾的图片，用于让YOLOv3模型学习识别非烟雾类似情况；
[0013]所述往期电厂烟雾图像指的是8个月内的电厂监控中出现烟雾的拍摄图片。
[0014]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述YOLOv3训练模型是通过等价LBP算子进行对于图像的特征提取，其特征提取方法是先将彩色图像转化为灰度图像，再在灰度图像中采取半径为2和采样点数为16的
采样模式，统计这种方式采样的直方图，输出为等价的LBP。
[0015]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述LBP提取方法是先提取某像素点(x0，y0)，将其与周围8个相邻像素点组合为3*3的像素方阵，把中心的像素灰度值当做具体的阈值，当相邻像素点灰度值超过阈值时，把这个像素中心点记作1，如果没超过则记作0，通过8个周围像素点与中心像素点的灰度对比形成的值就是中心像素点的灰度值，其计算方式是
[0016][0017]其中a是中心像素点相邻像素点中的第a个，i
a
是第a个相邻像素点的灰度值。
[0018]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述监测装置进行预警处理中YOLOv3可以通过检测模型识别烟雾浓度，根据不同烟雾浓度采取不同的警报方式，其分为五个类别P1到P5分为无烟雾安全情况P1，烟雾占图像比例超过0％低于30％的薄烟雾情况P2，烟雾占图像比例超过30％到50％的中等烟雾情况P3，烟雾占图像比例超过50％的厚烟雾情况P4，与负样本情况P5；
[0019]当电厂用烟雾监测YOLOv3训练模型检测到无烟雾安全情况P1时，正常工作；
[0020]当电厂用烟雾监测YOLOv3训练模型检测到烟雾占图像比例超过0％低于30％的薄烟雾情况P2时，派值班维修人员到电厂烟雾区驱散烟雾；
[0021]当电厂用烟雾监测YOLOv3训练模型检测到烟雾占图像比例超过30％到50％的中等烟雾情况P3时，P3情况所在电厂区域暂停电厂工作，派维修人员到电厂所在烟雾区域驱散烟雾；
[0022]当电厂用烟雾监测YOLOv3训练模型检测到烟雾占图像比例超过50％的厚烟雾情况P4时，派值班维修人员关闭P4所在区域电闸开关，开窗通风后并静止半小时后，派遣值班维修人员到所在烟雾区域驱散烟雾；
[0023]当电厂用烟雾检测YOLOv3训练模型检测到区域为负样本情况时，派遣维修人员检查摄像头是否正常运行，再进行所在区域的卫生整理，减少干扰检测情况发生。
[0024]鉴于上述和/或现有的一种基于智能视频分析的电厂用烟雾监测预警系统中存在的问题，提出了本专利技术。
[0025]因此，本专利技术所要解决的问题在于如何提供一种基于智能视频分析的电厂用烟雾监测预警系统。
[0026]为解决上述技术问题，本专利技术提供如下技术方案：一种基于智能视频分析的电厂用烟雾监测预警系统，其包括，
[0027]数据采集模块，数据检测模块，数据预警模块，数据库模块；
[0028]所述数据采集模块用于对电厂的实时监控拍摄，并逐帧以图片方式采集；
[0029]所述数据检测模块用于建立YOLOv3训练模型，与将实时监控拍摄图片放入训练模型中检测烟雾状况；
[0030]所述预警模块用于根据检测烟雾状况产生相对应的预警方式；
[0031]所述数据库模块用于对检测后图片的保存。
[0032]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：数据检测模块包括智能视频识别和预设烟雾数值对比，并将识别、对比的结果
发送至所述异常预警模块。
[0033]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述预警模块包括执行端和记录端；
[0034]所述执行端接收到所述预警信号后通过执行模块发送预警指令；
[0035]所述记录端用于记录每次发送的所述预警指令和发送时间。
[0036]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述数据库模块还包括数据储存端，用于存储数据采集模块采集的信息数据、数据处理模块处理后的结果数据、异常预警模块发送的信号数据。
[0037]作为本专利技术所述一种基于智能视频分析的电厂用烟雾监测预警方法的一种优选方案，其中：所述数据检测模块建立YOLOv3训练模型检测烟雾元素需要先进行图像增强，将拍摄的图片进行图像增强后才可以进行进一步的检测；
[0038]所述图像增强包括图像尺寸压缩，图像翻转与图像旋转；
[0039]所述图像尺寸压缩是将图片的长压缩到指定的长度，宽度随着图片的长度等比例压缩；
[0040]所述图像翻转是通过镜像翻转方式来获得与图片对称的图片；
[0041]所述图像旋转是图像中心为原点旋转本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能视频分析的电厂用烟雾监测预警方法，其特征在于包括：将往期电厂烟雾图像收集起来，组成烟雾数据集；建立YOLOv3训练模型，将烟雾数据集分类放入YOLOv3网络中进行训练处理，让YOLOv3训练模型能够快速识别烟雾情况；实时拍摄电厂场景，并逐帧以图片形式将电厂场景放入YOLOv3模型中检测烟雾情况，当监测发生烟雾后，监测装置进行预警处理。2.根据权利要求1所述的一种基于智能视频分析的电厂用烟雾监测预警方法，其特征在于：所述烟雾数据集在进行烟雾图片选取时，要在放入模型前先去除不清晰、烟雾无法识别情况的图片，其次要进行分类处理；所述分类处理包括烟雾占图像比例超过50％，烟雾占图像比例超过30％到50％，烟雾占图像比例低于30％与负样本；所述负样本是图像中没有烟雾确有纹理信息相对丰富的类似烟雾的图片，用于让YOLOv3模型学习识别非烟雾类似情况；所述往期电厂烟雾图像指的是8个月内的电厂监控中出现烟雾的拍摄图片。3.根据权利要求1或2所述的一种基于智能视频分析的电厂用烟雾监测预警方法，其特征在于：所述YOLOv3训练模型是通过等价LBP算子进行对于图像的特征提取，其特征提取方法是先将彩色图像转化为灰度图像，再在灰度图像中采取半径为2和采样点数为16的采样模式，统计这种方式采样的直方图，输出为等价的LBP。4.根据权利要求3所述的一种基于智能视频分析的电厂用烟雾监测预警方法，其特征在于：所述LBP提取方法是先提取某像素点(x0，y0)，将其与周围8个相邻像素点组合为3*3的像素方阵，把中心的像素灰度值当做具体的阈值，当相邻像素点灰度值超过阈值时，把这个像素中心点记作1，如果没超过则记作0，通过8个周围像素点与中心像素点的灰度对比形成的值就是中心像素点的灰度值，其计算方式是其中a是中心像素点相邻像素点中的第a个，i
a
是第a个相邻像素点的灰度值。5.根据权利要求1，2或4任一所述的一种基于智能视频分析的电厂用烟雾监测预警方法，其特征在于：所述监测装置进行预警处理中YOLOv3可以通过检测模型识别烟雾浓度，根据不同烟雾浓度采取不同的警报方式，其分为五个类别P1到P5分为无烟雾安全情况P1，烟雾占图像比例超过0％低于30％的薄烟雾情况P2，烟雾占图像比例超过30％到50％的中等烟雾情况P3，烟雾占图像比例超过50％的厚烟雾情况P4，与负样本情况P5；当电厂用烟雾监测YOLOv3训练模型检测到无烟雾安全情况P1时，正常工作；当电厂用烟雾监测YOLOv3训练模型检测到烟雾占图像比例超过0％低于30％的薄烟雾情况P2时，派值班维修人员到电厂烟雾区驱散烟雾；当电厂用烟雾监测YOLOv3训练模型...

【专利技术属性】
技术研发人员：田际，孙伟生，蔡承伟，刘希念，林伟良，单婕，江志宏，黄欢，颜景博，袁方雅，羿应棋，周俊煌，叶伟鑫，
申请(专利权)人：华能东莞燃机热电有限责任公司，
类型：发明
国别省市：