CN104346626A - 基于图像识别的sf6气体泄漏在线模式识别方法 - Google Patents
基于图像识别的sf6气体泄漏在线模式识别方法 Download PDFInfo
- Publication number
- CN104346626A CN104346626A CN201410601675.1A CN201410601675A CN104346626A CN 104346626 A CN104346626 A CN 104346626A CN 201410601675 A CN201410601675 A CN 201410601675A CN 104346626 A CN104346626 A CN 104346626A
- Authority
- CN
- China
- Prior art keywords
- image
- leakage gas
- difference
- gas leakage
- pixel
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了基于图像识别的SF6气体泄漏在线模式识别方法,包括以下步骤:步骤一:采集SF6气体泄漏原始图像;步骤二:对采集的SF6气体泄漏原始图像进行灰度转换,得到SF6气体泄漏原始图像的累积直方图;步骤三:对采集的SF6气体泄漏原始图像进行均值滤波,用均值替代SF6气体泄漏原始图像中的各个像素值;步骤四:利用帧间差分法对图像序列中的连续两帧图像进行差分,然后二值化该灰度差分图像来提取运动信息,设定阈值,最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。本发明可以动态形式将SF6气体泄漏运动轨迹显示出来,实现由人工识别到自动识别的转变,提高工作效率及诊断准确度。
Description
技术领域
本发明涉及基于图像识别的SF6气体泄漏在线模式识别方法。
背景技术
随着SF6设备数量的增多及运行时间的增长,SF6气体泄漏故障一直是影响设备正常运行及威胁现场工作人员人身安全的重要问题。由于SF6气体无色无味的物理特征很难被现场工作人员直接发现,以往采用的刷肥皂泡法定性检漏仪检漏法定量检漏(包扎法挂瓶法)法等方法,存在着检测灵敏度低、受周围环境影响较大、工作强度大、需停电检测、难以准确定位泄漏点等明显不足。
鉴于上述问题,国内外提出了许多基于光学成像技术的SF6气体泄漏在线检测方法,可以在不停电情况下,实时监测电气设备中的SF6泄漏状况,这样不仅保证了设备的安全稳定运行,同时节省了人力资源。以激光成像检测技术和红外成像检测技术为代表的SF6气体泄漏光学成像检测技术,利用SF6气体对红外光谱的强吸收特性,使肉眼不能直接观察到的SF6气体在红外视频上可见,为检测人员提供了一种快速识别泄漏源的技术,该技术现已成为一种成熟有效的带电测试手段在国内外得到了广泛应用。然而单纯采用红外成像检漏,无法对泄漏数据进行在线汇总分析,无法提供气体泄漏量化指标,不能发挥数据的价值。
发明内容
为解决现有技术存在的不足,本发明公开了基于图像识别的SF6气体泄漏在线模式识别方法,本申请通过提取气体泄漏特征,在线识别气体泄漏及其泄漏点,实现SF6气体泄漏在线自动识别。
为实现上述目的,本发明的具体方案如下:
基于图像识别的SF6气体泄漏在线模式识别方法,包括以下步骤:
步骤一:采集SF6气体泄漏原始图像;
步骤二:对采集的SF6气体泄漏原始图像进行灰度转换,得到SF6气体泄漏原始图像的累积直方图,然后进入步骤三;
步骤三:对SF6气体泄漏原始图像的累积直方图进行均值滤波,用均值替代SF6气体泄漏原始图像中的各个像素值;
步骤四:利用帧间差分法对步骤三中均值滤波后图像序列中的连续两帧图像进行差分,然后二值化该灰度差分图像来提取运动信息,设定阈值,最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。
所述步骤二中灰度转换采用直方图均衡化的方法,设ni为原图像中第i个灰度级像素数,n为原图像中所有的像素数,则灰度为i的像素的出现概率是P(i)=ni/n(i=0,1,…,N-1),式中,P(i)是原图像直方图的概率分布,N为原图像中的所有灰度级数(N≤256),直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图的累积直方图,参数j为从0开始递增的整数。
所述步骤三中均值滤波采用的方法为邻域平均法,对待处理的当前像素点(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,y),作为处理后图像在该点上的灰度g(x,y),即其中,s为模板,M为该模板中包含当前像素在内的像素总个数,f函数是图像的二维矩阵表示,f(x,y)是每个矩阵元素。
所述步骤四中具体为:通过比较图像序列中前后两帧图像对应像素点灰度值的不同,通过两帧相减,如果相减差值小于差分二值化阈值,可以认为该点无运动物体经过;反之相减差值大于差分二值化阈值,则认为有物体经过,第k帧和k+1帧图像fk(x,y),fk+l(x,y)之间的变化用一个二值差分图像D(x,y)表示:
T为差分二值化阈值。
最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。
在步骤一中,采集图像是采用现有检测手段,红外检测仪检测获取视频资料。先进行灰度转换,再对转换后的累积直方图进行均值滤波,灰度转化是为了改善图片效果,凸显图片特征,然后采用均值滤波对其进行去噪。
帧间差分法是用图像序列中的连续两帧图像进行差分,然后二值化该灰度差分图像来提取运动信息。它是通过比较图像序列中前后两帧图像对应像素点灰度值的不同,通过两帧相减,如果灰度值很小,可以认为该点无运动物体经过;反之灰度变化很大,则认为有物体经过。第k帧和k+1帧图像fk(x,y),fk+l(x,y)之间的变化用一个二值差分图像D(x,y)表示。
T为差分二值化阈值。
最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。
原理分析:SF6气体泄漏原始视频的背景色较暗,目标与背景的对比度较小、信噪比较低若,直接进行跟踪、捕捉往往比较困难,所以必须先对图像信号进行灰度转换和中值滤波等处理,以达到抑制背景噪声增强目标强度、提高图像信噪比的目的。
直方图均衡化的方法把原始图像的直方图变换成均匀分布的形式,增加了像素灰度值的动态范围,从而使图像的灰度分布均匀,对比度增大,细节更清晰。
均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值。
本发明的有益效果:
本申请的图像识别的基本原理是利用图像处理技术,采用灰度处理、均值滤波去噪、帧间差分方法对原始的SF6气体泄漏光学检测图像进行数字化图像特征提取,这样便可以动态形式将SF6气体泄漏运动轨迹显示出来,实现由人工识别到自动识别的转变,提高工作效率及诊断准确度。
附图说明
图1将模板中的全体像素的均值来代替原来的像素值的示意图;
图2:SF6泄漏红外检测图像;
图3图像均衡化后直方图;
图4识别气体泄漏图谱。
具体实施方式:
下面结合附图对本发明进行详细说明:
本发明提出基于图像处理的SF6气体泄漏在线模式识别方法,提取气体泄漏特征,在线识别气体泄漏及其泄漏点,实现SF6气体泄漏在线自动识别。
图像识别的基本原理是利用图像处理技术,采用灰度处理、均值滤波去噪、帧间差分方法对原始的SF6气体泄漏光学检测图像进行数字化图像特征提取,这样便可以动态形式将SF6气体泄漏运动轨迹显示出来,实现由人工识别到自动识别的转变,提高工作效率及诊断准确度。
如图2所示,SF6气体泄漏原始视频的背景色较暗,目标与背景的对比度较小、信噪比较低若,直接进行跟踪、捕捉往往比较困难,所以必须先对图像信号进行灰度转换和中值滤波等处理,以达到抑制背景噪声增强目标强度、提高图像信噪比的目的。
如图3所示,灰度转换采用直方图均衡化的方法,把原始图像的直方图变换成均匀分布的形式,增加了像素灰度值的动态范围,从而使图像的灰度分布均匀,对比度增大,细节更清晰。设ni为原图像中第i个灰度级像素数,n为原图像中所有的像素数,则灰度为i的像素的出现概率是P(i)=ni/n,式中,P(i)是原图像直方图的概率分布。直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图的累积直方图。
均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素点(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,x),作为处理后图像在该点上的灰度g(x,y),即其中,s为模板,M为该模板中包含当前像素在内的像素总个数。
模板是指在处理矩阵中的某一像素时,制定以该待处理像素为中心包含临近像素的一个小的N*N矩阵,这就是一个模板,将模板中的全体像素的均值来代替原来的像素值的方法,如图1所示。
帧间差分法是用图像序列中的连续两帧图像进行差分,然后二值化该灰度差分图像来提取运动信息。它是通过比较图像序列中前后两帧图像对应像素点灰度值的不同,通过两帧相减,如果灰度值很小,可以认为该点无运动物体经过;反之灰度变化很大,则认为有物体经过。第k帧和k+1帧图像fk(x,y),fk+l(x,y)之间的变化用一个二值差分图像D(x,y)表示。
T为差分二值化阈值。
如图4所示,最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (5)
1.基于图像识别的SF6气体泄漏在线模式识别方法,其特征是,包括以下步骤:
步骤一:采集SF6气体泄漏原始图像;
步骤二:对采集的SF6气体泄漏原始图像进行灰度转换,得到SF6气体泄漏原始图像的累积直方图,然后进入步骤三;
步骤三:对SF6气体泄漏原始图像的累积直方图进行均值滤波,用均值替代SF6气体泄漏原始图像中的各个像素值;
步骤四:利用帧间差分法对步骤三中均值滤波后图像序列中的连续两帧图像进行差分,然后二值化该灰度差分图像来提取运动信息,设定阈值,最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。
2.如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法,其特征是,所述步骤二中灰度转换采用直方图均衡化的方法,设ni为原图像中第i个灰度级像素数,n为原图像中所有的像素数,则灰度为i的像素的出现概率是P(i)=ni/n(i=0,1,...,N-1),式中,P(i)是原图像直方图的概率分布,N为原图像中的所有灰度级数(N≤256),直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图的累积直方图,参数j为从0开始递增的整数。
3.如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法,其特征是,所述步骤三中均值滤波采用的方法为邻域平均法,对待处理的当前像素点(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,y),作为处理后图像在该点上的灰度g(x,y),即其中,s为模板,M为该模板中包含当前像素在内的像素总个数,f函数是图像的二维矩阵表示,f(x,y)是每个矩阵元素。
4.如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法,其特征是,所述步骤四中具体为:通过比较图像序列中前后两帧图像对应像素点灰度值的不同,通过两帧相减,如果相减差值小于差分二值化阈值,可以认为该点无运动物体经过;反之相减差值大于差分二值化阈值,则认为有物体经过,第k帧和k+1帧图像fk(x,y),fk+l(x,y)之间的变化用一个二值差分图像D(x,y)表示:
T为差分二值化阈值;
最终将符合阈值的像素点凸显出来,识别出SF6气体泄漏特征。
5.如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法,其特征是,所述步骤一中采集的装置为红外检测仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410601675.1A CN104346626A (zh) | 2014-10-30 | 2014-10-30 | 基于图像识别的sf6气体泄漏在线模式识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410601675.1A CN104346626A (zh) | 2014-10-30 | 2014-10-30 | 基于图像识别的sf6气体泄漏在线模式识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104346626A true CN104346626A (zh) | 2015-02-11 |
Family
ID=52502189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410601675.1A Pending CN104346626A (zh) | 2014-10-30 | 2014-10-30 | 基于图像识别的sf6气体泄漏在线模式识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104346626A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447471A (zh) * | 2015-12-04 | 2016-03-30 | 国网技术学院 | 基于红外检测的设备气体泄漏识别方法和装置 |
CN107016694A (zh) * | 2017-04-12 | 2017-08-04 | 国网山东省电力公司电力科学研究院 | 一种基于红外视频的sf6气体泄漏自动检测方法 |
CN107830974A (zh) * | 2017-10-23 | 2018-03-23 | 广东电网有限责任公司东莞供电局 | 一种基于红外热像电力设备sf6泄漏在线检测方法 |
CN108876763A (zh) * | 2017-05-16 | 2018-11-23 | 弗兰克公司 | 光学气体成像系统和方法 |
CN110192098A (zh) * | 2016-11-14 | 2019-08-30 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
CN110487797A (zh) * | 2019-08-31 | 2019-11-22 | 中国石油集团川庆钻探工程有限公司 | 一种用于试油测试的分离器排液口逸散气体监测方法 |
CN110688977A (zh) * | 2019-10-09 | 2020-01-14 | 浙江中控技术股份有限公司 | 一种工业图像识别方法、装置、服务器及存储介质 |
CN111274460A (zh) * | 2020-01-20 | 2020-06-12 | 重庆百事得大牛机器人有限公司 | 基于体态控制的语义信息采集系统及方法 |
CN112268663A (zh) * | 2020-09-10 | 2021-01-26 | 杭州电子科技大学 | 一种机器视觉皂泡法气密性检验方法 |
CN113688801A (zh) * | 2021-10-22 | 2021-11-23 | 南京智谱科技有限公司 | 一种基于光谱视频的化工气体泄漏检测方法及系统 |
CN113963513A (zh) * | 2021-10-13 | 2022-01-21 | 公安部第三研究所 | 化工行业中实现智能巡检的机器人系统及其控制方法 |
CN115311173A (zh) * | 2022-10-09 | 2022-11-08 | 山东瑞驰至臻环境科技有限公司 | 用于气体污染识别的视觉增强方法及系统 |
-
2014
- 2014-10-30 CN CN201410601675.1A patent/CN104346626A/zh active Pending
Non-Patent Citations (6)
Title |
---|
SCAR90Y: ""均值滤波和中值滤波的比较分析"", 《HTTP://WENKU.BAIDU.COM/LINK?URL=RCHUILY9UG7EMOYYQO9SM6VLOEHNH10L-NQBMCIGK3X8UOKG3OXHF2HY6OFJGJDD197WL4WSXM96TZJYRZ9LXLGE3GKVTWP5BAZFLE3WRLM》 * |
李家琨 等: ""气体泄漏红外成像检测技术发展综述"", 《红外技术》 * |
毕国玲 等: ""基于红外图像的sF6检漏定位系统"", 《光电工程》 * |
王建平 等: ""基于红外成像的乙烯气体泄漏检测"", 《液晶与显示》 * |
耿江海 等: ""SF6气体泄漏光学成像检测视频的图像再处理技术"", 《高压电器》 * |
耿江海 等: ""SF6气体泄漏光学检测图像特征提取方法研究"", 《中国电力》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447471A (zh) * | 2015-12-04 | 2016-03-30 | 国网技术学院 | 基于红外检测的设备气体泄漏识别方法和装置 |
CN110192098B (zh) * | 2016-11-14 | 2022-01-04 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
CN110192098A (zh) * | 2016-11-14 | 2019-08-30 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
CN107016694A (zh) * | 2017-04-12 | 2017-08-04 | 国网山东省电力公司电力科学研究院 | 一种基于红外视频的sf6气体泄漏自动检测方法 |
CN108876763A (zh) * | 2017-05-16 | 2018-11-23 | 弗兰克公司 | 光学气体成像系统和方法 |
CN107830974A (zh) * | 2017-10-23 | 2018-03-23 | 广东电网有限责任公司东莞供电局 | 一种基于红外热像电力设备sf6泄漏在线检测方法 |
CN110487797A (zh) * | 2019-08-31 | 2019-11-22 | 中国石油集团川庆钻探工程有限公司 | 一种用于试油测试的分离器排液口逸散气体监测方法 |
CN110688977A (zh) * | 2019-10-09 | 2020-01-14 | 浙江中控技术股份有限公司 | 一种工业图像识别方法、装置、服务器及存储介质 |
CN110688977B (zh) * | 2019-10-09 | 2022-09-20 | 浙江中控技术股份有限公司 | 一种工业图像识别方法、装置、服务器及存储介质 |
CN111274460A (zh) * | 2020-01-20 | 2020-06-12 | 重庆百事得大牛机器人有限公司 | 基于体态控制的语义信息采集系统及方法 |
CN112268663A (zh) * | 2020-09-10 | 2021-01-26 | 杭州电子科技大学 | 一种机器视觉皂泡法气密性检验方法 |
CN113963513A (zh) * | 2021-10-13 | 2022-01-21 | 公安部第三研究所 | 化工行业中实现智能巡检的机器人系统及其控制方法 |
CN113688801A (zh) * | 2021-10-22 | 2021-11-23 | 南京智谱科技有限公司 | 一种基于光谱视频的化工气体泄漏检测方法及系统 |
CN115311173A (zh) * | 2022-10-09 | 2022-11-08 | 山东瑞驰至臻环境科技有限公司 | 用于气体污染识别的视觉增强方法及系统 |
CN115311173B (zh) * | 2022-10-09 | 2023-01-13 | 山东瑞驰至臻环境科技有限公司 | 用于气体污染识别的视觉增强方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346626A (zh) | 基于图像识别的sf6气体泄漏在线模式识别方法 | |
CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
CN103487729B (zh) | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 | |
CN111209876B (zh) | 一种漏油缺陷检测方法及系统 | |
CN102609951B (zh) | 光伏电池板遮荫部分的检测方法 | |
CN112733950A (zh) | 一种基于图像融合与目标检测结合的电力设备故障诊断方法 | |
CN105761261A (zh) | 一种检测摄像头遭人为恶意破坏的方法 | |
CN104851086A (zh) | 一种针对缆索表面缺陷的图像检测方法 | |
CN103412246B (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
CN104252709B (zh) | 一种复杂背景下俯视群养猪多目标前景检测方法 | |
CN104504686A (zh) | 一种采用局部自适应阈值分割的高光谱图像异常探测方法 | |
CN112396635A (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
CN106951863A (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
CN102968768A (zh) | 一种气体红外图像的热调制方法 | |
CN103425960A (zh) | 一种视频中快速运动物体侦测方法 | |
CN109635717A (zh) | 一种基于深度学习的矿用行人检测方法 | |
CN106780514A (zh) | 基于监控视频影像的暴雨积涝区积水深度的计算方法 | |
CN103822932A (zh) | 基于多尺度滤波算子的x射线实时图像焊缝缺陷检出方法 | |
CN109272484B (zh) | 一种基于视频图像的降雨检测方法 | |
CN104021576A (zh) | 在场景中追踪移动物体的方法及系统 | |
CN103942792B (zh) | 医药检测机器人中基于序列图像时域特征的杂质检测方法 | |
CN105913008A (zh) | 基于假设检验的人群异常事件检测方法 | |
CN106127738B (zh) | 凝集试验判读方法 | |
CN111432172A (zh) | 基于图像融合的围栏报警方法及系统 | |
CN107507214A (zh) | 获取货物图像的方法和装置 |
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 |
Application publication date: 20150211 |
|
RJ01 | Rejection of invention patent application after publication |