CN103460686A - 化学羽状流的自主检测 - Google Patents
化学羽状流的自主检测 Download PDFInfo
- Publication number
- CN103460686A CN103460686A CN2012800146106A CN201280014610A CN103460686A CN 103460686 A CN103460686 A CN 103460686A CN 2012800146106 A CN2012800146106 A CN 2012800146106A CN 201280014610 A CN201280014610 A CN 201280014610A CN 103460686 A CN103460686 A CN 103460686A
- Authority
- CN
- China
- Prior art keywords
- plume
- chemical
- camera
- image
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000126 substance Substances 0.000 title claims abstract description 89
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 63
- 239000013626 chemical specie Substances 0.000 claims abstract description 27
- 239000004215 Carbon black (E152) Substances 0.000 claims description 42
- 229930195733 hydrocarbon Natural products 0.000 claims description 41
- 150000002430 hydrocarbons Chemical class 0.000 claims description 41
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 24
- 230000033001 locomotion Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 229910001868 water Inorganic materials 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 5
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000001294 propane Substances 0.000 claims description 3
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims description 2
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 claims description 2
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 17
- 239000003921 oil Substances 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 13
- 238000002329 infrared spectrum Methods 0.000 description 11
- 238000001429 visible spectrum Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 239000003949 liquefied natural gas Substances 0.000 description 7
- 239000003345 natural gas Substances 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000000153 supplemental effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000002211 ultraviolet spectrum Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- MBMLMWLHJBBADN-UHFFFAOYSA-N Ferrous sulfide Chemical compound [Fe]=S MBMLMWLHJBBADN-UHFFFAOYSA-N 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000005864 Sulphur Substances 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000013270 controlled release Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 229910000040 hydrogen fluoride Inorganic materials 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000006862 quantum yield reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/14—Toxic gas alarms
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明描述了自主检测化学羽状流的系统和方法。在自主检测化学羽状流的方法中，至少在被选择以由化学种类吸收或发射的光波长处从检测照相机获得多个图像。分析多个图像，以鉴别连续图像之间确定性特征的变化、统计学特征的变化或两者。至少部分基于所述变化识别化学羽状流。
Description
相关申请的交叉参考
本申请要求美国临时申请号61/467,816——2011年3月25日提交，发明名称为Apparatus and Systems for Identifying Hydrocarbon Gas Emissions and MethodsRelated Thereto（鉴别烃气体排放物的设备和系统以及与其相关的方法）——和美国临时专利申请号61/509,909——2011年7月20日提交，发明名称为AutonomousDetection for Chemical Plumes（化学羽状流的自主检测）——的优先权，其通过引用以其整体并入本文。
发明领域
本发明技术涉及鉴别化学排放物的设备和系统。更具体而言，本公开内容涉及自控设备和系统，其扫描和鉴别设施中的化学排放物。
发明背景
本部分意图介绍本领域的各个方面，其可与本发明技术的示例性实施方式相关。相信该论述有助于提供架构，以促进更好地理解本发明技术的具体方面。因此，应该理解，本部分应该从这个角度阅读，而不一定作为对现有技术的承认。
烃的应用是当前文明的一个基本方面。用于生产、加工、运输和应用烃的设施持续在世界各地被建立。这些工厂的效率变得越来越重要，因为即使较小的烃损失也会增加成本或给监管机构造成问题。
烃可在出售前损失或被应用，这是由于工艺限制、导致燃烧的工艺干扰、泄露、以及部分烃用于为工艺供应燃料。虽然这些问题中的大部分可通过设计被直接改善，但泄露可提供挑战，因为它们可发生于任何数量的不同工艺装置类型上。例如，泄露可源于管子凸缘、阀、阀杆、取样系统和任何数量的其它位置。随着装置的使用和老化，泄露变得越来越有可能。
工厂状况在它们形成时可增加泄露的可能性或加剧泄露。例如，用于产生液化天然气(LNG)的工厂利用高压和低温，其均可增加泄露的可能性。世界上LNG液化工厂的数目正在迅速地增长。随着这些工厂老化，产生烃泄露的可能性越来越大。
早期检测和泄露补救可用于防止任意数目的问题，诸如成本增加和监管问题。泄露可由操作员检测，例如通过看到释放、闻到烃或听到由释放导致的噪音。然而，大部分烃蒸气是裸眼(例如，对于人的目视检查)不可见的。而且，在工厂中常常存在高水平的装置拥塞，这会使泄漏点处于另一件装置的后面。另外，烃可具有极少气味，因而通过嗅觉可能检测不到。通过声音检测小的泄露是不可能的，因为非常高水平的环境噪音使泄露不太可能被听到。
泄露检测系统已经被安装于许多烃设施中。这些系统可包括可燃气体检测器，其监测具体位置处烃蒸气的浓度或爆炸下限(LEL)，提供区域中某一点处烃水平的测量。然后，点测量系统的阵列可用于追踪该区域中的蒸气释放。然而，点检测系统可能检测不到小的释放——诸如来自小的泄露或新泄露、烃的释放量等。
其它泄露检测系统已被用于检测穿过工厂环境的管线中的烃，例如，通过引导区域一个边缘处的光源朝向区域另一边缘处的光谱检测器。虽然这样的系统可用于监测对监管问题的依从性，但它们不一定鉴别沿着管线的释放位置。而且，它们可能根本检测不到小的释放，理由与点检测器一样，例如烃可能太稀而不能检测，或者可能被风吹离检测管线。
因此，根据泄露的位置和相对于常规气体检测器的气体释放方向，在一定的时间内可能维持检测不到泄露。这可使得蒸气云产生，引起工厂环境中的问题。
已经发展了系统，以利用可直接显示烃羽状流图像的高光谱照相机通过成像区域检测释放。例如，Hackwell,J.A.等,“LWIR/MWIR Hyperspectral Sensor forAirborne and Ground-based Remote Sensing,”Proceedings of the SPIE,ImagingSpectroscopy II,M.R.Descour,and J.M.Mooney,Eds.,Vol.2819,pp.102-107(1996)，其公开了红外线成像摄谱仪，其首次在1995年10月被用作空中传感器。该仪器被命名为空间上增强的宽带阵列摄谱仪系统(SEBASS)。SEBASS系统意图探索高光谱红外线传感器在远距离鉴别常常用于提供化学指纹的2至14微米光谱区中的固体、液体、气体和化学蒸气中的有用性。该仪器是现有非成像摄谱仪的延伸，所述现有非成像摄谱仪应用两个球面棱镜在2.0和5.2微米之间和7.8和13.4微米之间(LWIR)发现的大气透射窗中同时操作。SEBASS系统在1996年三月用于基于塔的收集（tower-based collection）。
SEBASS系统允许在环境中化学物质诸如羽状流的成像和鉴别。然而，其不用于自主鉴别化学释放。在没有自主监测系统的情况下，图像必需由人进行手动检查，使得快速鉴别存在问题。而且，系统本身的复杂性会使连续自主应用存在问题。
在名称为“The Third Generation LDAR(LDAR3)Lower Fugitive Emissions at aLower Cost”(介绍于国家石化与炼油协会2006年环境会议（2006EnvironmentalConference of the National Petrochemical&Refiners Association），2006年9月18-19日),Zeng等的介绍中，公开了用于泄露鉴别的自控系统，其应用照相机鉴别工厂中特定区域中的泄露。任何泄露均可由处理红外线(IR)视频图像的软件自主识别。在图像中，背景和噪音干扰被最小化，并且挥发性有机化合物(VOC)羽状流有可能利用算法被分离。基于比较许多排列的帧的瞬时快速傅立叶变换(FFT)计算，算法确定图像是否包含化学羽状流。由于在大气中的闪烁特性，化学羽状流可产生高频率，在处理后的图像中产生高密度像素。羽状流指数(PI)基于处理后的VOC羽状流图像中像素的数目和密度而计算。如果PI大于实验上确定的阈值，则可触发操作（action），诸如警报或视频捕获，用于确认。
虽然LDAR3系统描述了应用频率域来排列视频图像和去除照相机抖动的方法，但其并未解决复杂的干扰，诸如移动装置、人、车辆或蒸汽，其可导致错误检测。因此，需要更精确的羽状流鉴别技术。
发明概述
本文所述实施方式提供自主检测化学羽状流的系统。系统包括照相机，其能够至少在由化学种类吸收或发射的电磁(EM)辐射的波长处产生图像，和分析系统，其被配置成分析来自照相机的一系列图像。分析系统包括处理器；和非临时性计算机可读介质，其包括代码，所述代码被配置成引导处理器执行功能。功能包括鉴别图像中对象的多个确定性特征和多个概率性特征、与在接近的时间收集的另一图像比较多个确定性特征或多个概率性特征或两者和确定比较图像之间的变化是否代表化学羽状流。
本文所述另一实施方式提供自主检测化学羽状流的方法。方法包括至少在选择以被化学种类吸收或发射的光的波长处从照相机获得许多图像。分析图像，以鉴别连续图像之间确定性特征的变化、概率性特征的变化或两者；和至少部分基于变化识别化学羽状流。
附图简介
通过参考以下详细描述和附图，本发明技术的优势被更好地理解，在所述附图中：
图1是本文所述自主气体检测和响应方案的示意图；
图2是泄漏点的IR图像的图，其显示已经在环境中形成的化学羽状流；
图3是在实施方式中可用于鉴别羽状流的自主检测系统的方块图；
图4是在实施方式中可用于检测羽状流的方法的方块图；
图5是可用于实施方式中的羽状流检测方法；和
图6是用于控制自主检测系统——诸如图3中所述——的方法的方块图。
详细描述
在下面详细描述部分中，描述了本发明技术的具体实施方式。然而，就以下描述是针对本发明技术的具体实施方式或具体应用而言，这意图是仅以示例为目的和仅仅提供对示例性实施方式的描述。因此，技术不限于下面描述的具体实施方式，相反，其包括属于所附权利要求的实际精神和范围内的所有替代方案、改变和等同物。
首先，为了方便指代，提出本申请中应用的某些术语以及其在该上下文中应用的含义。在本文所用术语未在下文中限定的情况下，其应该被给予相关领域的技术人员已经给予该术语的最宽泛的定义，如在至少一个印刷出版物或授权专利中所反映的。而且，本发明技术不受下面所示术语的应用的限制，因为用于相同或类似目的的所有等同物、同义词、新发展和术语或技术均被认为在本发明权利要求的范围内。
如本文中所使用的，“照相机”是可在各种光谱域，包括但不限于可见光、红外线和紫外线中，获得一系列二维图像或帧(诸如视频)的装置。在一实施方式中，照相机形成红外线光谱中区域诸如约2至14微米之间的二维图像。在另一实例中，照相机形成紫外线光谱中区域诸如约350nm至400nm之间的二维图像。任意数目的其它照相机均可用于本发明系统中，这取决于期望的波长。波长可基于可从设施中的泄露释放的可能的化学种类而被选择。
“化学种类”是可在泄露中作为蒸气或作为液体而释放的任何化合物。可利用本文所述系统和技术检测的化学种类的实例包括烃和其它化学种类。可检测的化学种类包括但不限于在LNG工厂或其它设施中的云中释放的烃蒸气或在水体顶部形成浮油的油。可被检测的非烃种类包括但不限于作为蒸气在炼油厂中释放的氟化氢气体、作为蒸气在水处理工厂中释放的氯或任意数目的其它液体或气体。化学种类也可被有意添加到处理流中，以增强利用本文所述技术对羽状流的检测。
“电磁辐射”或EM辐射包括来自来源的携带能量的电磁波或光子。EM辐射常常通过其与物质的相互作用被分类成光谱范围。如本文中所使用的，可见光或可见光谱包括可由人眼检测的光，例如从大约400nm至大约700nm。紫外(UV)光或UV光谱包括波长在大约190nm至大约400nm的光。在UV和可见光谱范围中，化学物质可通过电子跃迁吸收能量，其中电子从较低轨道被推进到较高轨道。红外(IR)光或IR光谱包括波长比可见光谱长但通常低于微波区域的光。例如，IR光谱可包括波长在约0.7和14μm长度之间的光。在大约10μm至大约14μm(远IR)处该连续区的较长波长端处，化学物质可通过旋转跃迁吸收能量。在大约2.5μm至大约10μm(中红外线)的中间波长范围处，化学物质可通过振动跃迁吸收能量。在大约0.7μm至2.5μm(近-IR)的波长范围较低端处，化学物质可通过振动跃迁和通过与可见光和UV光类似的过程，例如通过电子跃迁，吸收能量。利用相对简单的检测器诸如电荷偶联装置(CCD)，照相机图像可在可见光谱、IR光谱或UV光谱中由电磁辐射形成。
如本文中所使用的，“设施”是切实的(有形的)物理装置，通过该装置，烃流体从油藏中产生、被注入到油藏中、被加工或运输。在其最广泛的意义上，术语设施适用于可沿油藏与其输送出口之间的流动路径存在的任意装置。设施可包括生产井、注入井、井管、井口装置、集油管线、总管、泵、压缩机、分离器、表面流动管线、蒸汽产生工厂、加工工厂和输送出口。设施的实例包括油田、聚合工厂、炼油厂、LNG工厂、LNG油轮和再气化工厂，除了其它的以外。
“烃”是有机化合物，主要包括元素氢和碳，尽管氮、硫、氧、金属或任意数目的其它元素也可以少量存在。如本文中所使用的，烃通常指在天然气、油或化学加工设施诸如炼油厂或化学工厂中发现的成分。
如本文中所使用的，术语"天然气"指获自原油井(伴生气)和/或获自地下含气地层(非伴生气)的多成分气体。天然气的组成和压力可显著变化。典型的天然气流含有甲烷(CH4)作为主要成分，即，大于50mol%的天然气流是甲烷。天然气流还可含有乙烷(C2H6)、较高分子量的烃(例如，C3-C20烃)、一种或多种酸性气体(例如，硫化氢)或其任意组合。天然气还可含有较小量的污染物，诸如水、氮气、硫化铁、蜡、原油或其任意组合。
当涉及物质的数量或含量或其具体特性使用时，“基本上”是指足以提供该物质或特性意图提供的作用的量。在一些情况中，可允许的确切偏差程度取决于具体上下文。
概述
本文提供了设备和方法，用于利用一系列图像自主鉴别空气中或水面上的化学羽状流。技术利用软件算法来分析该系列图像，以区分化学羽状流与场景（scene）中的其它特征，从而降低错误报警的可能性。软件算法区分烃蒸气与其它周围环境因子，诸如水流、蒸汽羽状流、炉排气（furnace off gas）、车辆、人、野生动植物等。化学羽状流可由确定性特征、统计学特征和辅助特征或其任意组合来鉴别。图像可以是灰度图像，其中应用对比度差异来鉴别特征。
如本文中所使用的，确定性特征包括化学羽状流的各种特征，诸如几何特征，例如化学羽状流的尺寸和形状等，和运动学特征，诸如运动约束等。统计学特征包括联合的时间特征，诸如一帧中化学羽状流图像与前帧中化学羽状流图像重叠。辅助特征包括特征诸如化学羽状流运动与预期风向的比较、与工厂可见视频图像的比较等。
本文所述技术可提高烃工厂中化学羽状流的检测，这可有助于降低在延长的时间段内泄露仍未被检测到的可能性。在一些实施方式中，应用红外线成像照相机，因为许多烃种类在IR光谱内的波长处吸收。
在一些实施方式中，照相机被安装在头部（poll）上，并可在系统的控制下移动，诸如摇摄和倾斜。若干照相机可围绕工厂外周被布置，以得到对设施100%的覆盖。该自主检测系统可提供在连续基础上执行的工厂监控。在一些实施方式中，可保持低的整体系统成本，同时保持低的错误报警率并仍能检测小的或早期的烃泄露，例如，在环境条件下150米距离处具有大约20%LEL的羽状流。
检测系统可用于存在烃或其它可检测化学种类的任意设施。这样的设施的实例包括LNG工厂、油和气井口操作、海上平台、运输管道、船、卡车、炼油厂和化学工厂。如所述，化学羽状流可以是水面上的烃或浮油，诸如海上平台、油轮、卸油平台等周围的水面。
图1是本文所述自主气体检测和响应方案的示意图100。如示意图100中所示，设施102包括含有化学种类诸如烃的装置104。照相机106被引导监测设施的区域107和产生图像108，例如，在IR光谱中使区域107成像。
在该实例中，区域107的图像108显示存在泄露110，释放化学羽状流112。图像108可用于手动确定泄露的存在，但由于监测操作员离开监测器、注意其它事务等，这可能错过泄露。相反，本文所述化学羽状流检测系统监测一系列图像114。随化学羽状流114变成新的构型或形状116，系统通过利用连续图像108和114之间的多个比较可鉴别和定位泄露110，如针对下面图5所述。如果未对化学羽状流做出阳性鉴别，如模块118中所示，则系统可继续收集图像108和114。
如果对泄露110和化学羽状流112做出了阳性鉴别，则系统可定位泄露和激活警报120，警告操作员派遣响应小组122至泄露110的地点124。响应小组122可确认泄露110的存在并执行修理。在一些实施方式中，烃泄露可显示为假彩色图像，以便操作员更容易分析。而且，照相机106可具有缩放能力，以在进行泄露检查时以手动模式协助操作员。
系统可连续监测区域107，如箭头126所示。连续监测可使系统每天24小时、每周7天和每年365天可用，即，具有最小停歇时间。停歇时间可主要是由于对系统进行常规维护，并可通过冗余得到补偿，例如，将其它照相机引导到照相机正在保养的区域。
在一些实施方式中，系统可被配置成在宽温度范围内工作，所述宽温度范围包括寒冷和温暖的温度，诸如酷热的热带沙漠环境或寒冷的北极环境。而且，系统可适于在白天或夜晚和在大约负10℃至50℃范围的温度下工作。系统还可被配置成在其它环境干扰下操作，诸如在雾、雨或沙暴中。在各个实施方式中，系统可检测烃，诸如甲烷、乙烷或丙烷等。系统还可被配置成检测其它可以成像的化学种类。
照相机106可安装在杆上，并且，如所述，具有自主摇摄和倾斜能力以及360度覆盖。在一些实施方式中，照相机106可能够在自动和手动模式下被操作。因此，在报警的情况下，操作员可能够控制照相机，以进一步进行观察。
图2是泄漏点的IR图像200的图，其显示已经在环境中形成的化学羽状流。图200图解利用本文所述技术在自主检测系统中得以解决的一些问题。在IR图像200中，较热的对象显示为较浅的区域，而较冷的对象显示为较深的区域。因此，根据用于检测的波长，诸如工厂装置202和人203的物体常常是较浅的区域或甚至是白色区域。通过比较，冷却水管线204或水流206可以是较深的区域或甚至黑色区域。在该环境中，化学羽状流208可从环境中吸收选定波长的光，因而，是IR图像200中的深色区域。根据化学种类的浓度，一些区域210可以较浅，而其它区域212可几乎是透明的，例如随着化学物质在大气中被稀释。随着化学羽状流208移动远离泄漏点214，其可在装置216前面经过，使装置216部分地或完全地变暗。
IR图像200显示在检测化学羽状流208中固有的一些复杂性。随着人203、卡车和其它对象移动经过环境，它们可触发错误报警。而且，其它移动对象，诸如水流206，对化学羽状流208可具有类似的吸收性质，使得对这些对象的区分成为挑战。
因此，当前的技术在顺序收集的图像之间进行多个比较，以确认羽状流的存在。这些比较包括确定性特征，如帧之间羽状流的几何学和运动等。例如，可应用动态纹理分析，以鉴别可能的羽状流。动态纹理分析是一种统计学方法，其可用于在图像区域中提取特征。一系列图像中的区域被处理为数据立方体，并且，统计模型被用于提取该数据立方体的特征。可以提取的特征包括边界的均匀性、浓度空间纹理（spatial texture from concentration）和纹理随时间的发展等。可能有用的其它比较包括统计学特征，其中羽状流运动模型被与当前的羽状流拟合，例如利用片段化图像中区域的主成分分析。可见光视频图像可用于与IR图像200的比较，例如以消除其它类型的羽状流，诸如蒸汽羽状流。
用于检测化学羽状流的系统
图3是自主检测系统300的方块图，其在实施方式中可用于鉴别羽状流。自主检测系统300具有中央服务器302，其可执行自主检测系统300的处理。在一些实施方式中，该功能可在多个服务器之间划分，或者可以整合成分布式控制系统(DCS)等。在中央服务器302中，处理器304连接至总线306，以访问其它器件，诸如计算机可读介质308。处理器304可以是单核处理器、多核处理器、处理器集群或云计算环境中的虚拟处理器。计算机可读介质308可包括存储器的任意组合，诸如只读存储器(ROM)、可编程ROM、闪存和随机存取存储器(RAM)等。而且，计算机可读介质308可包括用于长期存储代码和结果的器件的任意组合，所述器件包括硬盘驱动器、光盘驱动器、闪存驱动器等。
中央服务器302可应用与总线306相连的网络接口卡(NIC)310，以访问用于提供功能性给自主检测系统300的检测装置312。用户界面(UI)314可连接至总线306，以提供输入和输出能力以及控制给用户。例如，UI314可连接至一个或多个显示器件316和输入器件318。UI314可以整合成DCS系统，提供工厂控制——除了对自主检测系统300的控制以外。中央服务器302还可包括连接至总线306的磁盘接口320，以提供对用于长期存储数据的数据档案322的访问，所述数据诸如泄露事件和视频。数据档案322可包括任意数目的存储系统，诸如硬盘驱动器、存储阵列、网络连接的存储阵列或虚拟存储阵列等。
计算机可读介质308可存储用于提供功能性给自主检测系统300的代码。例如，第一模块324可存储代码，其被配置成引导处理器304检测可与化学羽状流相对应的连续图像中的变化，诸如针对图5论述的方法410。第二代码模块326可提供代码，以识别羽状流和确认连续图像之间的变化是羽状流，诸如针对图4论述的方法400。第三模块328可提供管理功能，诸如控制自主检测系统300中的照相机，诸如针对图6论述的方法600。管理代码还可包括用于控制系统状态、检查日志文件、允许操作员控制照相机位置等的代码。
在一些实施方式中，可以在中央服务器302的NIC310和装置312之间实施各种数据转换方法。例如，通向系统网络332的通信线路330可以是有线的或无线的。而且，系统网络332本身可以是无线的，并且，各独立的装置件均可单独与中央服务器302在无线通信线路330上通信。独立的装置件可以通过连接至电网而被提供动力或可通过远程来源诸如电池、太阳能板等提供动力。
任意数目的独立的装置件312可以组合，以实施自主检测系统300的检测功能。例如，视频编码器334可接收来自检测照相机336的输入信号，所述检测照相机336能够使化学种类诸如烃蒸气在一个或多个波长处诸如在红外线光谱内成像。视频编码器334可形成数字化图像并在通信线路330上将图像发送回中央服务器302。来自在可见光谱中操作的照相机338的信号也可被发送至视频编码器334，以传输回中央服务器302。在实施方式中，红外线光谱中的照相机336和可见光谱中的照相机338被安装在一起并对齐，以形成环境中区域的重叠图像。在实施方式中，照相机336和338被分别安装，但可被引导以形成环境的重叠图像。
照相机336和338可由照相机控制器340控制，照相机控制器340可允许照相机缩放、聚焦和执行其它功能，诸如校准。照相机控制器340可与中央服务器302连通，其可自主聚焦、缩放等。在实施方式中，手动照相机控制342，例如在人机界面中，被用于控制照相机336或338，例如利用操纵杆和小键盘。然后，手动输入可通过中央服务器302传到照相机控制器340。照相机336和338也可通过照相机控制器340而移动，例如利用与照相机336或338一起安装在保护套中的遥摄和倾斜机构344。保护套可包括其它功能，诸如冷却功能、除雾功能等，其可利用照相机控制器340被手动或自主激活。
自主检测系统300不限于用于检测的周围环境能量。在一些实施方式中，光源346可以用于照射环境。例如，IR激光器可以用于照射感兴趣区域，以进行泄露确认。光源346在羽状流和背景之间的对比度可能不足以区分化学种类的状况下可以是有用的。利用与中央服务器302连通的光源控制器348，光源346可以被提供动力、激活或移动。
自主检测系统300不限于检测化学羽状流，而且可以提供其它功能性。例如，在实施方式中，自主检测系统300可以用于监测特定装置，诸如炉、反应器、压缩机等，寻找问题诸如热点、分布不均、热马达等。而且，为安全目的，自主检测系统300可提供围栏-管线（fence-line）监测，并监测环境中从装置逃逸的排放物。
对羽状流的检测和确认可以通过由气象监测器350收集的气象学测量结果而得到加强。气象监测器350可收集关于环境状况诸如风速、温度、降水、大气雾霾等的数据。该数据然后可用于实施方式中，以确认检测的羽状流与收集的数据一致。
检测化学羽状流的方法
图4是方法400的方块图，其在实施方式中可以用于检测羽状流。方法400起始于方块402，通过产生处理线程（processing thread）以对来自照相机的流动的图像系列（streaming sequence）执行一系列功能。线程可经过初始化变量，诸如视频流的指示字、照相机鉴别、步长（step）(或位置)鉴别、灵敏度设置和持续时间等。如在方块404所示，系列功能针对图像系列中的每一帧而进行，始于方块406，初始化用于帧分析的参数。
在方块408，例如通过对图像进行变换算法以使共同特征点与前帧中的那些匹配，稳定化图像。这可以通过利用特征点方法，例如基于Kanade–Lucas–Tomasi(KLT)算法或基于区域的重合方法而执行。源于不完全重合的错误报警可通过由边缘组成的图像掩模（image mask）而被过滤掉。边缘可以由多种技术来鉴别，诸如Canny边缘检测器。Canny边缘检测器可应用适合的阈值选择方法，例如利用Tsai保矩算法。稳定性去除可由振动诸如风速、工厂装置等的变化导致的噪音。背景重合在该方块进行，以去除作为每一帧的部分的特征，诸如工厂装置。
当鉴定背景特征后，它们可被去除。在一些实施方式中，系统执行背景适应算法，其可初步将像素分成前景和背景，然后分别应用快和慢适应模式。快适应模式快速去除鉴别为背景的部分的对象，而慢适应模式继续在较长的时间段内监测受质疑的像素。
背景重合功能可去除具有固体边缘或通过帧移动一定量的对象，诸如人、车辆等。这可以如下进行：通过利用仿射变换模型以拟合图像帧之间的几何变化和利用随机抽样一致性(RANSAC)以去除离群值。在实施方式中，应用Canny边缘检测器，以鉴别具有固定边缘组的对象。因为羽状流可具有随机边缘，所以固定的边缘可指示可被去除的对象。
通常，上述方法比较帧之间对象的形状、移动和边缘，以鉴别不是羽状流的对象。首先，连续的帧之间应该去除的对象的尺寸并不明显改变，例如膨胀或收缩。而且，可以被去除的对象可以能从一系列帧预测的方向和速度移动，即，不以随机方式移动。例如，评分系统可以用于为可能相关的帧中的多边形评分，诸如偏移一定量的类似形状。对象也可以具有非随机的外形，即，帧与帧不显著变化。尽管车辆或人可相对于照相机而转动，改变所示轮廓，但外形和尺寸的变化可能不如膨胀羽状流的变化明显。因此，满足这些测试的对象可被标记为背景对象并从帧中去除。重合和边缘检测方法鉴别可以被进一步分析以确定是否存在羽状流的变化。如果不存在羽状流，则重合的图像可以是空白的。
算法也可以将每一帧分割成像素组，用于羽状流分析。例如，逐像素统计学分析方法可以应用于图像分割。而且，像素特征可从邻近区域提取，包括尺寸、角的数目、边缘数目和纵横比。
在方块410，算法可以用于检测和确认羽状流，如针对图5更详细地论述。如果检测到可能的羽状流，则在方块412视频图像可以被归档以用于参考，例如归入到针对图3所论述的数据档案322中。归档的视频图像可包括多种光谱诸如红外线和可见光中的来自照相机的原始数据和处理数据，其可以被标引和检索以用于气体泄露检测目的。检测算法的结果可通过利用例如归档的IR视频片断进行改善以训练（train）决策工具，如针对图5方块512所论述的。如果检测到并确认羽状流，这表明泄露已经被检测到。如果在方块414检测到泄露，则处理流程进行至方块416。
在方块416，数据库随检测状态而被更新。数据库可以例如位于数据档案322中。在方块418，中央服务器302或DCS可从数据库提取通知设置，诸如待被通知泄露事件和发送处理警报、电子邮件、文本信息、记录（page）、广播信息等的人。在实施方式中，羽状流图像被发送至被通知的人。图像可包括羽状流的视频系列，或可以是单一视频截图（still shot）。后者在图片信息发送到用户的移动电话时可以是有用的，因为宽带限制可使发送视频片断存在问题。
在方块418后，处理流程进行至方块420。而且，如果在方块414没有检测到泄露，则处理流程直接进行至方块420。在方块420，针对持续时间参数，检查检测程序经过的时间。如果经过的时间低于时间序列（time sequence），则参数在方块422被更新，例如增加经过的时间，并且，处理流程返回至方块408，以继续下一帧的分析。
如果在方块420，经过的时间大于持续时间参数，则该方法退出并在方块424结束，同时释放存储器和资源（resource）。退出后，方法400还可指示照相机不再处理或占用。该指示可使得照相机自动移动至新的位置，然后被重新启动。照相机控制程序进一步针对图6被论述。
图5是可用于实施方式中的羽状流检测方法410。方法410在过程控制从方块408经过时开始。方法410可遵循若干途径，例如以平行方式，进行确定性特征、统计学特征和辅助特征，诸如气象数据和可见光谱中来自照相机的图像，的分析。
在方块502，进行确定性特征的分析。这可包括空间特征和运动学特征等。例如，分析可确定几何特征，包括化学羽状流的形状或化学羽状流的尺寸。分析还可确定形状约束，诸如轮廓的纵横比、分散度(例如，羽状流的厚度作为距离的函数)、凸度和梯度方向直方图(HOG)等。这些特征充当约束并提供对可能对象的预筛选。
运动学或运动特征可以是分析的部分，诸如确定羽状流不断移动，但运动受限于受到约束的区域，如通过源于泄露的羽状流所预期的。运动学特征可包括羽状流的尺寸约束，诸如通过一系列图像的最小和最大尺寸。运动学特征可用于过滤出大部分刚体干扰。
在方块504，可分析羽状流的概率性特征。例如，概率性特征可包括化学羽状流的空间图形、化学羽状流的瞬时图形或任意数目的其它特征。分析可包括联合空间和时间分析，诸如快速动态纹理算法。在概率性分析中，统计学模型——由两种类型的方程式来描述，例如演化方程和观测方程，其分别模拟固有状态随时间演变的方式和固有状态投射于图像像素的方式——可以拟合片段化的像素数据。参数可由矩阵来估算。也可应用其它概率性分析技术，诸如主成分分析(PCA)。在PCA中，确定引起羽状流变化的变量，诸如风速和风向与羽状流中所示变化的统计学比较。
可以收集其它数据，以协助识别和确认羽状流。在方块506，一系列可见图像或视频流可以捕获泄露环境。如果怀疑羽状流存在，则可将可见图像存储在视频档案中，如在方块412所示。另外，可收集环境的气象数据508，如前所述。
在方块510，可将额外的数据与利用非可见图像诸如IR光谱中的图像鉴别的羽状流进行比较。例如，可见图像可以用于区分有机蒸气羽状流和水蒸汽。通常，有机羽状流在非可见图像中可以是暗的，并且在可见图像中不太可见。相反，蒸汽羽状流由于放出的热而在非可见图像中可以是亮的，并且在可见图像中可见。除了提高检测之外，可见图像还可以用于定位工厂环境中的泄露，例如，通过比较红外线光谱中照相机的重合图像与可见光谱中照相机的重叠图像。
通过利用来自气象监测器的数据，气体羽状流检测也可得到提高或确认。例如，计算的羽状流的运动可与风向进行比较，诸如在PCA算法中。如果羽状流的运动与风向不一致，则羽状流鉴别可能是不正确的。针对方块502、504和510论述的每一算法均可产生对应于羽状流是否真实的数字度量。
在方块512，来自各方块502、504和510的数据被用于决策工具中，以确认羽状流的存在。决策工具可以是用作非二进制线性分类器的支持向量机(SVM)。在SVM中，方块502、504和510的多重迭代的结果——例如利用模拟的羽状流或记录的羽状流数据——被用于在决策空间中产生超平面。超平面的一面对应于确定的羽状流，而超平面的另一面对应于没有羽状流。在操作中，SVM计算可产生对应于羽状流在一面还是在另一面的数字，提供对于羽状流是否被确认的确定。
替代SVM或除了SVM以外，其它机器获知技术（machine learning techniqcues）可用作决策工具。例如，利用控制的蒸气释放模拟羽状流或记录的羽状流数据，神经网络可以被训练成识别工厂环境中的羽状流。其它技术可应用来自观测和数据库的矩阵之间的类似性测量。
图6是控制自主检测系统——如在图3中所述——的方法600的方块图。方法600可用于将图4和5的方法整合成单一控制方案，用于自主检测化学羽状流和鉴别泄露。还参考图3，方法600在方块602始于服务器应用的初始化，例如，在中央服务器302上，在DCS中或在其它工厂系统上。在方块604，数据库，例如存储在数据档案322中的SQL数据库，可被查询，以确定自主检测系统300的照相机配置数据。这样的配置数据可包括照相机数目、照相机类型、照相机位置和其它信息，诸如气象台的访问参数。针对各照相机产生单独的处理线程606，所述照相机诸如红外线光谱中的照相机336和可见光谱中的照相机338。下列方块在自主检测系统300中针对各照相机而并行操作，这对于本领域的技术人员而言是清楚的。而且，自主检测系统300在环境中可以具有多个照相机，诸如三个或更多个可在多种波长处操作的照相机336和三个或更多个与视野重叠的可见光照相机338。
在方块608，可针对照相机的步长（step）配置查询数据库。步长配置代表照相机系统的位置，诸如由照相机遥摄和倾斜机构344设置。在采取一步长（a step）后，照相机可停止并扫描羽状流。在方块610，对于照相机是否处于自动模式做出确定。如果不是，则处理流程进行至方块612，其中状态被记录和线程（thread）被暂停，例如1分钟。处理流程在暂停后返回至方块610，以再次检查照相机是否处于自动模式。在实施方式中，在选择次数的迭代之后，诸如2、3、4或5次之后，照相机可以通过自主检测系统300返回自动模式，以避免意外地被置于手动模式。如果在方块610确定照相机处于自动模式，则处理流程进行至方块614。
在方块614，查询数据库，以确定步长是否已被更新，例如扫描之间的较小或较大运动是否已经被选择。如果是，则处理流程进行至方块616，其记录步长配置事件。然后，处理流程返回至方块608，以检索新的步长配置。如果步长配置在方块614尚未被更新，则处理流程进行至方块618。在方块618，照相机被移动至程序中的下一步长。在方块620，当前的步长被记录为新的照相机位置，并且线程被暂停一定的时间段，同时照相机移动。在方块622，照相机状态在数据库中被更新成处理中，并且该更新被记录。在方块624，针对照相机产生泄露检测线程626，激活泄露检测算法628。泄露检测算法628可应用针对图4论述的方法400。在泄露检测算法628运行期间，可将照相机状态维持为处理中。当泄露检测算法628终止时，照相机状态可转变成非处理中。
在方块630，可针对照相机是否在处理（占用）中做出确定。如果照相机在处理中，则在方块632，处理状态被记录，并且照相机控制线程，即，方法600被暂停，例如10秒，然后返回至方块630，以重复对处理状态的检查。如果处理状态已经变化，并且照相机不再是处理中，例如泄露检测算法已经终止，则处理流程进行至方块634。在方块634，照相机向非处理中的变化被记录，并且，处理流程返回至方块610，以重启方法600。
一些改变可用于实施方式中，以提高自主检测系统300的可靠性、使用简易性或实施简易性。在实施方式中，泄露建模结果、泄露检测标准、照相机和透镜特性以及算法要求可以组合，以形成部署参考图表（deployment reference chart），用于设置自主检测系统300。
自主检测系统300的可靠性可通过受控的烃释放进行手动或自主测试。来自受控释放的羽状流的检测可验证自主检测系统300处于良好的工作状况。
检测可靠性还可通过利用各种烃流中的化学标记得以提高。化学标记可以是被添加以增加特定波长处的吸收或发射的物质。这样的标记可使其它检测技术的应用更有用。例如，荧光化学制品可以非常少的量加入到烃流中，诸如百万分之几份，因为这些化合物常常具有高量子产率，量子产率是发射的光子数除以吸收的光子数。因为发射光的波长可能不与天然源重叠，所以从荧光鉴别羽状流可以是直接的。
上述方法不一定用于分离。点源监测器可以与自主检测系统整合，以确认警报。而且，多个照相机视域和激光测距仪可通过感兴趣区域的三角测量（triangulation）而提供泄露确认。
自主检测系统300不限于可安装在杆上的照相机。在实施方式中，照相机可以是可安装在杆上、连接至自控移动平台、放置于方便定位的塔上或从缆或气囊悬浮。自主检测系统300还可被整合成移动机器人，其可以是自控的或由操作人员操纵。
而且，在一个或多个另外的实施方式中，系统还可包括气体检测装置，其可与自主检测系统一起被应用。该实施方式可包括一个或多个气体检测传感器，其通过无线介质或通过有线连接与气体检测器控制装置和/或至自主检测系统中的一个装置连通。例如，气体检测传感器可以围绕设施分布于各个位置，诸如邻近于装置、管联接器或法兰。气体检测传感器可被配置成检测管联接器或法兰附近区域内的一种或多种成分。因此，气体检测系统可用于提供额外的信息给自主检测系统，以进一步加强对泄露位置的确定和/或可用作单独的泄露检测系统。
气体检测系统可包括一个或多个气体检测传感器，以提供这种加强。例如，气体检测系统可包括无线通信和/或物理通信；可以预定的速率捕获样品。系统中的气体检测传感器可被配置成在超过阈值后和/或在取样气体的组成变化已经从前一样品变化了特定量后传输指示。在其它实施方式中，系统可被配置成显示指示给控制单元，并且，在取样气体的组成变化已经超过阈值或在样品间的变化超出特定量后可以显示警报。
在一个或多个实施方式中，系统装置可利用一个或多个不同的电源，诸如太阳能电源、电池电源和/或设施提供的电源，以维持操作而无需考虑状况的不同。作为实例，气体检测传感器可被配置成利用太阳能和电池电源来减少对物理电缆和由设施处的装置提供的电源的依赖。
虽然本发明技术可容易接受各种改动和可选形式，但上述实施方式仅通过举例方式显示。然而，还应该理解所述技术不意图限于本文所公开的具体实施方式。实际上，本发明技术包括落入所附权利要求的实质精神和范围内的所有替代方案、改动和等同物。
实施方式
本文所述的实施方式提供自主检测化学羽状流的系统。系统包括照相机，其能够在至少由化学种类吸收或发射的电磁(EM)辐射的波长处产生图像；和分析系统，其被配置成分析来自照相机的一系列图像。分析系统包括处理器；和非临时性计算机可读介质，其包括代码，所述代码被配置成引导处理器执行功能。功能包括鉴别图像中对象的多个确定性特征和多个概率性特征、与在接近的时间收集的另一图像比较多个确定性特征或多个概率性特征或两者，和确定比较图像之间的变化是否代表化学羽状流。
在一些实施方式中，确定性特征可包括化学羽状流的几何特征。几何特征可包括化学羽状流的尺寸、化学羽状流的形状、化学羽状流的边缘或其任意组合。
在一些实施方式中，概率性特征可包括化学羽状流的运动学特征。运动学特征可包括化学羽状流的运动、化学羽状流的尺寸变化、化学羽状流的形状或化学羽状流的位置或其任意组合。概率性特征可以是化学羽状流的空间图形或化学羽状流的瞬时图形或两者。
在实施方式中，光的波长在红外线波长范围内。例如，光的波长可以是约3.1μm和3.6μm之间。在一些实施方式中，光的波长可以在紫外线波长范围内。在一些实施方式中，光的波长可以在可见光波长范围内。
系统可包括分布式控制系统，其被配置成接收来自分析系统的警报信号。人机界面可被配置成在一定的位置瞄准照相机。
系统可包括气象测量系统，其被配置成收集关于气象状况的数据。气象状况可包括湿度测量、温度测量、日射测量或其任意组合。
可通过系统成像的化学种类可包括烃。例如，化学种类可包括甲烷、乙烷、乙烯、丙烷、丙烯或其任意组合。化学种类是在水体表面上形成羽状流的液态烃。
本文所述另一实施方式提供自主检测化学羽状流的方法。方法包括至少在选择以被化学种类吸收或发射的光的波长处从照相机获得多个图像。分析图像，以鉴别连续图像之间的确定性特征的变化、概率性特征的变化或两者；至少部分基于变化识别化学羽状流。
在实施方式中，方法可包括从可见光照相机获得第二组图像，其中第二组图像的区域接近于通过检测照相机成像的区域。在该实施方式中，第二多个图像与来自检测照相机的多个图像重叠，以确定化学羽状流的位置。
方法可包括至少在选择以被化学种类吸收的光波长处用照射源照射区域和从样品空间获得来自检测照相机的图像。
如果在来自检测照相机的图像流中识别化学羽状流，可将信息发送至远程位置。来自检测照相机的图像可与位置数据进行比较，以鉴别化学羽状流的位置。
在实施方式中，分析图像流包括将图像流简化成数字数据，其中数字数据包括来自一系列图像数据的帧的帧-与-帧比较的数字表。可以训练神经网络，以从产自多个图像的数字表识别化学羽状流。
Claims (24)
1.自主检测化学羽状流的系统，包括：
照相机，其能够至少在由化学种类吸收或发射的电磁(EM)辐射的波长处产生图像；和
分析系统，其被配置成分析来自所述照相机的一系列图像，包括：
处理器；和
非临时性计算机可读介质，其包括代码，所述代码被配置成引导处理器：
鉴别图像中对象的多个确定性特征和多个概率性特征；
与在接近的时间收集的另一图像比较所述多个确定性特征或所述多个概率性特征或两者；和
确定所述比较图像之间的变化是否代表化学羽状流。
2.权利要求1所述的系统，其中确定性特征包括所述化学羽状流的几何特征。
3.权利要求2所述的系统，其中所述几何特征包括所述化学羽状流的尺寸、所述化学羽状流的形状、所述化学羽状流的边缘或其任意组合。
4.权利要求1所述的系统，其中概率性特征包括所述化学羽状流的运动学特征。
5.权利要求4所述的系统，其中所述运动学特征包括所述化学羽状流的运动、所述化学羽状流的尺寸变化、所述化学羽状流的形状或所述化学羽状流的位置或其任意组合。
6.权利要求1所述的系统，其中概率性特征包括所述化学羽状流的空间图形或所述化学羽状流的瞬时图形或两者。
7.权利要求1所述的系统，其中光的波长在红外线波长范围内。
8.权利要求1所述的系统，其中光的波长在约3.1μm和3.6μm之间。
9.权利要求1所述的系统，其中光的波长在紫外线波长范围内。
10.权利要求1所述的系统，其中光的波长可见光波长范围内。
11.权利要求1所述的系统，包括分布式控制系统，其被配置成接收来自所述分析系统的警报信号。
12.权利要求1所述的系统，包括人机界面，其被配置成在一定的位置瞄准所述照相机。
13.权利要求1所述的系统，包括气象测量系统，其被配置成收集关于气象状况的数据。
14.权利要求13所述的系统，其中所述气象状况包括湿度测量、温度测量、日射测量或其任意组合。
15.权利要求1所述的系统，其中所述化学种类包括烃。
16.权利要求1所述的系统，其中所述化学种类包括甲烷、乙烷、乙烯、丙烷、丙烯或其任意组合。
17.权利要求1所述的系统，其中所述化学种类是在水体表面上形成羽状流的液态烃。
18.自主检测化学羽状流的方法，包括：
至少在选择以被化学种类吸收或发射的光的波长处从检测照相机获得多个图像；
分析所述多个图像，以鉴别连续图像之间确定性特征的变化、概率性特征的变化或两者；和
至少部分基于所述变化识别化学羽状流。
19.权利要求18所述的方法，包括：
从可见光照相机获得第二多个图像，其中所述第二多个图像的区域接近于在来自所述检测照相机的多个图像中成像的区域；
使所述第二多个图像与来自所述检测照相机的所述多个图像重叠，以确定所述化学羽状流的位置。
20.权利要求18所述的方法，包括：
至少在选择以被化学种类吸收的光的波长处用照射源照射区域；和
从样品空间中获得来自所述检测照相机的所述多个图像。
21.权利要求18所述的方法，包括当在来自检所述测相机的所述多个图像中识别化学羽状流时，发送信息给远程位置。
22.权利要求18所述的方法，包括比较来自所述检测照相机的所述多个图像与位置数据，以鉴别所述化学羽状流的位置。
23.权利要求18所述的方法，其中分析所述多个图像包括将图像流简化成数字数据，其中所述数字数据包括来自一系列图像数据的帧的帧-与-帧比较的数字表。
24.权利要求23所述的方法，包括训练神经网络从所述数字表识别所述化学羽状流。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161467816P | 2011-03-25 | 2011-03-25 | |
| US61/467,816 | 2011-03-25 | ||
| US201161509909P | 2011-07-20 | 2011-07-20 | |
| US61/509,909 | 2011-07-20 | ||
| PCT/US2012/028788 WO2012170093A2 (en) | 2011-03-25 | 2012-03-12 | Autonomous detection of chemical plumes |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103460686A true CN103460686A (zh) | 2013-12-18 |
| CN103460686B CN103460686B (zh) | 2017-02-22 |
Family
ID=47296672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201280014610.6A Expired - Fee Related CN103460686B (zh) | 2011-03-25 | 2012-03-12 | 化学羽状流的自主检测 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20140002639A1 (zh) |
| EP (1) | EP2689576B1 (zh) |
| CN (1) | CN103460686B (zh) |
| WO (1) | WO2012170093A2 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104006745A (zh) * | 2014-05-30 | 2014-08-27 | 西安交通大学 | 基于改变曝光时间以及光源强度获得汽羽穿透长度的方法 |
| CN107729953A (zh) * | 2017-09-18 | 2018-02-23 | 清华大学 | 基于连续状态行为域强化学习的机器人羽状流追踪方法 |
Families Citing this family (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101366860B1 (ko) * | 2011-09-20 | 2014-02-21 | 엘지전자 주식회사 | 이동 로봇 및 이의 제어 방법 |
| US9599508B2 (en) | 2012-05-18 | 2017-03-21 | Rebellion Photonics, Inc. | Divided-aperture infra-red spectral imaging system |
| CA2873989C (en) | 2012-05-18 | 2022-05-17 | Rebellion Photonics, Inc. | Divided-aperture infra-red spectral imaging system for chemical detection |
| US20160252650A1 (en) * | 2013-10-09 | 2016-09-01 | Shell Oil Company | Method and system for rendering visible a plume of dispersing fluid so as to reveal its source |
| EP2871452B1 (en) | 2013-11-12 | 2019-05-01 | Rebellion Photonics, Inc. | Divided-aperture infra-red spectral imaging system |
| DE102014001704B4 (de) * | 2014-02-08 | 2023-08-10 | Dräger Safety AG & Co. KGaA | Gasdetektionsvorrichtung |
| US9756263B2 (en) | 2014-05-01 | 2017-09-05 | Rebellion Photonics, Inc. | Mobile gas and chemical imaging camera |
| US11290662B2 (en) | 2014-05-01 | 2022-03-29 | Rebellion Photonics, Inc. | Mobile gas and chemical imaging camera |
| US9442011B2 (en) | 2014-06-23 | 2016-09-13 | Exxonmobil Upstream Research Company | Methods for calibrating a multiple detector system |
| WO2015199911A1 (en) | 2014-06-23 | 2015-12-30 | Exxonmobil Upstream Research Company | Methods and systems for detecting a chemical species |
| WO2015199912A1 (en) | 2014-06-23 | 2015-12-30 | Exxonmobil Upstream Research Company | Image quality enhancement of a differential image for a multiple detector system |
| US9448134B2 (en) | 2014-06-23 | 2016-09-20 | Exxonmobil Upstream Research Company | Systems for detecting a chemical species and use thereof |
| US10458905B2 (en) | 2014-07-07 | 2019-10-29 | Rebellion Photonics, Inc. | Gas leak emission quantification with a gas cloud imager |
| US10602082B2 (en) * | 2014-09-17 | 2020-03-24 | Fluke Corporation | Triggered operation and/or recording of test and measurement or imaging tools |
| WO2016065261A1 (en) | 2014-10-24 | 2016-04-28 | Fluke Corporation | Imaging system employing fixed, modular mobile, and portable infrared cameras with ability to receive, communicate, and display data and images with proximity detection |
| WO2016069744A1 (en) | 2014-10-29 | 2016-05-06 | Bridger Photonics, Inc. | Accurate chirped synthetic wavelength interferometer |
| EP4375631A2 (en) | 2015-05-29 | 2024-05-29 | Rebellion Photonics, Inc. | Hydrogen sulfide imaging system |
| CA2988463C (en) * | 2015-06-05 | 2024-02-13 | Schlumberger Canada Limited | Wellsite equipment health monitoring |
| US20170078544A1 (en) | 2015-09-16 | 2017-03-16 | Fluke Corporation | Electrical isolation for a camera in a test and measurement tool |
| US9970756B2 (en) | 2015-10-06 | 2018-05-15 | Bridger Photonics, Inc. | High-sensitivity gas-mapping 3D imager and method of operation |
| US20180300886A1 (en) * | 2015-10-15 | 2018-10-18 | Pixel Velocity, Inc. | System and method of producing and displaying visual information regarding gas clouds |
| WO2017070629A1 (en) | 2015-10-23 | 2017-04-27 | Fluke Corporation | Imaging tool for vibration and/or misalignment analysis |
| US10145788B2 (en) * | 2015-10-29 | 2018-12-04 | Konica Minolta, Inc. | Image processing device for gas detection, image processing method for gas detection and image processing program for gas detection |
| EP3392635B1 (en) | 2015-12-15 | 2022-06-08 | Konica Minolta, Inc. | Image processing device for gas detection, image processing method for gas detection, image processing program for gas detection, computer-readable recording medium having image processing program for gas detection recorded thereon, and gas detection system |
| JP6874694B2 (ja) * | 2016-01-15 | 2021-05-19 | コニカミノルタ株式会社 | ガス可視化装置、ガス可視化方法およびガス可視化プログラム |
| US10060578B2 (en) | 2016-05-16 | 2018-08-28 | International Business Machines Corporation | Automated gas detection and reporting system |
| JP6806154B2 (ja) * | 2016-08-24 | 2021-01-06 | コニカミノルタ株式会社 | ガス計測システム及びガス計測プログラム |
| JP2019174115A (ja) * | 2016-08-24 | 2019-10-10 | コニカミノルタ株式会社 | ガス検出情報表示システム及びガス検出情報表示プログラム |
| US10690562B2 (en) | 2016-10-18 | 2020-06-23 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for location and sizing of trace gas sources |
| CN114609075A (zh) | 2016-10-21 | 2022-06-10 | 瑞柏丽恩光子股份有限公司 | 移动气体和化学物成像相机 |
| WO2018075957A1 (en) | 2016-10-21 | 2018-04-26 | Rebellion Photonics, Inc. | Gas imaging system |
| WO2018123197A1 (ja) * | 2016-12-27 | 2018-07-05 | コニカミノルタ株式会社 | ガス検知用画像処理装置、ガス検知用画像処理方法及びガス検知用画像処理プログラム |
| WO2018123196A1 (ja) | 2016-12-27 | 2018-07-05 | コニカミノルタ株式会社 | ガス検知用画像処理装置、ガス検知用画像処理方法及びガス検知用画像処理プログラム |
| US10955355B2 (en) | 2017-02-22 | 2021-03-23 | Rebellion Photonics, Inc. | Systems and methods for monitoring remote installations |
| US10386260B2 (en) * | 2017-03-07 | 2019-08-20 | Accenture Global Solutions Limited | Leak detection for fluid distribution networks using hyperspectral imaging |
| WO2018170478A1 (en) | 2017-03-16 | 2018-09-20 | Bridger Photonics, Inc. | Fmcw lidar methods and apparatuses including examples having feedback loops |
| US11422244B2 (en) | 2017-09-25 | 2022-08-23 | Bridger Photonics, Inc. | Digitization systems and techniques and examples of use in FMCW LiDAR methods and apparatuses |
| WO2019070751A1 (en) | 2017-10-02 | 2019-04-11 | Bridger Photonics, Inc. | PROCESSING TEMPORAL SEGMENTS OF LASER WAVE LENGTH FLUCTUATIONS AND EXAMPLES OF USE IN FREQUENCY MODULATED MAINTAINED WAVE LIDAR (FMCW) METHODS AND APPARATUSES |
| US11592563B2 (en) | 2017-10-17 | 2023-02-28 | Bridger Photonics, Inc. | Apparatuses and methods for a rotating optical reflector |
| DE102017010151A1 (de) * | 2017-11-02 | 2019-05-02 | Dräger Safety AG & Co. KGaA | lnfrarot-optische Gasmessvorrichtung |
| EP4116702B1 (en) | 2017-11-09 | 2024-01-03 | Rebellion Photonics, Inc. | Window obscuration sensors for mobile gas and chemical imaging cameras |
| US11112308B2 (en) | 2017-11-14 | 2021-09-07 | Bridger Photonics, Inc. | Apparatuses and methods for anomalous gas concentration detection |
| WO2019164742A1 (en) * | 2018-02-21 | 2019-08-29 | Genscape Intangible Holding, Inc. | Method and system for estimating an operating state of a facility via imaging of electromagnetic radiation |
| US11079366B2 (en) * | 2018-03-16 | 2021-08-03 | International Business Machines Corporation | Plume characterization using synchronized measurements of gas composition, wind direction, and wind speed |
| US10666954B2 (en) * | 2018-06-19 | 2020-05-26 | International Business Machines Corporation | Audio and video multimedia modification and presentation |
| WO2020100387A1 (ja) * | 2018-11-16 | 2020-05-22 | コニカミノルタ株式会社 | 撮像支援装置、撮像支援方法および撮像支援プログラム |
| WO2020100386A1 (ja) * | 2018-11-16 | 2020-05-22 | コニカミノルタ株式会社 | 撮像支援装置、撮像支援方法および撮像支援プログラム |
| US11854366B1 (en) * | 2019-02-15 | 2023-12-26 | United States Environmental Protection Agency | Leak monitoring systems and methods of utilizing same |
| JP7331920B2 (ja) * | 2019-03-19 | 2023-08-23 | コニカミノルタ株式会社 | ガス検知装置、該方法および該プログラム |
| US11468538B2 (en) * | 2019-04-05 | 2022-10-11 | Baker Hughes Oilfield Operations Llc | Segmentation and prediction of low-level temporal plume patterns |
| CA3057655A1 (en) * | 2019-10-04 | 2021-04-04 | Wave9 Technology Inc. | Remote montoring method using image processing intelligence |
| US11607654B2 (en) | 2019-12-30 | 2023-03-21 | Marathon Petroleum Company Lp | Methods and systems for in-line mixing of hydrocarbon liquids |
| CN111856576A (zh) * | 2020-07-27 | 2020-10-30 | 广州海洋地质调查局 | 一种羽状流识别方法及处理终端 |
| US11655940B2 (en) | 2021-03-16 | 2023-05-23 | Marathon Petroleum Company Lp | Systems and methods for transporting fuel and carbon dioxide in a dual fluid vessel |
| US12012883B2 (en) | 2021-03-16 | 2024-06-18 | Marathon Petroleum Company Lp | Systems and methods for backhaul transportation of liquefied gas and CO2 using liquefied gas carriers |
| US11578638B2 (en) | 2021-03-16 | 2023-02-14 | Marathon Petroleum Company Lp | Scalable greenhouse gas capture systems and methods |
| US11578836B2 (en) | 2021-03-16 | 2023-02-14 | Marathon Petroleum Company Lp | Scalable greenhouse gas capture systems and methods |
| CN113160194B (zh) * | 2021-04-28 | 2023-06-16 | 贵州电网有限责任公司 | 一种紫外和可见光图像的距离自适应配准方法 |
| US11447877B1 (en) | 2021-08-26 | 2022-09-20 | Marathon Petroleum Company Lp | Assemblies and methods for monitoring cathodic protection of structures |
| WO2023064401A1 (en) * | 2021-10-12 | 2023-04-20 | Schlumberger Technology Corporation | Field emissions system |
| US11686070B1 (en) | 2022-05-04 | 2023-06-27 | Marathon Petroleum Company Lp | Systems, methods, and controllers to enhance heavy equipment warning |
| US12012082B1 (en) | 2022-12-30 | 2024-06-18 | Marathon Petroleum Company Lp | Systems and methods for a hydraulic vent interlock |
| US12006014B1 (en) | 2023-02-18 | 2024-06-11 | Marathon Petroleum Company Lp | Exhaust vent hoods for marine vessels and related methods |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4864127A (en) * | 1986-07-31 | 1989-09-05 | Brame Durward B | Earth surface hydrocarbon gas cloud detection by use of landsat data |
| US5656813A (en) | 1995-04-04 | 1997-08-12 | Gmd Systems, Inc. | Apparatus for imaging gas |
| US5999652A (en) * | 1995-05-25 | 1999-12-07 | Lockheed Martin Corporation | Plume or combustion detection by time sequence differentiation of images over a selected time interval |
| US6853452B1 (en) * | 1999-03-17 | 2005-02-08 | University Of Virginia Patent Foundation | Passive remote sensor of chemicals |
| US7039221B1 (en) * | 1999-04-09 | 2006-05-02 | Tumey David M | Facial image verification utilizing smart-card with integrated video camera |
| EP1314019A1 (en) * | 2000-08-26 | 2003-05-28 | Flow Research Evaluation Diagnostics Limited | A monitoring system |
| AU2001294807A1 (en) * | 2000-09-28 | 2002-04-08 | Sandia Corporation | Pulsed laser linescanner for a backscatter absorption gas imaging system |
| US7505604B2 (en) * | 2002-05-20 | 2009-03-17 | Simmonds Precision Prodcuts, Inc. | Method for detection and recognition of fog presence within an aircraft compartment using video images |
| US7256818B2 (en) * | 2002-05-20 | 2007-08-14 | Simmonds Precision Products, Inc. | Detecting fire using cameras |
| US20040015336A1 (en) | 2002-07-19 | 2004-01-22 | Kulesz James J. | Automatic detection and assessment of chemical, biological, radiological and nuclear threats |
| EP1639332A2 (en) * | 2003-06-11 | 2006-03-29 | Furry Brothers, LLC | Systems and methods for performing inspections and detecting chemical leaks using an infrared camera system |
| US7420675B2 (en) * | 2003-06-25 | 2008-09-02 | The University Of Akron | Multi-wavelength imaging system |
| EP1673613A1 (en) * | 2003-09-29 | 2006-06-28 | Commonwealth Scientific And Industrial Research Organisation | An infrared detection apparatus |
| US20060246592A1 (en) * | 2004-04-06 | 2006-11-02 | Arcadis G&M, Inc. | Identification of low vapor pressure toxic chemicals |
| US20060253570A1 (en) * | 2005-01-25 | 2006-11-09 | Pratik Biswas | Self-organizing sensor node network |
| EP1964036A4 (en) * | 2005-12-23 | 2010-01-13 | Univ Sherbrooke | ROOM-TIME PATTERN RECOGNITION USING A NEURONAL SPIKING NETWORK AND PROCESSING THEREOF FOR A PORTABLE AND / OR DISTRIBUTED COMPUTER |
| US8009932B2 (en) * | 2006-09-13 | 2011-08-30 | Providence Engineering and Environmental Group LLC | Automatic alignment of video frames for image processing |
| US8081798B2 (en) * | 2007-11-20 | 2011-12-20 | Lawrence Livermore National Security, Llc | Method and system for detecting polygon boundaries of structures in images as particle tracks through fields of corners and pixel gradients |
| US8160345B2 (en) * | 2008-04-30 | 2012-04-17 | Otismed Corporation | System and method for image segmentation in generating computer models of a joint to undergo arthroplasty |
| WO2009087614A2 (en) * | 2008-01-08 | 2009-07-16 | Opgal Optronic Industries Ltd. | System and method for gas leakage detection |
| US7649174B2 (en) | 2008-02-11 | 2010-01-19 | Flir Systems, Inc. | Thermography camera configured for gas leak detection |
| US7840380B2 (en) * | 2008-02-29 | 2010-11-23 | The Boeing Company | Methods and systems for plume characterization |
| US8432451B2 (en) | 2008-04-03 | 2013-04-30 | Delacom Detection Systems Llc | Method, device and system for determining the presence of volatile organic compounds (VOC) in video |
| CA2742273A1 (en) * | 2008-11-04 | 2010-05-14 | William Marsh Rice University | Image mapping spectrometers |
| US8411986B2 (en) * | 2009-04-13 | 2013-04-02 | Flashfoto, Inc. | Systems and methods for segmenation by removal of monochromatic background with limitied intensity variations |
| US8134711B2 (en) * | 2009-06-29 | 2012-03-13 | Hager J Stewart | Device for remote sensing of vehicle emission |
| US20130050466A1 (en) * | 2010-02-26 | 2013-02-28 | Ahmet Enis Cetin | Method, device and system for determining the presence of volatile organic and hazardous vapors using an infrared light source and infrared video imaging |
| WO2012018847A2 (en) * | 2010-08-02 | 2012-02-09 | Cognika Corporation | Cross media knowledge storage, management and information discovery and retrieval |
| GB2486628B (en) * | 2010-08-02 | 2016-05-25 | Kratos Analytical Ltd | Methods and apparatuses for cleaning at least one surface of an ion source |
-
2012
- 2012-03-12 WO PCT/US2012/028788 patent/WO2012170093A2/en active Application Filing
- 2012-03-12 US US14/001,356 patent/US20140002639A1/en not_active Abandoned
- 2012-03-12 CN CN201280014610.6A patent/CN103460686B/zh not_active Expired - Fee Related
- 2012-03-12 EP EP12797126.5A patent/EP2689576B1/en active Active
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104006745A (zh) * | 2014-05-30 | 2014-08-27 | 西安交通大学 | 基于改变曝光时间以及光源强度获得汽羽穿透长度的方法 |
| CN104006745B (zh) * | 2014-05-30 | 2016-06-29 | 西安交通大学 | 基于改变曝光时间以及光源强度获得汽羽穿透长度的方法 |
| CN107729953A (zh) * | 2017-09-18 | 2018-02-23 | 清华大学 | 基于连续状态行为域强化学习的机器人羽状流追踪方法 |
| CN107729953B (zh) * | 2017-09-18 | 2019-09-27 | 清华大学 | 基于连续状态行为域强化学习的机器人羽状流追踪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2689576A2 (en) | 2014-01-29 |
| CN103460686B (zh) | 2017-02-22 |
| EP2689576A4 (en) | 2014-10-08 |
| US20140002639A1 (en) | 2014-01-02 |
| WO2012170093A2 (en) | 2012-12-13 |
| EP2689576B1 (en) | 2020-03-04 |
| WO2012170093A3 (en) | 2013-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103460686A (zh) | 化学羽状流的自主检测 | |
| CN103503135A (zh) | 用于气体羽状流检测的差分红外线成像仪 | |
| US10908068B2 (en) | Thermography image processing with neural networks to identify corrosion under insulation (CUI) | |
| US10657443B2 (en) | Detection of hazardous leaks from pipelines using optical imaging and neural network | |
| US10871444B2 (en) | Inspection and failure detection of corrosion under fireproofing insulation using a hybrid sensory system | |
| EP3158320B1 (en) | Methods and systems for detecting a chemical species | |
| US20200134753A1 (en) | System and Method for Assisting Real Estate Holding Companies to Maintain Optimal Valuation of Their Properties | |
| WO2015199912A1 (en) | Image quality enhancement of a differential image for a multiple detector system | |
| Friman et al. | Methods for large-scale monitoring of district heating systems using airborne thermography | |
| CN116010826B (zh) | 一种建筑工程的施工安全预警方法及系统 | |
| US20200134573A1 (en) | System for identifying damaged buildings | |
| RU2504014C1 (ru) | Способ управления системой мониторинга и система для его реализации | |
| EP3894840A1 (en) | Inspection and failure detection of corrosion under fireproofing insulation using a hybrid sensory system | |
| CN114664048B (zh) | 一种基于卫星遥感监测的火情监测及火灾预警方法 | |
| Massaro et al. | Infrared thermography for intelligent robotic systems in research industry inspections: Thermography in industry processes | |
| Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
| CN116091986A (zh) | 一种基于计算机视觉的远程视角的扬尘识别设备及方法 | |
| Araujo et al. | Near Real-Time Automated Detection of Small Hazardous Liquid Pipeline Leaks Using Remote Optical Sensing and Machine Learning | |
| CN115457457B (zh) | 航油油库周界区域安全检测方法、装置及安全运维系统 | |
| Thornburg et al. | Evaluation methodology for hyperspectral automatic target cueing systems | |
| Kubik et al. | Using drones and artificial intelligence to assess damage in aircraft assembly joints | |
| Shihavuddin et al. | Energy Reports | |
| CN117496381A (zh) | 无人机系统建筑雨水检查装置的深度学习检测方法 | |
| CN117789116A (zh) | 一种人工智能遥测方法及装置 | |
| CN117475386A (zh) | 一种基于YOLOv5算法的机场道面异物检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170222 Termination date: 20210312 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |