CN107122719A - 基于图像识别的管道形变自动识别系统和方法 - Google Patents
基于图像识别的管道形变自动识别系统和方法 Download PDFInfo
- Publication number
- CN107122719A CN107122719A CN201710223399.3A CN201710223399A CN107122719A CN 107122719 A CN107122719 A CN 107122719A CN 201710223399 A CN201710223399 A CN 201710223399A CN 107122719 A CN107122719 A CN 107122719A
- Authority
- CN
- China
- Prior art keywords
- mark point
- information
- pipeline
- mark
- deformation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明涉及一种基于图像识别的管道形变自动识别方法,其包括:在管道外部设置标记点;识别管道图像中的标记点的信息,并与标记数据库比对;当与标记数据库的数据比较出现形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析;确定数据异常时,发送警报。本发明还涉及基于图像识别的管道形变自动识别系统。
Description
技术领域
本发明属于燃气管道状态监控领域,具体涉及一种基于图像识别的管道形变自动识别系统和方法,适用于燃气管道闸井、调压站箱中管道运行状态的监控。
背景技术
改革开放以后,我国的城市燃气事业得到迅速发展,燃气管网建设加快,燃气供应能力不断增强,促进了城市经济和社会的发展。到2006年,全国城市燃气管道长度已达到18.95万公里,其中人工气5.05万公里,液化石油气1.75万公里,天然气12.15万公里。
目前燃气管道的检漏体系,主要是通过人工地面巡检的机制,对燃气管网系统的管道及其附件,设备的安全检查。随着城市发展建设,燃气管道闸井、调压箱、站越来越多,随之而来的测量任务越加繁重,运营人员不能经常巡线测量。对于已有燃气管道的形变,需要靠人工检测、手工测量的方式,需要携带较长的测量工具,对人员要求也比较高,测量方法复杂,用时较长。
在闸井下管线测量时,会存在有毒有害气体、沼气、含氧量偏少的情况,严重影响作业人员人身安全。
发明内容
有鉴于此,本发明的目的在于提供一种自动检测燃气管道形变的系统和方法,用以解决上述现有技术存在的问题。
根据本发明的第一个方面,本发明提供一种基于图像识别的管道形变自动识别方法,其包括:
S100在管道外部设置标记点;
S110识别管道图像中的标记点的信息;
S120与标记数据库的标记点原始数据进行比较得到标记点形变;
S130当标记点形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析;
S140确定数据异常时,发送警报。
优选地,所述标记点的信息包括标记位置信息和/或标记方向信息。
优选地,所述标记点为磁吸式标记点。
优选地,所述标记点为长效夜光设计。
优选地,所述异常数据库识别分析包括管道沉降、扭曲、升高、弯折、凸起、凹陷、断裂、收缩、和膨胀中的一种或多种。
优选地,所述标记数据库比对包括标记位置比对和/或标记方向比对。
优选地,所述标记点形变通过多模比较算法得到:
初始化计算,标记点位置信息P与原始信息比对:
Qi=f(Pi,Pi’)i∈[1,n]
计算标记点变化趋势⊿Q,
⊿Q=g(Q0,……,Qn)
如果⊿Q>0,则说明存在形变,需要进一步判定。
计算标记点直接的距离Li,
Li=f(Pi,Pi+1)i∈[1,n]
计算标记点位置变化趋势
⊿M(a,b,c,d)=g(L0,……,Ln)
a表示点距,b表示标记点竖直方向变化,c表示标记点水平方向的变化,d表示标记点的收缩膨胀程度;
当所得形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析。
优选地,所述标记点位置信息P包括空间坐标和空间指向。
根据本发明的第二个方面,本发明提供一种基于图像识别的管道形变自动识别系统,其包括:
图像采集模块,用于采集管道及标记点的图像信息;
管道标记点识别模块,用于识别标记点,获得标记点信息;
标记数据库,存储标记点的原始信息;
异常数据库,存储异常数据模型用于分析管道异常原因;
报警模块,将警报类型和/或警报位置发送到相关终端。
优选地,所述标记点的信息包括标记位置信息和/或标记方向信息。
优选地,所述系统包括摄像头、嵌入主机、服务器和移动终端。
优选地,所述标记点形变通过多模比较算法得到:
初始化计算,标记点位置信息P与原始信息比对:
Qi=f(Pi,Pi’)i∈[1,n]
计算标记点变化趋势⊿Q,
⊿Q=g(Q0,……,Qn)
如果⊿Q>0,则说明存在形变,需要进一步判定。
计算标记点直接的距离Li,
Li=f(Pi,Pi+1)i∈[1,n]
计算标记点位置变化趋势
⊿M(a,b,c,d)=g(L0,……,Ln)
a表示点距,b表示标记点竖直方向变化,c表示标记点水平方向的变化,d表示标记点的收缩膨胀程度;
当所得形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析。
优选地,所述标记点位置信息P包括空间坐标和空间指向。
优选地,所述异常数据模型包括管道沉降、扭曲、升高、弯折、凸起、凹陷、断裂、收缩、和膨胀数据模型中的一种或多种。
优选地,所述标记点的原始信息包括标记点原始位置信息和/或标记点原始方向信息。
附图说明
通过阅读参考一下附图所作的对非限制性实施例所作的详细描述,本发明的其他特征、目的和优点将会变得更明显:
图1是本发明基于图像识别管道形变自动识别的系统的硬件示意图;
图2是根据本发明一个具体的实施方式的基于图像识别管道形变自动识别方法的流程图;
图3是本发明基于图像识别管道形变自动识别系统的示意图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员来说显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
如图3所示,本发明的基于图像识别的管道形变自动识别系统,其包括:图像采集模块,用于采集管道及标记点的图像信息;管道标记点识别模块,用于识别标记点,获得标记点信息;标记数据库,存储标记点的原始信息;异常数据库,存储异常数据模型用于分析管道异常原因;和报警模块,将警报类型和/或警报位置发送到相关终端。
通过图像识别方法测量在管道外壁安装的标记点的变化,来判定管道发生形变。检测到形变后发送报警消息,通知管理人员进行处理。
图像采集模块
S100安装标记信息
在管道外部安装荧光(夜光)标记点,标记点标记点采用磁吸式设计,外观形状采用长条形,颜色为红色或者黄色。每条管道放置3个标记点。
在本发明优选的实施方式中,使用磁吸标记点。磁吸式标记点采用长效夜光设计,能够连续黑暗环境中工作10年以上,且亮度衰减小于15%。
通过摄像头采集管道图像,将数据传递给管道标记点识别模块。
管道标记点识别模块
S110标记识别。
通过管道标记点识别模块,获得管道外标记点的位置信息、方向信息。
图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前,在图像识别的发展中,主要有三种识别方法:统计模式识别、结构模式识别、模糊模式识别。对于图像识别的研究已经有几十年的历史,至今借助于各种理论提出了数以千计的算法,也有现成的SDK或API。本领域技术人员根据需要很容易选择合适的算法识别出图像中的标记点。
标记数据比对
S120比对标记信息。
定期通过图像采集模块对燃气管道上已有的标记点进行采样,再用管道标记点识别模块识别出标记位置信息、方向信息,将得到的信息与管道标记原始信息进行比对,识别出标记的位置变化与方向变化。
将获得的数据,构建矢量方程,解算出每个标记点的相对位置的空间坐标,以及标记点的指向。将标记信息数据,逐一与管道标记原始信息比较,可识别出标记标记点的空间位置变化、相对空间位置变化以及指向的变化。
在本发明优选的实施方式中,为通过识别出的标记点信息获得有用的结论,发明人使用多模比较算法比对标记信息:
多个标记点自动匹配的自动算法,能够分析出每个标记点的位置、方向的变化。
初始化计算,标记点与原始信息比对:
Qi=f(Pi,Pi’)i∈[1,n]
计算标记点变化趋势⊿Q,
⊿Q=g(Q0,……,Qn)
如果⊿Q>0,则说明存在形变,需要进一步判定。
计算标记点直接的距离Li,
Li=f(Pi,Pi+1)i∈[1,n]
计算标记点位置变化趋势
⊿M(a,b,c,d)=g(L0,……,Ln)
a表示点距,a<0表示点距缩小,a>0表示点距扩大。b表示标记点竖直方向变化,b<0表示标记点下降,b>0表示标记点上升。c表示标记点水平方向的变化,c<0表示标记点向右运动,c>0表示标记点向左运动。d表示标记点的收缩膨胀程度,d<0表示标记点向内集中,d>0表示标记点向外扩散。
当所得形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析。
异常数据识别
S130异常数据识别
对获得的标记位置变化和方向变化进行数据分析,以异常数据库中的模型进行模式匹配比对,来分析出异常数据原因,例如:冬季气温变化导致管道收缩、管道沉降、弯曲。
将标记点空间坐标位置带入空间位置解算方程,求得标记点相对位置变化。如果得到某个标记位置变化较大,超过了管线形变判断临界点,就可以判断出该段管道发生了形变。在根据变化标记的变化发现,可以确定管道凹陷变形还是凸起变形。多个标记点变化时,可以求得标记点变化趋势,呈现沿管道方向向外变化,则出现了拉伸变形。出现沿管道内方向变化,则是出现了挤压变形。当出现两个不同空间方向的变形,则是出现了弯折变形,严重时,管道会发生破损泄漏。
在所有标记点出现均匀向内收缩或者扩张时,且随时间和环境温度缓慢变化,可认为管道随自然环境变化引起的热胀冷缩。
如图2所示的流程图中可以看出并非所有识别出的超过阈值的形变都会被解读出原因并发送警报。这是因为现实场景中情况非常复杂,不被解读为异常可以是因为不符合异常模型,也可以是因为符合非异常模型。
异常数据库中包括但不限于管道沉降、扭曲、升高、弯折、凸起、凹陷、断裂、收缩、和膨胀数据模型,异常形变数据套用模型即可分析出管道形状异常的原因。本发明的异常数据库中的模型可以根据需要不断扩充。已有的模型也可以根据技术和算法的进步,不断改良。
报警模块
S140发现异常时报警
确定数据异常时,通过GPRS或CDMA等通道,将形变信息发送给上位机,上位机再将报警类型、报警位置转发给相关责任人对应的终端。
图1示出了从图像采集到发送警报的示意图,主机系统100为上位机。嵌入主机200为分布在各个监测点的具有数据存储、计算功能的设备,例如采集器。相关责任人对应的终端可以为手机或其他移动设备。
本发明不限于上述实施方式,在本发明思想的范围内可以进行各种变更。本发明已通过上述实施例进行了说明,但应当理解的是,上述实施例只是用于举例和说明的目的,而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是,本发明并不局限于上述实施例,根据本发明教导还可以做出更多种的变型和修改,这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。
Claims (10)
1.一种基于图像识别的管道形变自动识别方法,其包括:
S100在管道外部设置标记点;
S110识别管道图像中的标记点的信息,并与标记数据库比对;
S120当与标记数据库的标记点原始数据进行比较;
S130当标记点形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析;
S140确定数据异常时,发送警报。
2.根据权利要求1所述的方法,其中所述标记点的信息包括标记位置信息和/或标记方向信息。
3.根据权利要求1所述的方法,其中所述标记点为磁吸式标记点。
4.根据权利要求1所述的方法,其中所述标记点形变通过多模比较算法得到:
初始化计算,标记点位置信息P与原始信息比对:
Qi=f(Pi,Pi’)i∈[1,n]
计算标记点变化趋势⊿Q,
⊿Q=g(Q0,……,Qn)
如果⊿Q>0,则说明存在形变,需要进一步判定;
计算标记点直接的距离Li,
Li=f(Pi,Pi+1)i∈[1,n]
计算标记点位置变化趋势
⊿M(a,b,c,d)=g(L0,……,Ln)
a表示点距,b表示标记点竖直方向变化,c表示标记点水平方向的变化,d表示标记点的收缩膨胀程度;
当所得形变差异超过阈值时,将所述不匹配数据通过异常数据库识别分析。
5.根据权利要求1所述的方法,其中所述异常数据库识别分析包括管道沉降、扭曲、升高、弯折、凸起、凹陷、断裂、收缩、和膨胀中的一种或多种。
6.一种基于图像识别的管道形变自动识别系统,其包括:
图像采集模块,用于采集管道及标记点的图像信息;
管道标记点识别模块,用于识别标记点,获得标记点信息;
标记数据库,存储标记点的原始信息;
异常数据库,存储异常数据模型用于分析管道异常原因;
报警模块,将警报类型和/或警报位置发送到相关终端。
7.根据权利要求6所述的系统,其中标记点的信息包括标记位置信息和/或标记方向信息。
8.根据权利要求6所述的系统,其中所述系统包括摄像头、嵌入主机、服务器和移动终端。
9.根据权利要求6所述的系统,其中所述异常数据模型包括:管道沉降、扭曲、升高、弯折、凸起、凹陷、断裂、收缩、和膨胀数据模型中的一种或多种。
10.根据权利要求6所述的系统,其中所述标记点的原始信息包括标记点原始位置信息和/或标记点原始方向信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710223399.3A CN107122719B (zh) | 2017-04-07 | 2017-04-07 | 基于图像识别的管道形变自动识别系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710223399.3A CN107122719B (zh) | 2017-04-07 | 2017-04-07 | 基于图像识别的管道形变自动识别系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107122719A true CN107122719A (zh) | 2017-09-01 |
CN107122719B CN107122719B (zh) | 2019-03-26 |
Family
ID=59724670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710223399.3A Active CN107122719B (zh) | 2017-04-07 | 2017-04-07 | 基于图像识别的管道形变自动识别系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122719B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186540A (zh) * | 2018-08-15 | 2019-01-11 | 中国石油大学(北京) | 管道监测方法及系统 |
CN110230990A (zh) * | 2019-06-27 | 2019-09-13 | 北京讯腾智慧科技股份有限公司 | 燃气管网地质形变监测系统和方法 |
CN115662469A (zh) * | 2022-12-06 | 2023-01-31 | 东莞先知大数据有限公司 | 一种水管探漏方法、电子设备和存储介质 |
CN116576792A (zh) * | 2023-07-12 | 2023-08-11 | 佳木斯大学 | 一种基于物联网的智能拍摄一体设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105443990A (zh) * | 2014-09-26 | 2016-03-30 | 武汉光谷北斗地球空间信息产业股份有限公司 | 一种基于北斗的智能球管道监测系统 |
CN106331636A (zh) * | 2016-08-31 | 2017-01-11 | 东北大学 | 基于行为事件触发的输油管道智能视频监控系统及方法 |
CN106352243A (zh) * | 2016-10-20 | 2017-01-25 | 山东科技大学 | 一种基于声波法的输气管道泄露检测系统 |
CN106548469A (zh) * | 2016-10-14 | 2017-03-29 | 深圳市深水水务咨询有限公司 | 一种管道检测方法和装置 |
-
2017
- 2017-04-07 CN CN201710223399.3A patent/CN107122719B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105443990A (zh) * | 2014-09-26 | 2016-03-30 | 武汉光谷北斗地球空间信息产业股份有限公司 | 一种基于北斗的智能球管道监测系统 |
CN106331636A (zh) * | 2016-08-31 | 2017-01-11 | 东北大学 | 基于行为事件触发的输油管道智能视频监控系统及方法 |
CN106548469A (zh) * | 2016-10-14 | 2017-03-29 | 深圳市深水水务咨询有限公司 | 一种管道检测方法和装置 |
CN106352243A (zh) * | 2016-10-20 | 2017-01-25 | 山东科技大学 | 一种基于声波法的输气管道泄露检测系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186540A (zh) * | 2018-08-15 | 2019-01-11 | 中国石油大学(北京) | 管道监测方法及系统 |
CN109186540B (zh) * | 2018-08-15 | 2021-04-30 | 中国石油大学(北京) | 管道监测方法及系统 |
CN110230990A (zh) * | 2019-06-27 | 2019-09-13 | 北京讯腾智慧科技股份有限公司 | 燃气管网地质形变监测系统和方法 |
CN115662469A (zh) * | 2022-12-06 | 2023-01-31 | 东莞先知大数据有限公司 | 一种水管探漏方法、电子设备和存储介质 |
CN116576792A (zh) * | 2023-07-12 | 2023-08-11 | 佳木斯大学 | 一种基于物联网的智能拍摄一体设备 |
CN116576792B (zh) * | 2023-07-12 | 2023-09-26 | 佳木斯大学 | 一种基于物联网的智能拍摄一体设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107122719B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122719B (zh) | 基于图像识别的管道形变自动识别系统和方法 | |
CN113743256B (zh) | 一种工地安全智能预警方法与装置 | |
CN109448326B (zh) | 一种基于快速图像识别的地质灾害智能群防监测系统 | |
CN105404867B (zh) | 一种基于视觉的变电站隔离开关状态识别方法 | |
CN102768022A (zh) | 采用数码照相技术的隧道围岩变形检测方法 | |
KR20130022994A (ko) | 천장 임의 형상 특성 활용 이동 로봇 위치 인식 방법 | |
US9864908B2 (en) | Slow change detection system | |
CN110130987A (zh) | 一种基于图像分析的隧道收敛变形监测方法 | |
CN104573713A (zh) | 一种基于图像纹理特征的互感器红外图像识别方法 | |
CN113344745A (zh) | 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台 | |
CN105550703A (zh) | 一种适用于人体再识别的图片相似度计算方法 | |
CN112508982A (zh) | 一种基于图像识别的山塘堤坝位移监测方法 | |
CN110718068B (zh) | 一种道路监控摄像机安装角度估计方法 | |
CN113591597A (zh) | 一种基于热成像的智慧治安信息系统 | |
CN112800950A (zh) | 一种基于深度学习的大型安保活动人脸搜索方法 | |
CN114812403A (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 | |
CN112734637B (zh) | 一种导线温度监测的热红外图像处理方法和系统 | |
CN116958841B (zh) | 基于图像识别的配电线路无人机巡检系统 | |
CN113947714A (zh) | 一种视频监控和遥感的多模态协同优化方法及系统 | |
CN110532725B (zh) | 基于数字图像的工程结构力学参数识别方法及系统 | |
CN104239845A (zh) | 基于红外热成像技术的双视智能图像识别和目标定位方法 | |
CN115937539A (zh) | 一种基于多信号决策的电缆井监测预警方法及系统 | |
CN209946948U (zh) | 一种pc构件的智能复检设备 | |
CN111696103B (zh) | 单跨简支梁桥在不中断交通条件下的恒载线形测绘方法 | |
CN113469949A (zh) | 一种基于地理信息的输电通道内隐患测距的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |