基于视觉算法的高炉送风管道漏水检测方法技术

本发明专利技术提供了一种基于视觉算法的高炉送风管道漏水检测方法，属于管道漏水检测领域

【技术实现步骤摘要】
基于视觉算法的高炉送风管道漏水检测方法


[0001]本专利技术涉及一种基于视觉算法的高炉送风管道漏水检测方法，属于管道漏水检测领域
。

技术介绍

[0002]高炉冶炼过程是一个连续的
、
大规模的
、
高温生产过程，其稳定运行至关重要，作为给高炉提供热风的关键设备，高炉送风装置的工作状况直接影响高炉冶炼过程的稳定和安全连续生产，其稳定安全运行是高炉稳顺的基础
。
在生产过程中，常常因为高温损耗，造成高炉送风装置的热风围管
、
直吹管等部位出现变形
、
破裂，导致管道出现漏水渗透现象
。
实现管道的漏水现象实时监测，对增加生产安全性是至关重要的
。
目前，管道漏水监测方法主要有两种：传感器监测和视觉监测方法
。
前者利用传感器接触性检测管道的参数反馈判断漏水，但是缺点是成本高
、
需要一定的布置条件，泛用性差
。
后者基于相机采集图像，利用视觉算法提取漏水特征，判断是否漏水，可以在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于视觉算法的高炉送风管道漏水检测方法，其特征在于，所述基于视觉算法的高炉送风管道漏水检测方法的具体步骤为：步骤1：利用可见光相机针对现场每一个高炉管道采集
20
‑
30
张图像作为数据集
J1
，且图像视野要涵盖易漏水区域部分，再利用可见光相机针对同样现场每一个高炉管道采集
20
‑
30
张发生漏水现象时的图像作为数据集
J2
；针对数据集
J1
，标注图像中的管道区域，并训练深度学习
Yolo
‑
V5
目标检测模型；步骤2：在实际检测时通过巡检机器人携带的可见光相机和热外热像仪采集同一管道图像，图像分别命名为
P
k
和
P
r
，两个图像视野大小相同，拍摄位置基本一致；步骤3：可见光相机采集的图像
P
k
输入到步骤1中生成的
Yolo
‑
V5
目标检测模型中根据网络输出的预测框坐标将管道区域
A
裁剪提取出，提取出的管道区域
A
坐标为
P
kA
[(x1,y1),(x2,y2)]
，其中区域
A
左上角坐标为
(x1,y1)、
右下角坐标为
(x2,y2)
；坐标
P
kA
[(x1,y1),(x2,y2)]
输出，映射到红外图像中，对红外图像相同坐标区域进行定位；步骤4：利用
Retinex
图像增强算法对图像
P
kA
进行图像预处理，先将图像
P
kA
转化颜色空间成
HSV
通道图像并分离出
V
通道图像，
Retinex
算法对
V
通道图像进行高斯滤波处理获取照射图像，再将照射图像从
V
通道图像中分离出来，从而获得反射图像，最后将反射图像与
H、S
通道图像融合并再次转换颜色空间，输出
RGB
通道图像：首先将可见光相机采集的图像
P
kA
利用
opencv
图像通道转换算子转换为
HSV
通道，将其分离成3个通道分量，分别为色调
H、
饱和度
S
和亮度
V
，利用
Retinex
图像增强算法对
V
通道图像进行增强处理，形成的图像可以如下公式表示：
I(x,y)...

【专利技术属性】
技术研发人员：张达鑫，秦萍，梁培栋，张达瑞，孙宏山，王强，岳文博，宋佳，张晓伟，
申请(专利权)人：建龙西林钢铁有限公司，
类型：发明
国别省市：