一种基于实时视频数据的汽轮机润滑油滴漏识别方法、系统、设备及介质技术方案

一种基于实时视频数据的汽轮机润滑油滴漏识别方法、系统、设备及介质，方法包括通过汽轮机润滑油油箱处的高清摄像头获得润滑油滴漏视频信息，将视频信息中彩色图像的RGB三通道分量加权平均作为灰度图像的灰度值，对灰度化的图片空间变换，采用图像增强的方法改善视觉效果，使用LBP对图像特征提取，在不同场景下收集实验数据生成素材数据库，对实时视频和素材数据库进行比对，判断特征向量匹配是否成功，若匹配成功，则证明发生滴漏，将结果推送给运行人员，若匹配失败，则表示无滴漏问题；系统、设备及介质用于实现基于实时视频数据的汽轮机润滑油滴漏识别方法；本发明专利技术实现汽轮机润滑油主油箱处全自主智能监控，现场环境要求低。低。低。

【技术实现步骤摘要】
一种基于实时视频数据的汽轮机润滑油滴漏识别方法、系统、设备及介质


[0001]本专利技术涉及汽轮机监测
，特别涉及一种基于实时视频数据的汽轮机润滑油滴漏识别方法、系统、设备及介质。

技术介绍

[0002]火电厂运行管理是生产管理的一个重要组成部分，其中心任务是合理安排组织人力和物力，保证发电设备的安全、稳定、高效运行。作为火电机组的三大核心之一的汽轮机，油系统易发生泄漏，虽然抗燃油燃点比较高，不易着火，但润滑油燃点一般只有250℃，所以很容易着火，根据资料显示，汽轮机发生事故前，常有漏油现象，甚至已冒烟或小火，但未能引起重视，没有采取措施迅速解决，因而对于润滑油主油箱处的滴漏识别是保障汽轮机稳定运行的关键因素之一。但是，由于火电厂运行都是依靠运行人员定期巡检，因为巡检有时间间隔，所以对于某些设备存在巡检空隙，并不能24小时保证无问题。润滑油的滴漏发生时间是不定时的，因而需要针对润滑油主油箱处做滴漏识别，用于在滴漏的第一时间提醒运行人员进行处理。润滑油一旦发生滴漏未及时处理，极大可能酿成起火事故，严重影响火力发电厂安全、经济运行，对润滑油主油箱处做滴漏识别是提高火力发电机组可靠性的需要，是提高发电设备经济效益的需要，也是创建一流火力发电厂的需要。
[0003]专利号为CN114283372A，专利名称为基于卷积神经的跑冒滴漏图像识别方法的专利技术，通过摄像设备对监控现场进行视频素材收集；对视频素材进行分解以获得多个图片素材，通过线上标注工具对图片素材进行标注，应用运动目标跟踪算法，根据运动目标和表达和相似性度量标注跑冒滴漏目标的区域；训练获得AI模型，并布局于监控设备当中，由布局有所述AI模型的监控设备对现场采集的视频素材进行分解和识别；当存在跑冒滴漏事件时，对分解获得的图片素材进行标注，并进行告警和事件联动。该方法能够做到自动识别液体、气体跑冒滴漏情况并告警，但该专利是在视频采集现场光线充足、照射角度合理、摄像设备像素充足的前提下，其检测结果的准确性和实时性才会高。

技术实现思路

[0004]针对上述现有技术的不足，本专利技术的目的在于提供一种基于实时视频数据的汽轮机润滑油滴漏识别方法、系统、设备及介质，通过在汽轮机润滑油主油箱处安装高清摄像头，对实时视频数据进行采集，使用LBP局部二值模式法进行特征提取,得到系统需要的目标信息,实现润滑油主油箱处滴漏的识别，实现汽轮机润滑油主油箱处的全天候、全自主智能监控，对现场环境要求低。
[0005]为了实现上述目的，本专利技术所采用的技术方案是：
[0006]一种基于实时视频数据的汽轮机润滑油滴漏识别方法，包括以下步骤：
[0007]步骤1，通过汽轮机润滑油油箱处的高清摄像头，获得润滑油滴漏视频信息，按照RGB三原色的重要性，将视频信息中彩色图像的RGB三通道分量进行加权平均，得到的加权
平均值作为灰度图像的灰度值；
[0008]步骤2，通过opencv跨平台计算机视觉和机器学习软件库对步骤1中已经灰度化的图片进行空间变换，变换方式为剪切，通过使用剪切，将原本矩形的图像转化为正方形；
[0009]步骤3，根据步骤2得到的图片，采用图像增强的方法，改善图像的视觉效果；
[0010]步骤4，使用LBP局部二值模式对步骤3得到的图像进行特征提取,得到需要的目标信息，使得图像转换成信息；
[0011]步骤5，若步骤4LBP局部二值模式分析产生特征向量，则分析成功，进入步骤6；若否，则分析失败，再分析失败的图像，若分析次数小于9次，则返回步骤1重新进行灰度化处理，当达到第9次还未成功，则认为该图像为脏图像，进行丢弃；
[0012]步骤6，根据步骤1
‑
5，在汽轮机润滑油主油箱处做的大量不同状态场景下的实验数据，以及根据润滑油主油箱处的高清摄像头的信号时序，对实时视频进行采集数据，生成素材数据库；
[0013]步骤7，对实时视频和素材数据库，根据每个小区域的直方图生成整幅图的LBP特征向量，进行分析和比对；
[0014]步骤8，判断特征向量匹配是否成功，若匹配成功，则证明发生滴漏，将结果推送给运行人员，若匹配失败，则表示无滴漏问题。
[0015]所述步骤1中将彩色图像的RGB三通道分量进行加权平均，把得到的加权平均值作为灰度图像的灰度值，具体过程为：
[0016]根据人眼对R，G，B三原色的敏感性不同，使用MATLAB进行模拟实验，当RGB三通道的加权系数满足0.299:0.587:0.114时，配出的白是标准照明体，即：
[0017]f(x，y)＝0.299R(x，y)+0.587G(x，y)+0.11AB(x，y)。
[0018]所述步骤3中的图像增强方法采用傅里叶变换进行频率域分析，分析的结果用高通滤波增强图像的局部特征，具体过程为：
[0019]步骤3.1，图像划分为N*N的小区域，设滤波函数为H(u,v)，填充参数P＝Q＝2N，形成大小为4*N*N新的图像f
p
(x,y)；
[0020]步骤3.2，通过对f
p
(x,y)进行傅里叶反变换，得出F(u,v)；
[0021]步骤3.3，滤波函数H(u,v)与F(u,v)相乘，采用离散傅里叶逆变换得出一个关于图像的实部，选择该实部为新的图像；
[0022]步骤3.4，通过高通滤波方式，得出局部特征得到加强的图像，选择该图像为新的图像。
[0023]所述步骤4中使用LBP局部二值模式对图像进行特征提取，具体过程为：
[0024]步骤4.1，首先将图像划分为M*M的小区域；
[0025]步骤4.2，对于每个小区域中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置标记为1，否则为0，3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP局部二值模式值；
[0026]步骤4.3，计算每个小区域的直方图，即每个数字出现的频率，然后对该直方图进行归一化处理；
[0027]步骤4.4，最后将得到的每个小区域的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP局部二值模式纹理特征向量。
[0028]一种基于实时视频数据的汽轮机润滑油滴漏识别系统，包括：
[0029]数据采集层，在汽轮机润滑油油箱处做不同状态场景下的实验数据，根据润滑油油箱处的高清摄像头的信号时序对实时视频进行采集，将采集的视频图像数据传送至素材数据库；
[0030]预处理层，用于对图像进行优化和改善,以达到较好的输入质量,为视频图像分析工作做准备，通过灰度化、空间变换、图像增强，形成分析阶段所需要的数据；
[0031]数据分析层，用于对已预处理的图像进行分析，对图像进行特征提取,得到系统需要的目标信息,使得图像转换成信息；
[0032]信息挖掘层，通过对不同状态数据构建模型训练,对图像中目标的特征和各个目标的相互关系进行分析和比对；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实时视频数据的汽轮机润滑油滴漏识别方法，其特征在于，包括以下步骤：步骤1，通过汽轮机润滑油油箱处的高清摄像头，获得润滑油滴漏视频信息，按照RGB三原色的重要性，将视频信息中彩色图像的RGB三通道分量进行加权平均，得到的加权平均值作为灰度图像的灰度值；步骤2，通过opencv跨平台计算机视觉和机器学习软件库对步骤1中已经灰度化的图片进行空间变换，变换方式为剪切，通过使用剪切，将原本矩形的图像转化为正方形；步骤3，根据步骤2得到的图片，采用图像增强的方法，改善图像的视觉效果；步骤4，使用LBP局部二值模式对步骤3得到的图像进行特征提取,得到需要的目标信息，使得图像转换成信息；步骤5，若步骤4LBP局部二值模式分析产生特征向量，则分析成功，进入步骤6；若否，则分析失败，再分析失败的图像，若分析次数小于9次，则返回步骤1重新进行灰度化处理，当达到第9次还未成功，则认为该图像为脏图像，进行丢弃；步骤6，根据步骤1
‑
5，在汽轮机润滑油主油箱处做的大量不同状态场景下的实验数据，以及根据润滑油主油箱处的高清摄像头的信号时序，对实时视频进行采集数据，生成素材数据库；步骤7，对实时视频和素材数据库，根据每个小区域的直方图生成整幅图的LBP特征向量，进行分析和比对；步骤8，判断特征向量匹配是否成功，若匹配成功，则证明发生滴漏，将结果推送给运行人员，若匹配失败，则表示无滴漏问题。2.根据权利要求1所述的一种基于实时视频数据的汽轮机润滑油滴漏识别方法，其特征在于，所述步骤1中将彩色图像的RGB三通道分量进行加权平均，把得到的加权平均值作为灰度图像的灰度值，具体过程为：根据人眼对R，G，B三原色的敏感性不同，使用MATLAB进行模拟实验，当RGB三通道的加权系数满足0.299:0.587:0.114时，配出的白是标准照明体，即：f(x，y)＝0.299R(x，y)+0.587G(x，y)+0.114B(x，y)。3.根据权利要求1所述的一种基于实时视频数据的汽轮机润滑油滴漏识别方法，其特征在于，所述步骤3中的图像增强方法采用傅里叶变换进行频率域分析，分析的结果用高通滤波增强图像的局部特征，具体过程为：步骤3.1，图像划分为N*N的小区域，设滤波函数为H(u,v)，填充参数P＝Q＝2N，形成大小为4*N*N新的图像f
p
(x,y)；步骤3.2，通过对f
p
(x,y)进行傅里叶反变换，得出F(u,v)；步骤3.3，滤波函数H(u,v)与F...

【专利技术属性】
技术研发人员：蒙国汛，肖鹿，陈国磊，马金祥，张梓峥，
申请(专利权)人：新疆天池能源有限责任公司，
类型：发明
国别省市：