一种基于图像的液压机构漏油检测方法和系统技术方案

本发明专利技术提出了一种基于图像的液压机构漏油检测方法和系统，解决了人工监控漏油的方式，存在率极低、易误检漏检等问题，其主要方案包括：S1、构建神经网络模型，对液压机构管道节点的监控视频进行图像采集，将采集到的图像样本筛选分类后输入至神经网络模型以训练获得可完全监测漏油情况的模型；S2、确认需要检测的多处液压机管道节点，利用S1中获得的神经网络模型进行实时监测；S3、依据液压机构所处状态，结合机器视觉算法对油液形成时间以及累积量进行定量测量，液压机构所处状态包括准静态与运动状态，运动状态下油液测量回溯是否由多滴油液汇合而成；S4、输出检测结果并对漏油处发出警报。发出警报。发出警报。

【技术实现步骤摘要】
一种基于图像的液压机构漏油检测方法和系统


[0001]本专利技术涉及漏油检测领域，具体涉及一种基于图像的液压机构漏油检测方法和系统，应用于液压机构的管道漏油监测。

技术介绍

[0002]油液泄漏(漏油)是液压存储、运输设备存在的共性问题，其危害是容易造成设备运行故障、安全事故及资源浪费等一系列问题。目前针对漏油检测的小波分析、压力检测等方法，需要在存储罐、管道等设备近距离安装大量压差等传感器，这一方面限制了对存储罐、管道等结构的空间布局，另一方面，此类技术更适用于检测较大尺度的液压存储、运输设备，而难以应对小管道或高压工况下的漏油检测。特别地，在依靠液压油传递动力的液压系统中，管道接口处的渗油过程缓慢且油量细微，导致准确排查渗漏的油量与位置具有相当大难度，很难采用技术方法实现自动检测。所以当前仍主要采取人工监控方式，但设备漏油时间不确定使得人力资源利用率极低，且易因人员疲劳而出现误检、漏检等情况。
[0003]鉴于液压管道漏油检测难题，亟需自动化的检测新技术，以代替当前落后的检测方式。

技术实现思路

[0004]本专利技术要解决的技术问题是克服现有技术存在的缺陷，本专利技术提出了一种基于计算机视觉的液压机构漏油检测方法和系统，实现了对液压机构任意位置是否存在漏油以及累积漏油量的实时监控。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：一种基于图像的液压机构漏油检测方法，包括如下步骤：
[0006]S1、构建神经网络模型，对液压机构管道节点的监控视频进行图像采集，将采集到的图像样本筛选分类后输入至神经网络模型以训练获得可完全监测漏油情况的模型；
[0007]S2、确认需要检测的多处液压机管道节点，利用S1中获得的神经网络模型进行实时监测；
[0008]S3、依据液压机构所处状态，结合机器视觉算法对油液形成时间以及累积量进行定量测量，液压机构所处状态包括准静态与运动状态，运动状态下油液测量回溯是否由多滴油液汇合而成；
[0009]S4、输出检测结果并对漏油处发出警报，检测结果包括无油、开始、形成与坠落四种状态。
[0010]进一步地，所述步骤S3中，对应每一状态下的液压机构，油液测量步骤为，
[0011]准静态，记录每处油滴开始状态下的初始位置坐标与时间，当模型检测到油液转为坠落状态时，比对每处油滴滴落位置与其对应初始位置的水平坐标，相同则为同一处泄露，对应记录截止时间，单独记录每处油滴的起止时间以及滴落数量；
[0012]运动状态，当模型检测油液转为坠落状态时，返回初始位置坐标，并以坠落位置的
水平坐标和初始位置的竖直坐标组合为中心点，以中心点左右50个像素点距离内查询是否存在初始位置，
[0013]若存在则与准静态相同记录方式，
[0014]若不存在则横向扩出查询范围，直至查到左右两侧临近的其他泄露点，将其他两泄露点油滴的检测画面以当前油滴坠落时刻做对比，若两者同为形成状态则非同处泄露，若当前油滴坠落时刻其他泄漏点油滴由形成转向其他任一状态则为同处泄露转移，选择相应泄露点油滴开始状态的初始时间来记录截止时间。
[0015]进一步地，所述神经网络模型依次包括，
[0016]数据输入与特征提取模块，包含多层卷积神经网络，使用跳跃连接结构进行上采样与下采样，实现对输入图像样本的多层级特征提取；
[0017]特征增强网络模块，以自下而上的方式对不同层级局部特征进行抽象提取，并与上一模块中对应卷积层的特征融合，形成多个特征层；
[0018]特征自适应池化层，融合前一模块的多个特征层；
[0019]回归模块，采用池化层和全连接层预测检测框内的目标类别，并对检测框的位置坐标进行回归修订，获取油滴的预测位置；
[0020]掩码模块，通过卷积层与全连接层对待检测图像像素点进行判断，预测目标油滴的掩码。
[0021]进一步地，所述步骤S1中图像样本筛选分类的具体步骤为，
[0022]将监控视频以5帧/秒的频率拆解为图像样本；
[0023]依据无油、开始、形成与坠落四种阶段筛选出不同状态下的数据，通过labelme对泄漏处描边标注，并给出每一泄露处的状态类别；
[0024]依据8:1:1的比例将筛选出的全部数据划分为训练集、验证集与测试集，其中训练集用以模型学习特征，验证集用以完成模型迭代的参数修正，测试集用以验证模型实际检测的准确率。
[0025]进一步地，所述训练集能够添加扩充。
[0026]一种依据上述所述的基于图像的液压机构漏油检测方法的系统，包括：
[0027]图像采集模块，用以液压机构检测位置的画面监控以及检测图像样本采集；
[0028]主控模块，包括工控机与显示器，所述图像采集模块与工控机数据通信，所述工控机用以对接收数据进行存储拆解以及分析，所述显示器用以检测结果输出显示；
[0029]电源模块，用以图像采集模块和主控模块的供电。
[0030]进一步地，所述图像采集模块包括相机与三脚架，所述相机包括光源与镜头，所述相机通过光纤与所述工控机通信，所述三脚架用以相机镜头位置与角度调整。
[0031]进一步地，所述工控机与用户交互。
[0032]与现有技术相比，本专利技术的有益效果包括：
[0033]1.以自定义深度学习目标分类算法为技术核心，提供了一种基于计算机视觉的液压机构漏油检测方法，实现了对液压机构任意位置是否存在漏油以及累积漏油量的实时监控。
[0034]2.设计了液压机构漏油检测软硬件系统，通过图像设备实时采集视频数据，使用计算机服务器提供算力支撑，定制开发软件程序实现数据存储、用户管理、参数设置、结果
显示及报警等功能，基于软硬件的相互辅助实现液压机构漏油的无人看守自动化检测。
附图说明
[0035]参照附图来说明本专利技术的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本专利技术的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
[0036]图1示意性显示了根据本专利技术一个实施方式提出的神经网络分类模型结构图；
[0037]图2示意性显示了根据本专利技术一个实施方式提出的不同状态下漏油坠落过程示意图；
[0038]图3示意性显示了根据本专利技术一个实施方式提出的液压机构漏油检测方法流程图；
[0039]图4示意性显示了根据本专利技术一个实施方式提出的液压机构漏油检测系统结构图；
[0040]图5示意性显示了根据本专利技术一个实施方式提出的神经网络分类模型生成迭代流程图；
[0041]图6示意性显示了根据本专利技术一个实施方式提出的液压机构无油状态示意图；
[0042]图7示意性显示了根据本专利技术一个实施方式提出的液压机构油液开始、形成、坠落状态示意图；
[0043]图8示意性显示了根据本专利技术一个实施方式提出的模型检测结果示意图；
[0044]图9示意性显示了根据本专利技术一个实施方式提出的扩充器件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的液压机构漏油检测方法，其特征在于，包括如下步骤：S1、构建神经网络模型，对液压机构管道节点的监控视频进行图像采集，将采集到的图像样本筛选分类后输入至神经网络模型以训练获得可完全监测漏油情况的模型；S2、确认需要检测的多处液压机管道节点，利用S1中获得的神经网络模型进行实时监测；S3、依据液压机构所处状态，结合机器视觉算法对油液形成时间以及累积量进行定量测量，液压机构所处状态包括准静态与运动状态，运动状态下油液测量回溯是否由多滴油液汇合而成；S4、输出检测结果并对漏油处发出警报，检测结果包括无油、开始、形成与坠落四种状态。2.根据权利要求1所述的一种基于图像的液压机构漏油检测方法，其特征在于：所述步骤S3中，对应每一状态下的液压机构，油液测量步骤为，准静态，记录每处油滴开始状态下的初始位置坐标与时间，当模型检测到油液转为坠落状态时，比对每处油滴滴落位置与其对应初始位置的水平坐标，相同则为同一处泄露，对应记录截止时间，单独记录每处油滴的起止时间以及滴落数量；运动状态，当模型检测油液转为坠落状态时，返回初始位置坐标，并以坠落位置的水平坐标和初始位置的竖直坐标组合为中心点，以中心点左右50个像素点距离内查询是否存在初始位置，若存在则与准静态相同记录方式，若不存在则横向扩出查询范围，直至查到左右两侧临近的其他泄露点，将其他两泄露点油滴的检测画面以当前油滴坠落时刻做对比，若两者同为形成状态则非同处泄露，若当前油滴坠落时刻其他泄漏点油滴由形成转向其他任一状态则为同处泄露转移，选择相应泄露点油滴开始状态的初始时间来记录截止时间。3.根据权利要求1所述的一种基于图像的液压机构漏油检测方法，其特征在于：所述神经网络模型依次包括，数据输入与特征提取模块，包含多层卷积神经网络，使用跳跃连接结构进行上采样与下采样，实现对输入图像样本的多层级特征提取；特征增强网...

【专利技术属性】
技术研发人员：杨佳明，花韬，高峰利，李绍，林锥，王怀喜，
申请(专利权)人：北京京仪仪器仪表研究总院有限公司，
类型：发明
国别省市：