CN103503135A - 用于气体羽状流检测的差分红外线成像仪 - Google Patents

用于气体羽状流检测的差分红外线成像仪 Download PDF

Info

Publication number
CN103503135A
CN103503135A CN201280014671.2A CN201280014671A CN103503135A CN 103503135 A CN103503135 A CN 103503135A CN 201280014671 A CN201280014671 A CN 201280014671A CN 103503135 A CN103503135 A CN 103503135A
Authority
CN
China
Prior art keywords
plume
chemical
detector
autonomous detection
detection chemistry
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.)
Pending
Application number
CN201280014671.2A
Other languages
English (en)
Inventor
J·M·撤本
Y·曾
J·莫里斯
Y·阮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ExxonMobil Upstream Research Co
Original Assignee
Exxon Production Research Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Exxon Production Research Co filed Critical Exxon Production Research Co
Publication of CN103503135A publication Critical patent/CN103503135A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G01N21/3151—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths using two sources of radiation of different wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G01N21/3518—Devices using gas filter correlation techniques; Devices using gas pressure modulation techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G01N21/3518—Devices using gas filter correlation techniques; Devices using gas pressure modulation techniques
    • G01N2021/3522—Devices using gas filter correlation techniques; Devices using gas pressure modulation techniques balancing by two filters on two detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G01N2021/3531—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis without instrumental source, i.e. radiometric

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Toxicology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

设备、系统和方法自主检测化学羽状流。系统包括用于分离电磁辐射光束和将分离的光束输送至至少两个检测器的设备，其可操作地连接至第一带通滤光器和第二带通滤光器，所述第二带通滤光器通过的电磁辐射的波长在量级上相似但偏离于第一带通滤光器通过的波长。系统还包括分析系统，其被配置成分析来自至少两个检测器的图像；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。示例性功能包括比较来自至少两个检测器的对象的多个确定性特征、多个概率性特征或两者，和确定比较图像之间的差异是否代表化学羽状流。

Description

用于气体羽状流检测的差分红外线成像仪
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），二者均通过引用以其整体并入本文；和美国临时专利申请号61/540,391——2011年9月28日提交，发明名称为Differential Infrared Imager for Gas Plume Detection（用于气体羽状流检测的差分红外线成像仪）——的优先权，其每一篇均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(MWIR)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，但其并未充分解决复杂的干扰，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
提供了自主检测化学羽状流的设备、系统和方法。设备包括透镜；光束分束器；第一检测器；第二检测器；第一带通滤光器，其使由化学种类吸收或发射的电磁辐射波长通过和阻止该范围之外的频率；和第二带通滤光器，其使在量级上相似但偏离于第一带通滤光器通过的波长的电磁辐射波长通过和阻止该范围之外的频率。
系统包括设备；分析系统，其被配置成分析来自第一检测器和第二检测器的图像；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。示例性功能包括：(a)鉴别来自第一检测器的图像中对象的多个确定性特征和多个概率性特征；(b)鉴别来自第二检测器的图像中对象的多个确定性特征和多个概率性特征；(c)比较(i)来自第一检测器的多个确定性特征或多个概率性特征或两者与(ii)来自第二检测器的多个确定性特征或多个概率性特征或两者；和(d)确定比较图像之间的差异是否代表化学羽状流。
自主检测化学羽状流的方法包括如下步骤：(a)将电磁辐射光束分成至少两束，所述至少两束被引导至相应的至少两个检测器，(b)至少在选择以被化学种类吸收或发射的电磁辐射的波长处从第一检测器获得第一多个图像；(c)在量级上相似但偏离于第一检测器的波长的电磁辐射波长处从第二检测器获得第二多个图像；(d)比较第一多个图像与第二多个图像，以鉴别确定性特征的差异、概率性特征的变化或两者；和(e)至少部分基于所述差异识别化学羽状流。
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：
图1是常规红外线照相机的示意图。
图2是用于差分红外线成像仪的示例性设备的示意图。
图3是由于黑体辐射用于丙烷和背景场景（background scene）的示例性红外线光谱图。
发明详述
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(诸如视频或系列静像)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。在其它实施方式中，照相机可利用一个或多个光束分束器，以形成区域的多个二维图像。这些图像可针对不同的红外线光谱被形成。
“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400纳米（nm）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14微米（μm）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。
提供了自主鉴别空气中或水面上化学羽状流的设备、系统和方法。本文所述技术提高在烃工厂中化学羽状流的检测，这可有助于降低在延长时间段中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光谱中的波长处吸收。专门设计的红外线(IR)照相机可“看到”人眼看不到的某些气体。常规气体检测IR照相机是商业上可得的，例如，GF320和GF306——由FLIR Systems,Inc.制造，和EYE-C-GAS——由Opgal制造。图1是常规IR照相机工作原理的简化示图。照相机1包括透镜2，以通过滤光器3将图像聚焦在传感器4上。
与常规IR照相机不同，本文所述的自主检测化学羽状流的系统包括光学装置，至少一个分束器，其提供几乎一致的图像，即，电磁辐射光束，给两个或更多个检测器，即，传感器。光学装置包括常规照相机光学装置，诸如透镜、快门等。优选地，常规透镜被用于将图像聚焦于分束器上。
分束器是任意的分束器：其可从透镜接收图像，即，电磁辐射或电磁辐射光束，并将电磁辐射光束分成两个或更多个光束。在一个或多个实施方式中，分束器将电磁辐射光束，即图像，分成两个或更多个光束、或三个或更多个光束、或四个或更多个光束、或五个或更多个光束。在一个或多个实施方式中，分束器用作棱镜，其将电磁辐射光束折射成其组分波长。在一些实施方式中，一个光束可以在可见光谱中产生，以将检测的羽状流加入(infuse)到可见图像中，易于人观察。
在一个或多个实施方式中，光束分束器由商业上可得的材料构造，所述商业上可得的材料具有大约50%的透射率和50%的反射率。可选地，分束器对于一个检测器可具有更高的透射率。例如，60%或70%或80%或更高的透射率可给予一个检测器，而剩余的检测器分别接收40%或30%或20%。在可选实施方式中，分束器具有：(a)在窄的频谱窗中高(例如，大于80%或大于90%或接近100%)的透射率，(b)在另一频谱窗中高(例如，大于80%或大于90%或接近100%)的反射率，或(c)(a)和(b)的组合。
每一检测器均具有相应的滤光器，诸如带通滤光器，其使某一范围内的电磁辐射波长通过和阻止“通过”范围外的波长。在一个或多个实施方式中，每一滤光器均具有窄的透射窗口，诸如大约1μm或大约0.5μm或大约0.1μm。优选地，当前的系统利用一个滤光器，其具有窄的透射窗口，该窗口“看到”化学羽状流，即，从化学种类发射的电磁辐射，和第二滤光器，其具有窄的透射窗口，该透射窗口类似于但“偏离于”第一滤光器的透射窗口。换言之，在光谱仪上，第二滤光器的透射窗口被移至第一滤光器的左边或右边，其仅包括背景电磁辐射，即，远离由化学种类反射的电磁辐射。“偏离”量根据应用、装置和检测的化学种类而变化。优选地，“偏离”足以使检测器能够区分背景和化学种类。
例如，在双检测器系统中，光束A通过带通滤光器A，以在检测器上形成图像。光束B通过带通滤光器B。滤光器B也具有窄的透射窗口。然而，该窗口被移至滤光器A窗口的左边或右边。图3是丙烷的示例性红外线光谱图，显示与IR光谱有关的带通。图3显示带通滤光器B被移至带通滤光器A的右边，但其也可被移至左边。
在一个或多个实施方式中，为检测烃蒸气，至少一个滤光器具有波长在大约3.3和大约3.4μm之间的窄透射窗口，这相应于大部分烃化合物的IR吸收带。
发送至每一检测器的图像可以是单个图像、一系列静像或视频图像。优选地，使发送至两个或更多个检测器的图像重合，以便图像在空间排列上逐像素地匹配、在时间排列上逐像素地匹配或两者。空间上、时间上或两者的图像同步与常规滤光轮设备相比能够实现提高的分析能力。
检测器是常规检测器，即，传感器，其检测电磁辐射。检测器可以为任意构造。检测器可从分束器直接接收电磁辐射光束或从引导光束的任选的反射镜接收电磁辐射光束。优选地，检测器是相同的，以参与(add)到图像处理和分析中。在一个或多个实施方式中，检测器被冷却，并可通过单个冷却器冷却。用于检测烃种类的示例性检测器是冷却的中波IR检测器。
在具有两个检测器的示例性系统中，分束器产生两个图像——图像A和图像B，图像可被过滤，以便一个检测器可具有背景和气体羽状流——图像A，和第二检测器可具有同样的背景，但没有气体羽状流。在该实施方式中，从图像A减去图像B产生差分图像，即，“图像C”，其仅包含气体羽状流。
不受理论限制，认为两个检测器中背景图像的强度，由于背景黑体辐射、光学组件的透射或带通滤光器波长中的轻微变化，可能轻微变化，这些差异可以相对小和相对恒定。优选地，这些轻微差异可被考虑作为从图像A中减去图像B时的信号处理的部分。
系统通常增强气体检测能力，而且尤其适于自主气体羽状流检测。通过当前的IR气体检测相机，场景中的对象移动，诸如人行走、车辆行驶、鸟飞行、蒸汽羽状流等，以及背景的变化，诸如由于云移动、太阳的角度、照相机抖动等造成的周围环境热能量水平变化，使得在手动操作常规IR照相机时难以观察小的气体羽状流。如果这样的常规IR照相机可与自主泄露检测系统一起应用，则它们可要求非常成熟的算法，以区分羽状流与场景中的其它变化和对羽状流检测的其它干扰。
与常规IR照相机相比，具有至少两个检测器的当前实施方式显示，图像A和图像B中移动的对象和背景强度变化具有相同的空间和时间分辨率。将图像B从图像A中减去消除了这些干扰，并以适于自主检测的高帧速率提供目标羽状流的图像。因此，本发明的系统大大地简化了羽状流识别算法和明显降低错误报警率。
在一个或多个实施方式中，产生差分图像，例如上述图像C，所需的信号处理以及对强度或重合的任意必要调整可在DIR照相机的固件中进行，从而简化整体系统和显著减少部署自控泄露监控系统所需的资源。
一些常规IR照相机应用逐帧差分化并试图实现差分图像。例如，FLIR是指高灵敏度模式，和Opgal是指增强模式，其试图使化学羽状流对于人眼更可见。然而，在逐帧差分化方法中，引入了时间和空间差异，这使得场景不稳定和不适于自主检测。
例如，通过照相机轻微移动引入的空间差异产生抖动图像。背景强度的变化也会在这些帧差分化模式中被放大，产生类似地不稳定视频。由于场景中快速移动的对象产生的时间差异而遇到类似的困难。这些困难不能通过当前的成像装置诸如基于FTIR的高光谱成像仪、基于扫描的多光谱成像仪或基于滤光轮的多带成像仪解决。
与上述常规逐帧差分化不同，本发明的系统克服这些问题，因为图像A和图像B在空间和时间上均被同步。因此，本发明技术适于自主系统和手动操作的IR照相机。
图2是自主气体检测的示例性系统和响应方案的示意图。参考图2，系统10包括透镜11、光束分束器12、第一滤光器13、第二滤光器14、第一检测器15、第二检测器16和反射镜17。
在第一和第二检测器中观察到的背景20代表场景中固体或液体对象的复合热IR辐射。与大部分烃气体的窄吸收带不同，该热辐射代表中波IR光谱中的宽带，类似于黑体辐射(不严格地表示为重叠在图3中丙烷光谱上的大带)。因为第一和第二滤光器13和14窄，它们对于由背景表示的宽带基本上是相同的。然而，它们对于烃具有高度选择性，其中第一检测器15观察气体羽状流25，而第二检测器16看不到羽状流。
在可选的实施方式中，光束B的第二滤光器和第二检测器可具有单独的冷却器，并且可代替反射镜相对于光束A以90度角被排列，从而排除反光镜。同样，第二检测器可以是未冷却的检测器，因为检测器不用于气体检测并且灵敏度要求较低。
不受理论限制，利用具有类似量级、但在波长上偏离的两个滤光器的益处提供类似量的能量给两个检测器中的每一个。如果检测器之一不被过滤，则其可接收明显较大的IR能量，诸如比过滤的检测器大大约10-50倍。
在一个或多个可选实施方式中，自主检测化学羽状流的系统包括两个检测器，但仅一个检测器将具有滤光器。优选地，第二检测器不被冷却。在这些实施方式中，由每一检测器鉴别的背景场景中的差异被处理，以减小错误报警的可能性。
许多分析技术可被用于确定是否检测到化学种类。例如，当“差分”图像如上所述产生时，图像A和图像B之间的任何差异均可以被认为是“正”读数，即，指示化学种类。对差分图像的分析可以如确定“图像C”是否指示图像A和图像B之间的任意差异一样简单。
在一个或多个实施方式中，可以应用另外的分析技术。用于进行图像分析的系统组件和方法描述在本文中，并进一步描述在2011年7月20日提交的美国临时申请号61/509,909和2011年3月25日提交的美国临时申请号61/467,816中，其每一篇均通过引用以其整体被并入本文。
这样的分析技术应用软件算法来分析图像，以区分化学羽状流与场景中的其它特征，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、蒸气羽状流、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。
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。
如果对泄露和化学羽状流进行阳性鉴别，则系统可定位泄露并激活警报，警告操作员派遣响应小组至泄露的地点。响应小组可确认泄露存在并实行修理。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，系统可具有缩放能力，以在进行泄露检查时以手动模式协助操作员。
系统可连续监测设施每天24小时、每周7天和每年365天，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，诸如酷热的热带或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。
本系统可利用环境能量进行检测，但也可应用人工照射源。在一些实施方式中，电磁辐射源，例如光源，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。利用与本系统连通的光源控制，光源可以被提供动力、激活或移动。
自主检测系统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收集的气象学测量结果而得到加强。气象监测器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。
可分析确定性特征。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。
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。
对于人眼可见的图像可与利用非可见图像，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。
一些改变可用于实施方式中，以提高自主检测系统的可靠性、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。
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。
自主检测系统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、连接至自主移动平台、放置于常规定位的塔上或从缆或气囊悬浮。自主检测系统还可被整合成移动机器人，其可以是自主的或由操作人员操纵。
在一个或多个实施方式中，系统可包括多个检测器，其中具有与带通滤光器连接的检测器亚组。例如，自主检测化学羽状流的系统可包括：透镜；至少一个光束分束器，其被配置成从透镜接收光束和将光束分成第一光束和第二光束；第一检测器，其被配置成从分束器接收至少部分第一光束；和第二检测器，其被配置成从分束器接收至少部分第二光束。系统可包括第一带通滤光器，其沿第一检测器和至少一个光束分束器之一之间的第一光束的路径被布置，所述第一带通滤光器使由化学种类吸收或发射的电磁辐射的波长(例如，至少部分第一光束)通过并阻止该范围之外的频率。第二检测器可接收第二光束。在该配置中，从第一光束检测的图像可以与从第二光束检测的图像叠合或组合，以突出某些波长。
在下面段落中进一步描述一个或多个实施方式：
1.自主检测化学羽状流的系统，包括：透镜；至少一个光束分束器，其被配置成从透镜接收光束和将光束分成第一光束和第二光束；第一检测器，其被配置成从分束器接收至少部分第一光束；
第二检测器，其被配置成从分束器接收至少部分第二光束；第一带通滤光器，其沿第一检测器和至少一个光束分束器之一之间的第一光束的路径被布置，所述第一带通滤光器使由化学种类吸收或发射的电磁辐射的波长(例如，至少部分第一光束)通过并阻止该范围之外的频率；和第二带通滤光器，其沿第二检测器和至少一个光束分束器之一之间的第二光束的路径被布置，所述第二带通滤光器使偏离于由第一带通滤光器通过的波长的电磁辐射波长(并且，可以与通向第一检测器的能量的量级类似)通过并阻止该范围之外的频率。
2.段落1的自主检测化学羽状流的系统，还包括：分析系统，其被配置成分析来自第一检测器和第二检测器的图像。
3.段落2的自主检测化学羽状流的系统，还包括：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以：(a)鉴别来自第一检测器的图像中对象的多个确定性特征和多个概率性特征；(b)鉴别来自第二检测器的图像中对象的多个确定性特征和多个概率性特征；(c)比较(i)来自第一检测器的多个确定性特征或多个概率性特征或两者与(ii)来自第二检测器的多个确定性特征或多个概率性特征或两者；和(d)确定比较图像之间的差异是否代表化学羽状流。
4.段落1至3任意之一的自主检测化学羽状流的系统，其中第一带通滤光器仅允许电磁辐射通过。
5.段落1至4任意之一的自主检测化学羽状流的系统，其中电磁辐射的波长在红外线波长范围内。
6.段落1至4任意之一的自主检测化学羽状流的系统，其中电磁辐射的波长在约3.1μm和3.6μm之间。
7.段落1至4任意之一的自主检测化学羽状流的系统，其中电磁辐射的波长在紫外线波长范围内。
8.段落1至4任意之一的自主检测化学羽状流的系统，其中电磁辐射的波长在可见光波长范围内。
9.段落3至8任意之一的自主检测化学羽状流的系统，其中确定性特征包括化学羽状流的几何特征。
10.段落9的自主检测化学羽状流的系统，其中几何特征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。
11.段落3至10任意之一的自主检测化学羽状流的系统，其中概率性特征包括化学羽状流的运动学特征。
12.段落11的自主检测化学羽状流的系统，其中运动学特征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。
13.段落3至12任意之一的自主检测化学羽状流的系统，其中概率性特征包括化学羽状流的空间图形或化学羽状流的瞬时图形或两者。
14.段落2至13任意之一的自主检测化学羽状流的系统，还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。
15.段落2至14任意之一的自主检测化学羽状流的系统，还包括人机界面，其被配置成在一定的位置瞄准透镜。
16.段落2至15任意之一的自主检测化学羽状流的系统，还包括气象测量系统，其被配置成收集关于气象状况的数据。
17.段落16的自主检测化学羽状流的系统，其中气象状况包括湿度测量、温度测量、日射测量或其任意组合。
18.段落1至17任意之一的自主检测化学羽状流的系统，其中化学种类包括烃。
19.段落1至18任意之一的自主检测化学羽状流的系统，其中化学种类包括甲烷、乙烷、乙烯、丙烷、丙烯或其任意组合。
20.段落1至19任意之一的自主检测化学羽状流的系统，其中化学种类是在水体表面上形成羽状流的液态烃。
21.自主检测化学羽状流的方法，其包括如下步骤：将电磁辐射光束分成至少两个光束，所述至少两个光束被引导至相应的至少两个检测器；至少在选择以被化学种类吸收或发射的电磁辐射的波长处从第一检测器获得第一多个图像；在偏离于所述第一检测器的波长的电磁辐射波长处从第二检测器获得第二多个图像；比较所述第一多个图像与所述第二多个图像，以鉴别确定性特征的差异、概率性特征的变化或两者；和至少部分基于所述差异识别化学羽状流。
22.段落21的自主检测化学羽状流的方法，还包括如下步骤：至少在选择以被化学种类吸收的电磁辐射的波长处用照射源照射区域；和从样品空间获得来自检测器的多个图像。
23.段落21或22的自主检测化学羽状流的方法，还包括如下步骤：如果在来自检测相机的多个图像中识别出化学羽状流，则发送信息至远程位置。
24.段落21至23任意之一的自主检测化学羽状流的方法，其中分析多个图像包括将第一和第二多个图像简化成数字数据，其中数字数据包括来自所述第一和第二多个图像的帧的帧-与-帧比较的数字表。
25.段落24的自主检测化学羽状流的方法，还包括如下步骤：训练神经网络，以从数字表识别化学羽状流。
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。

Claims (25)

1.自主检测化学羽状流的系统，包括：
透镜，
至少一个光束分束器，
第一检测器，
第二检测器，
第一带通滤光器，其使由化学种类吸收或发射的电磁辐射波长通过，和阻止该范围之外的频率，和
第二带通滤光器，其使在量级上相似但偏离于所述第一带通滤光器通过的波长的电磁辐射波长通过和阻止该范围之外的频率。
2.权利要求1所述的自主检测化学羽状流的系统，还包括：
分析系统，其被配置成分析来自所述第一检测器和所述第二检测器的图像。
3.权利要求2所述的自主检测化学羽状流的系统，还包括：
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所述处理器以：
(a)鉴别来自所述第一检测器的图像中对象的多个确定性特征和多个概率性特征；
(b)鉴别来自所述第二检测器的图像中对象的多个确定性特征和多个概率性特征；
(c)比较(i)来自所述第一检测器的多个确定性特征或多个概率性特征或两者与(ii)来自所述第二检测器的多个确定性特征或多个概率性特征或两者；和
(d)确定所述比较图像之间的差异是否代表化学羽状流。
4.权利要求1至3任一项所述的自主检测化学羽状流的系统，其中所述第一带通滤光器仅允许电磁辐射通过。
5.权利要求1至4任一项所述的自主检测化学羽状流的系统，其中所述电磁辐射的波长在红外线波长范围内。
6.权利要求1至4任一项所述的自主检测化学羽状流的系统，其中所述电磁辐射的波长在约3.1μm和3.6μm之间。
7.权利要求1至4任一项所述的自主检测化学羽状流的系统，其中所述电磁辐射的波长在紫外线波长范围内。
8.权利要求1至4任一项所述的自主检测化学羽状流的系统，其中所述电磁辐射的波长在可见光波长范围内。
9.权利要求3至8任一项所述的自主检测化学羽状流的系统，其中确定性特征包括所述化学羽状流的几何特征。
10.权利要求9所述的自主检测化学羽状流的系统，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。
11.权利要求3至10任一项所述的自主检测化学羽状流的系统，其中概率性特征包括所述化学羽状流的运动学特征。
12.权利要求11所述的自主检测化学羽状流的系统，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。
13.权利要求3至12任一项所述的自主检测化学羽状流的系统，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。
14.权利要求2至13任一项所述的自主检测化学羽状流的系统，还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。
15.权利要求2至14任一项所述的自主检测化学羽状流的系统，还包括人机界面，其被配置成在一定的位置瞄准所述透镜。
16.权利要求2至15任一项所述的自主检测化学羽状流的系统，还包括气象测量系统，其被配置成收集关于气象状况的数据。
17.权利要求16所述的自主检测化学羽状流的系统，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。
18.权利要求1至17任一项所述的自主检测化学羽状流的系统，其中所述化学种类包括烃。
19.权利要求1至18任一项所述的自主检测化学羽状流的系统，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。
20.权利要求1至19任一项所述的自主检测化学羽状流的系统，其中所述化学种类是在水体表面上形成羽状流的液态烃。
21.自主检测化学羽状流的方法，包括如下步骤：
将电磁辐射光束分成至少两个光束，所述至少两个光束被引导至相应的至少两个检测器，
至少在选择以被化学种类吸收或发射的电磁辐射的波长处从第一检测器获得第一多个图像；
在偏离于所述第一检测器的波长的电磁辐射波长处从第二检测器获得第二多个图像；
比较所述第一多个图像与所述第二多个图像，以鉴别确定性特征的差异、概率性特征的变化或两者；和
至少部分基于所述差异识别化学羽状流。
22.权利要求16所述的自主检测化学羽状流的方法，还包括如下步骤：
至少在选择以被化学种类吸收的电磁辐射的波长处用照射源照射区域；和
从样品空间获得来自检测器的多个图像。
23.权利要求21或22所述的自主检测化学羽状流的方法，还包括如下步骤：如果在来自检测相机的多个图像中识别出化学羽状流，则发送信息至远程位置。
24.权利要求21至23任一项所述的自主检测化学羽状流的方法，其中分析多个图像包括将所述第一和第二多个图像简化成数字数据，其中所述数字数据包括来自所述第一和第二多个图像的帧的帧-与-帧比较的数字表。
25.权利要求24所述的自主检测化学羽状流的方法，还包括如下步骤：训练神经网络，以从所述数字表识别所述化学羽状流。
CN201280014671.2A 2011-03-25 2012-03-12 用于气体羽状流检测的差分红外线成像仪 Pending CN103503135A (zh)

Applications Claiming Priority (7)

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
US201161540391P 2011-09-28 2011-09-28
US61/540,391 2011-09-28
PCT/US2012/028791 WO2012134796A1 (en) 2011-03-25 2012-03-12 Differential infrared imager for gas plume detection

Publications (1)

Publication Number Publication Date
CN103503135A true CN103503135A (zh) 2014-01-08

Family

ID=46931841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280014671.2A Pending CN103503135A (zh) 2011-03-25 2012-03-12 用于气体羽状流检测的差分红外线成像仪

Country Status (4)

Country Link
US (1) US20140002667A1 (zh)
EP (1) EP2689457A4 (zh)
CN (1) CN103503135A (zh)
WO (1) WO2012134796A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105044113A (zh) * 2015-07-21 2015-11-11 青岛市光电工程技术研究院 一种二氧化硫气体成像仪
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
CN107810395A (zh) * 2015-05-22 2018-03-16 瑞典爱尔诺红外有限公司 红外成像检测器
CN109154538A (zh) * 2016-05-18 2019-01-04 多传感器科学公司 烃泄漏成像和定量传感器
CN110392824A (zh) * 2017-03-16 2019-10-29 多传感器科学公司 用于气体安全和排放物监测的扫描ir传感器
CN111433591A (zh) * 2017-10-09 2020-07-17 Csir公司 气体检测系统和方法
US10921243B2 (en) 2017-11-16 2021-02-16 MultiSensor Scientific, Inc. Systems and methods for multispectral imaging and gas detection using a scanning illuminator and optical sensor
US10976245B2 (en) 2019-01-25 2021-04-13 MultiSensor Scientific, Inc. Systems and methods for leak monitoring via measurement of optical absorption using tailored reflector installments
CN113125341A (zh) * 2019-12-30 2021-07-16 上海禾赛科技有限公司 基于多光谱成像技术的气体遥测方法和装置
CN117037047A (zh) * 2023-10-09 2023-11-10 成都格理特电子技术有限公司 石化跑冒滴漏视频监测识别方法

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9638846B2 (en) 2011-07-20 2017-05-02 Power Diagnostic Technologies Ltd. Apparatus and method for multi-spectral dual balanced imaging
KR101366860B1 (ko) * 2011-09-20 2014-02-21 엘지전자 주식회사 이동 로봇 및 이의 제어 방법
JP5912382B2 (ja) * 2011-10-03 2016-04-27 ソニー株式会社 撮像装置および映像記録再生システム
US9121944B2 (en) * 2013-04-26 2015-09-01 Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America Mid-infrared vehicle early warning system
CA2926119A1 (en) * 2013-10-09 2015-04-16 Shell Internationale Research Maatschappij B.V. Method and system for rendering visible a plume of dispersing fluid so as to reveal its source
EP3102923A4 (en) * 2014-05-08 2017-09-13 Halliburton Energy Services, Inc. Optical computing devices with multiple bandpass filters
EP3158320B1 (en) 2014-06-23 2018-07-25 Exxonmobil Upstream Research Company Methods and systems for detecting a chemical species
WO2015199913A1 (en) 2014-06-23 2015-12-30 Exxonmobil Upstream Research Company Systems for detecting a chemical species and use thereof
WO2015199912A1 (en) 2014-06-23 2015-12-30 Exxonmobil Upstream Research Company Image quality enhancement of a differential image for a multiple detector system
WO2015199914A1 (en) 2014-06-23 2015-12-30 Exxonmobil Upstream Research Company Methods for calibrating a multiple detector system
US9581543B2 (en) * 2014-11-10 2017-02-28 Ci Systems (Israel) Ltd. Infrared detection and imaging device with no moving parts
US20160217588A1 (en) 2014-12-11 2016-07-28 Jeffrey R. Hay Method of Adaptive Array Comparison for the Detection and Characterization of Periodic Motion
US10062411B2 (en) 2014-12-11 2018-08-28 Jeffrey R. Hay Apparatus and method for visualizing periodic motions in mechanical components
WO2016148007A1 (ja) * 2015-03-19 2016-09-22 コニカミノルタ株式会社 物質検出装置
US10400551B2 (en) * 2015-03-27 2019-09-03 Omniearth, Inc. System and method for predicting well site production
EP3362781A4 (en) * 2015-10-15 2019-04-10 Pixel Velocity, Inc. SYSTEM AND METHOD FOR PRODUCING AND DISPLAYING VISUAL INFORMATION REGARDING GAS CLOUD
US9696457B1 (en) * 2016-08-24 2017-07-04 Excelitas Technologies Singapore Pte Ltd. Infrared presence sensing with modeled background subtraction
US10295410B2 (en) * 2016-12-22 2019-05-21 Quantum Spatial, Inc. Systems and methods for the remote detection of greenhouse atmospheric gas
GB201700727D0 (en) * 2017-01-16 2017-03-01 Teva Pharma Inhalers and airflow adaptors therefor
US10234380B1 (en) * 2017-09-29 2019-03-19 Konica Minolta Laboratory U.S.A., Inc. Background radiance estimation and gas concentration-length quantification method for optical gas imaging camera
WO2019219206A1 (en) * 2018-05-18 2019-11-21 Essity Hygiene And Health Aktiebolag Presence and absence detection
US11423551B1 (en) 2018-10-17 2022-08-23 Rdi Technologies, Inc. Enhanced presentation methods for visualizing motion of physical structures and machinery
US11105784B2 (en) 2019-10-04 2021-08-31 Sensors Unlimited, Inc. System and method of sensing for petroleum, oil, and gas leaks using optical detection
US11373317B1 (en) 2020-01-24 2022-06-28 Rdi Technologies, Inc. Measuring the speed of rotation or reciprocation of a mechanical component using one or more cameras
US11624704B2 (en) * 2020-05-27 2023-04-11 Utah State University Filter incidence narrow-band infrared spectrometer
US11282213B1 (en) 2020-06-24 2022-03-22 Rdi Technologies, Inc. Enhanced analysis techniques using composite frequency spectrum data
CN112083511B (zh) * 2020-09-06 2023-08-08 中国人民解放军63921部队 探测载荷几何分辨率确定方法及装置
US11322182B1 (en) 2020-09-28 2022-05-03 Rdi Technologies, Inc. Enhanced visualization techniques using reconstructed time waveforms
US20230063604A1 (en) * 2021-09-01 2023-03-02 Saudi Arabian Oil Company Detecting gas leaks in oil wells using machine learning

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4324154A1 (de) * 1993-07-19 1995-02-02 Kayser Threde Gmbh Vorrichtung und Verfahren zur räumlich hochauflösenden Analyse mindestens einer Gaskomponente in einem Gasgemisch
US5445795A (en) * 1993-11-17 1995-08-29 The United States Of America As Represented By The United States Department Of Energy Volatile organic compound sensing devices
US6853452B1 (en) * 1999-03-17 2005-02-08 University Of Virginia Patent Foundation Passive remote sensor of chemicals
US20050100193A1 (en) * 2003-11-07 2005-05-12 Axonx, Llc Smoke detection method and apparatus
US20060091310A1 (en) * 2003-06-11 2006-05-04 Furry David W Methods for performing inspections and detecting chemical leaks using an infrared camera system
US20090200466A1 (en) * 2008-02-11 2009-08-13 Flir Systems Inc. Thermography camera configured for gas leak detection
US20090290025A1 (en) * 2008-04-03 2009-11-26 Ahmet Enis Cetin Method, device and system for determining the presence of volatile organic compounds (voc) in video
US20100127173A1 (en) * 2008-11-26 2010-05-27 Fluke Corporation System and method for detecting gas leaks

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5430293A (en) * 1991-10-08 1995-07-04 Osaka Gas Co., Ltd. Gas visualizing apparatus and method for detecting gas leakage from tanks or piping
US5508203A (en) * 1993-08-06 1996-04-16 Fuller; Milton E. Apparatus and method for radio frequency spectroscopy using spectral analysis
US5438406A (en) * 1993-10-07 1995-08-01 The Titan Corporation Tunable narrowband spectrometer with acousto-optical tunable filter
US5656813A (en) * 1995-04-04 1997-08-12 Gmd Systems, Inc. Apparatus for imaging gas
US6574031B1 (en) * 1997-12-08 2003-06-03 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Method for balancing detector output to a desired level of balance at a frequency
US6008928A (en) * 1997-12-08 1999-12-28 The United States As Represented By The Administrator Of The National Aeronautics And Space Administration Multi-gas sensor
US6057923A (en) * 1998-04-20 2000-05-02 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Optical path switching based differential absorption radiometry for substance detection
US6841778B1 (en) * 2001-11-09 2005-01-11 Environmental Systems Products Holdings Inc. Method and apparatus for measuring particulates in vehicle emissions
US20040015336A1 (en) * 2002-07-19 2004-01-22 Kulesz James J. Automatic detection and assessment of chemical, biological, radiological and nuclear threats
CA2771670C (en) * 2003-03-13 2013-04-02 Synodon Inc. Remote sensing of gas leaks
US7738095B2 (en) * 2003-07-18 2010-06-15 Chemimage Corporation Method and apparatus for compact spectrometer for detecting hazardous agents
US7189970B2 (en) * 2003-08-29 2007-03-13 Power Diagnostic Technologies Ltd. Imaging of fugitive gas leaks
US7132657B2 (en) * 2004-02-09 2006-11-07 Sensor Electronics Corporation Infrared gas detector
US20060253570A1 (en) * 2005-01-25 2006-11-09 Pratik Biswas Self-organizing sensor node network
US7375814B2 (en) * 2005-03-11 2008-05-20 Sandia Corporation Natural gas leak mapper
US7767388B2 (en) * 2005-05-16 2010-08-03 Nutech Ventures Method for monitoring the stereoselectivity and relative rate of organic chemical reactions
JP2007285842A (ja) * 2006-04-17 2007-11-01 Nippon Koden Corp ガス濃度測定装置
US7687776B2 (en) * 2007-04-11 2010-03-30 General Monitors, Inc. Gas and/or flame imaging system with explosion proof housing
US7884937B2 (en) * 2007-04-19 2011-02-08 Science & Engineering Services, Inc. Airborne tunable mid-IR laser gas-correlation sensor
US8548271B2 (en) * 2008-01-08 2013-10-01 Opgal Optronic Industries Ltd. System and method for gas leakage detection
IL190756A0 (en) * 2008-04-09 2009-08-03 Rafael Advanced Defense Sys Gas detection, identification and concentration estimation based on spectral spatial misregistration
US20100211333A1 (en) * 2009-01-14 2010-08-19 Integrated Process Resources, Inc. Leak Detection and Identification System
US8803093B2 (en) * 2009-06-02 2014-08-12 Flir Systems Ab Infrared camera for gas detection
JP2011146799A (ja) * 2010-01-12 2011-07-28 Brother Industries Ltd 画像処理装置及び画像処理プログラム
US20120124029A1 (en) * 2010-08-02 2012-05-17 Shashi Kant Cross media knowledge storage, management and information discovery and retrieval
US8471730B2 (en) * 2010-09-16 2013-06-25 The Boeing Company Systems and methods for early detection of aircraft approach to volcanic plume
US8681337B2 (en) * 2012-04-10 2014-03-25 G & A Technical Software, Inc. Independent-beam gas filter correlation radiometry with field-of-view matching

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4324154A1 (de) * 1993-07-19 1995-02-02 Kayser Threde Gmbh Vorrichtung und Verfahren zur räumlich hochauflösenden Analyse mindestens einer Gaskomponente in einem Gasgemisch
US5445795A (en) * 1993-11-17 1995-08-29 The United States Of America As Represented By The United States Department Of Energy Volatile organic compound sensing devices
US6853452B1 (en) * 1999-03-17 2005-02-08 University Of Virginia Patent Foundation Passive remote sensor of chemicals
US20060091310A1 (en) * 2003-06-11 2006-05-04 Furry David W Methods for performing inspections and detecting chemical leaks using an infrared camera system
US20050100193A1 (en) * 2003-11-07 2005-05-12 Axonx, Llc Smoke detection method and apparatus
US20090200466A1 (en) * 2008-02-11 2009-08-13 Flir Systems Inc. Thermography camera configured for gas leak detection
US20090290025A1 (en) * 2008-04-03 2009-11-26 Ahmet Enis Cetin Method, device and system for determining the presence of volatile organic compounds (voc) in video
US20100127173A1 (en) * 2008-11-26 2010-05-27 Fluke Corporation System and method for detecting gas leaks

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107810395B (zh) * 2015-05-22 2020-05-05 瑞典爱尔诺红外有限公司 红外成像检测器
CN107810395A (zh) * 2015-05-22 2018-03-16 瑞典爱尔诺红外有限公司 红外成像检测器
CN105044113A (zh) * 2015-07-21 2015-11-11 青岛市光电工程技术研究院 一种二氧化硫气体成像仪
CN105044113B (zh) * 2015-07-21 2018-10-09 青岛市光电工程技术研究院 一种二氧化硫气体成像仪
CN109154538B (zh) * 2016-05-18 2021-02-02 多传感器科学公司 烃泄漏成像和定量传感器
CN109154538A (zh) * 2016-05-18 2019-01-04 多传感器科学公司 烃泄漏成像和定量传感器
US11143572B2 (en) 2016-05-18 2021-10-12 MultiSensor Scientific, Inc. Hydrocarbon leak imaging and quantification sensor
CN110392824A (zh) * 2017-03-16 2019-10-29 多传感器科学公司 用于气体安全和排放物监测的扫描ir传感器
CN110392824B (zh) * 2017-03-16 2022-02-22 多传感器科学公司 用于气体安全和排放物监测的扫描ir传感器
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
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
CN111433591A (zh) * 2017-10-09 2020-07-17 Csir公司 气体检测系统和方法
CN111433591B (zh) * 2017-10-09 2023-07-25 Csir公司 气体检测系统和方法
US10921243B2 (en) 2017-11-16 2021-02-16 MultiSensor Scientific, Inc. Systems and methods for multispectral imaging and gas detection using a scanning illuminator and optical sensor
US11493437B2 (en) 2019-01-25 2022-11-08 MultiSensor Scientific, Inc. Systems and methods for leak monitoring via measurement of optical absorption using tailored reflector installments
US11686677B2 (en) 2019-01-25 2023-06-27 MultiSensor Scientific, Inc. Systems and methods for leak monitoring via measurement of optical absorption using tailored reflector installments
US10976245B2 (en) 2019-01-25 2021-04-13 MultiSensor Scientific, Inc. Systems and methods for leak monitoring via measurement of optical absorption using tailored reflector installments
CN113125341A (zh) * 2019-12-30 2021-07-16 上海禾赛科技有限公司 基于多光谱成像技术的气体遥测方法和装置
CN113125341B (zh) * 2019-12-30 2023-09-29 上海禾赛科技有限公司 基于多光谱成像技术的气体遥测方法和装置
CN117037047A (zh) * 2023-10-09 2023-11-10 成都格理特电子技术有限公司 石化跑冒滴漏视频监测识别方法

Also Published As

Publication number Publication date
WO2012134796A1 (en) 2012-10-04
US20140002667A1 (en) 2014-01-02
EP2689457A1 (en) 2014-01-29
EP2689457A4 (en) 2014-10-08

Similar Documents

Publication Publication Date Title
CN103503135A (zh) 用于气体羽状流检测的差分红外线成像仪
EP2689576B1 (en) Autonomous detection of chemical plumes
US9471969B2 (en) Methods for differential image quality enhancement for a multiple detector system, systems and use thereof
EP3158320B1 (en) Methods and systems for detecting a chemical species
US8124931B2 (en) Method and apparatus for oil spill detection
US9442011B2 (en) Methods for calibrating a multiple detector system
US20150369693A1 (en) Systems for Detecting a Chemical Species and Use Thereof
WO2016154054A1 (en) Systems and methods detecting gases, airborne compounds and other particulates
WO2013091286A1 (zh) 一种多波段动目标光谱特征探测识别方法和装置
AU2006267198B8 (en) System for automatic detection of forest fires through optic spectroscopy
Wan et al. Airborne passive Fourier transform infrared remote sensing of methanol vapor from industrial emissions
CN117129438B (zh) 一种基于傅里叶红外遥测阵列的车流排放污染物探测方法
Lisowski et al. SVD method for spectral decomposition and classification of ARES data
Bylsma et al. Development and field test results of a novel multispectral imaging system for natural gas leak detection
Araujo et al. Near Real-Time Automated Detection of Small Hazardous Liquid Pipeline Leaks Using Remote Optical Sensing and Machine Learning
Sommer et al. Infrared Radiometric Image Classification and Segmentation of Cloud Structure Using Deep-learning Framework for Ground-based Infrared Thermal Camera Observations

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140108