CN109816656A - 一种火电厂负压侧系统漏点精确定位方法 - Google Patents
一种火电厂负压侧系统漏点精确定位方法 Download PDFInfo
- Publication number
- CN109816656A CN109816656A CN201910105715.6A CN201910105715A CN109816656A CN 109816656 A CN109816656 A CN 109816656A CN 201910105715 A CN201910105715 A CN 201910105715A CN 109816656 A CN109816656 A CN 109816656A
- Authority
- CN
- China
- Prior art keywords
- image
- leak source
- value
- gray
- negative pressure
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Image Processing (AREA)
Abstract
一种火电厂负压侧系统漏点精确定位方法，其特征包括以下步骤：首先采用红外图像采集装置对火电厂负压侧系统疑似漏点位置进行红外图像拍摄，而后通过上位机处理系统读取被检测设备的红外成像视频并对进行对抽取的样本图像进行灰度化处理、去噪处理、图像增强处理，再进行移动模板法识别图像中真空漏点部位像方位置，最终对真空管道漏点位置进行精确确定；本发明相较现有方法具有定位速度快、检测效率高、较强的抗干扰能力，不会对环境造成污染，不需大量外接设备，现场携带方便，泄露区划定明显，检测时间短，检测成本低。
Description
技术领域
本发明属于火电厂负压侧系统检测技术领域，具体涉及一种火电厂负压侧系统漏点精确定位方法。
背景技术
火电厂负压侧系统是一个庞大而又比较复杂的系统,其相关设备主要由抽真空系统和密封蒸汽系统两部分组成，主要包括负压下运行的凝汽器及与之相关联的凝结水泵、循环水泵、真空泵等设备，用来建立汽轮机组凝汽器的真空状态，使蒸汽能够最大限度的把热能转变为机械能。
火电厂负压侧系统的严密性是影响汽轮机真空度的主要因素之一，是决定汽轮机经济运行的主要指标。在国家大力倡导工业节能减排前提下，提高机组真空度和保证真空严密性是提高机组循环效率和降低机组热耗率的一个主要手段。当负压侧系统存在泄漏点漏入空气时，增加了真空泵负荷，降低了凝汽器的热交换效率，使真空下降，造成汽轮机低压缸排汽压力、温度和湿度升高，甚至导致末级叶片损坏、汽水管道腐蚀和机组振动大等事故；同时低压缸蒸汽焓降将会降低，作功减少，致使机组热耗和煤耗升高。
要确保凝汽器内具有良好的真空，需要保证抽真空系统中负压系统的严密性，对抽真空系统中负压系统泄漏点的检测是至关重要的。
传统的真空系统泄漏点检测方法有：
氦气质谱仪检漏法：将氦气质谱仪吸入管道安装到运行真空泵排气口，检漏人员将氦气喷射到预判漏点位置，如果存在漏点，则氦气被吸入凝汽器，最终氦气由真空泵排气口排出，吸入系统将排出的氦气送到氦气质谱仪，内部处理后数据将在氦气质谱仪液晶显示屏上显示。氦气质谱仪检漏法缺点是现场携带不便，泄漏区域划定不明显，检测时间较长,检测成本高；超声波检漏法依据物体互相碰撞就会产生超声波干扰这一特点设计，内部首先过滤环境噪声干扰信号，然后检测一定超声波频率范围内的泄漏噪声，从而定位位置。超声波检漏法存在着易受外界因素影响，抗干扰能力较差的缺点；压降检漏法是被检件中充入规定压力的气体后，在规定测试时间内测量压力的变化，计算出漏率的方法。将被检件内部充入一定压力的气体，使被检件内外形成规定的压力差。经过适当的稳定时间后，在规定的测试周期内按一定的时间间隔读取被检件内部的压力和温度，经计算得到被检件的漏率。压降检漏法反应速度慢，检测率不高等缺点；卤素检测法操作简单，费用低，但大量使用氟利昂易对环境造成很大污染。
发明内容
本发明为克服上述现有技术所述的不足之处，提供一种火电厂负压侧系统漏点精确定位方法，能够准确确定泄漏部位，技术方案如下：
一种火电厂负压侧系统漏点精确定位方法，其特征包括以下步骤：
第一步：采用红外图像采集装置对火电厂负压侧系统疑似漏点区域进行红外图像拍摄；
第二步：上位机处理系统读取被检测设备的红外成像视频并抽取样本图像；
第三步：对第二步中抽取的样本图像进行灰度化处理、去噪处理、图像增强处理；
第四步：移动模板法识别图像中真空漏点部位像方位置；
第五步：上位机处理系统采用四分法对真空漏点位置进行精确确定。
第一步中进行图像拍摄采集时，需达到以下要求：
(1)需进行多角度拍摄，且每次角度调节后，需有25％～35％的重叠度；
(2)采用红外热像仪进行拍摄，拍摄帧频为30Hz，拍摄时间为1s；
(3)图像分辨率应高于640*480。
第二步中进行图像处理时，上位机处理系统会从每个角度拍摄的30帧红外图像中随机抽取5帧，作为该角度拍摄图像样本。
第三步中对样品图像进行灰度化处理的具体过程为，采用加权平均法对彩色红外图像进行灰度化处理，将真空漏点部位红外图像转化为灰度值在0-255之间的灰度图像，其实现方式是将彩色红外图像进行如下公式的转换：
该过程利用MATLAB建立YUV模型进行处理，常用调用形式为：
YUV＝RGB2YUV(RGB) (2)
其中R表示红色像素分量，G表示绿色像素分量，B表示蓝色像素分量，Y表示灰度图像的亮度，U、V表示色差。
第三步中对灰度化处理后的样品图像进行去噪声处理方法为，采用中值滤波与小波阈值结合的方法对已完成灰度化处理的真空漏点部位图像进行去噪处理，由于真空漏点部位图像中的噪声主要由随机噪声和脉冲噪声叠加而成，并非单一噪声，其中小波阈值法对去除随机噪声有显著效果，中值滤波法对去除脉冲噪声有显著效果；
先对图像通过中值滤波法去除脉冲噪声，其步骤为：先选定一个像素点，并做以该点为中心的邻域，对该邻域中的各像素点灰度值进行排列，最终用统计排序得出的中间值作为中心像素点的值，所用公式为：
其中{lh-y,,…,lh,…,lh+y}为数值序列{l1,l2,…,ln}中的一段，x为窗口的长度，且其值通常为奇数；
而后对图像通过小波阈值法去除随机噪声，其步骤为：对各层系数在进行小波分解后的模值与规定阈值进行比较，将比较结果进行处理，最终将处理后的系数重构，则可去除噪声，所用公式为：
其中，b的值影响阈值函数的渐近线，其取值范围为0≤b≤1；c的值可影响阈值函数的形状，其取值范围为0<c<20，阈值函数在b＝0时为软阈值函数；当b＝1时，阈值函数在c越大时越趋近于硬阈值函数，因此该阈值函数可在软、硬阈值间灵活变动。
第三步中对已完成灰度化、去噪的红外图像采用直方图均衡化的方法进行图像增强处理，以提高红外图像的对比度，便于后续的图像识别处理，其基本目的是：对导入的图像通过某种映射进行转化，使得转化后的图像是均匀的，即在每一灰度级上像素点数都大致相同，直方图均匀化函数为：
其中，W(si)为直方图定义，数字图像y(p,q)的像素总数为L，mn表示sn的频数，N表示灰度级数，mn表示第n个灰度级的的灰度，用横坐标表示灰度级，用纵坐标表示灰度值的频数。
第四步的具体操作原理为，由于真空管道内温度很高，且为负压状态，某部位存在漏点时，外部空气会向内吸入，且由于外部空气温度相对于内部来说温度相对较低，当外部空气向内吸入时会带走漏点部位的热量，导致漏点部位的温度仅略高于室温，继而与周围无漏点处产生断崖式温度差，为了实现确定真空漏点位置的像方位置的可靠性与完整性，管道上温度取值区间设有一定裕度，将该温度取值范围对应完成预处理红外图像中的灰度值0-255，建立线性函数关系，用灰度值代替表示温度，即
G＝0.85T-25.5 (7)
其中，G为灰度值，T为温度值。
第四步中进行二值化处理的操作方法，设置阈值，对抽取的5张真空漏点待检测部位红外图像进行二值化，设定某一阈值，其为断崖温差处正常温度所对应的灰度值，当灰度图中的像素点灰度值小于设定的阈值时变为0，当灰度图中的像素点灰度值大于或等于设定的阈值时变为1；
其中，灰度值与温度之间线性函数关系式中的系数以及阈值的选取可根据实际情况进行调整。
第四步中进行漏点确定的操作方法，用3*3的窗口对5张真空漏点待检测部位红外图像进行扫描，若在这5张红外图像中有3张及以上的图像中某一部位的3*3窗口内数值总数之和小于6，则该区域内疑似存在漏点；若在这5张红外图像中有3张及以上的图像中某一部位的3*3窗口内数值总数之和大于等于6，则该区域内正常无漏点存在。
第五步中进行漏点精准定位的流程方法，将待检测图像平均分成四块区域，对第四步中检测出的存在疑似漏点的相应区域进行放大，重复进行拍摄，即重复第一步至第四步的内容，以此类推，直到精确确定真空管道漏点位置。
与现有技术相比，本发明的有益效果是：
1、相对于降压检测法，本发明不需对负压侧系统形成规定的压力差，同时具有定位速度快、检测效率高。
2、相对于超声波检测法，本发明不会受到外界噪声的影响，使得本发明方法具有较强的抗干扰能力。
3、相对于氦气质谱仪检漏法，本发明不需大量外接设备，现场携带方便，泄露区划定明显，检测时间短，检测成本低。
4、相对于卤素检测法，本发明不需要大量使用氟利昂，不会对环境造成很大污染。
附图说明
图1为本发明总体流程图；
图2为本发明第三步的预处理流程图；
图3为本发明第三步中去噪的具体流程图；
图4为本发明第四步具体流程图。
具体实施方式
需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
如图1至图4所示，本发明提供了一种火电厂负压侧系统漏点定位方法，本发明实现前提为火电厂负压侧系统某部位疑似出现漏点，具体方位待确定，利用本发明中所述方法可自动识别出该真空泄露点具体方位，其技术方案如下：
一种基于红外热成像的火电厂负压侧系统漏点精确定位方法，其特征包括以下步骤：
第一步：采用红外图像采集装置对火电厂负压侧系统疑似漏点区域进行红外图像拍摄；
第二步：上位机处理系统读取被检测设备的红外成像视频并抽取样本图像；
第三步：对第二步中抽取的样本图像进行灰度化处理、去噪处理、图像增强处理；
第四步：移动模板法识别图像中真空漏点部位像方位置；
第五步：上位机处理系统采用四分法对真空管道漏点位置进行精确确定。
采用NEC AVIO H2640/H2630型红外热像仪，本发明可以在CPU为Core(TM)i5-34703.20GHz、内存4GB、Windows 7旗舰版系统上使用MATLAB7.12.0软件编程实现仿真。
第一步中进行图像拍摄采集时，需达到以下要求：
(1)需进行多角度拍摄，且每次角度调节后，需有25％～35％的重叠度；
(2)采用NEC AVIO H2640/H2630型红外热像仪进行拍摄，拍摄帧频为30Hz，拍摄时间为1s；
(3)图像分辨率应高于640*480。
第二步中进行图像处理时，上位机处理系统会从每个角度拍摄的30帧红外图像中随机抽取5帧，作为该角度拍摄图像样本。
第三步中对样品图像进行灰度化处理的具体过程为，采用加权平均法对彩色红外图像进行灰度化处理，将真空漏点部位红外图像转化为灰度值在0-255之间的灰度图像，其实现方式是将彩色红外图像进行如下公式的转换：
该过程利用MATLAB建立YUV模型进行处理，常用调用形式为：
YUV＝RGB2YUV(RGB) (2)
其中R表示红色像素分量，G表示绿色像素分量，B表示蓝色像素分量，Y表示灰度图像的亮度，U、V表示色差。
第三步中对灰度化处理后的样品图像进行去噪声处理方法为，采用中值滤波与小波阈值结合的方法对已完成灰度化处理的真空漏点部位图像进行去噪处理，由于真空漏点部位图像中的噪声主要由随机噪声和脉冲噪声叠加而成，并非单一噪声，其中小波阈值法对去除随机噪声有显著效果，中值滤波法对去除脉冲噪声有显著效果；
先对图像通过中值滤波法去除脉冲噪声，其步骤为：先选定一个像素点，并做以该点为中心的邻域，对该邻域中的各像素点灰度值进行排列，最终用统计排序得出的中间值作为中心像素点的值，所用公式为：
其中{lh-y,,...,lh,...,lh+y}为数值序列{l1,l2,...,ln}中的一段，x为窗口的长度，且其值通常为奇数；
而后对图像通过小波阈值法去除随机噪声，其步骤为：对各层系数在进行小波分解后的模值与规定阈值进行比较，将比较结果进行处理，最终将处理后的系数重构，则可去除噪声，所用公式为：
其中，b的值影响阈值函数的渐近线，其取值范围为0≤b≤1；c的值可影响阈值函数的形状，其取值范围为0<c<20，阈值函数在b＝0时为软阈值函数；当b＝1时，阈值函数在c越大时越趋近于硬阈值函数，因此该阈值函数可在软、硬阈值间灵活变动。
第三步中对已完成灰度化、去噪的红外图像采用直方图均衡化的方法进行图像增强处理，以提高红外图像的对比度，便于后续的图像识别处理，其基本目的是：对导入的图像通过某种映射进行转化，使得转化后的图像是均匀的，即在每一灰度级上像素点数都大致相同，直方图均匀化函数为：
其中，W(si)为直方图定义，数字图像y(p,q)的像素总数为L，mn表示sn的频数，N表示灰度级数，mn表示第n个灰度级的的灰度，用横坐标表示灰度级，用纵坐标表示灰度值的频数。
第四步的具体工作方法，由于真空管道内温度很高，且为负压状态，某部位存在漏点时，外部空气会向内吸入，且由于外部空气温度相对于内部来说温度相对较低，当外部空气向内吸入时会带走漏点部位的热量，导致漏点部位的温度仅略高于室温，继而与周围无漏点处产生断崖式温度差，为了实现确定真空漏点位置的像方位置的可靠性与完整性，管道上温度取值区间设有一定裕度，将该温度取值范围对应完成预处理红外图像中的灰度值0-255，建立线性函数关系，用灰度值代替表示温度，即
G＝0.85T-25.5 (7)
其中，G为灰度值，T为温度值。
第四步中进行二值化处理的操作方法，设置阈值，对抽取的5张真空漏点待检测部位红外图像进行二值化，设定某一阈值，其为断崖温差处正常温度所对应的灰度值，当灰度图中的像素点灰度值小于设定的阈值时变为0，当灰度图中的像素点灰度值大于或等于设定的阈值时变为1；
其中，灰度值与温度之间线性函数关系式中的系数以及阈值的选取可根据实际情况进行调整。
第四步中进行漏点确定的操作方法，用3*3的窗口对5张真空漏点待检测部位红外图像进行扫描，若在这5张红外图像中有3张及以上的图像中某一部位的3*3窗口内数值总数之和小于6，则该区域内疑似存在漏点；若在这5张红外图像中有3张及以上的图像中某一部位的3*3窗口内数值总数之和大于等于6，则该区域内管道正常无漏点存在。
第五步中进行漏点精准定位的流程方法，将待检测图像平均分成四块区域，对第四步中检测出的存在疑似漏点的相应区域进行放大，重复进行拍摄，即重复第一步至第四步的内容，以此类推，直到精确确定真空管道漏点位置。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细说明，领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本权利要求范围当中。
Claims (10)
1.一种火电厂负压侧系统漏点精确定位方法，其特征在于，包括以下步骤：
第一步：采用红外图像采集装置对火电厂负压侧系统疑似漏点区域进行红外图像拍摄；
第二步：上位机处理系统读取被检测设备的红外成像视频并抽取样本图像；
第三步：对第二步中抽取的样本图像进行灰度化处理、去噪处理、图像增强处理；
第四步：移动模板法识别图像中真空漏点部位像方位置；
第五步：上位机处理系统采用四分法对真空漏点位置进行精确确定。
2.根据权利要求1所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第一步中进行图像拍摄采集时，需达到以下要求：
(1)需进行多角度拍摄，且每次角度调节后，需有25％～35％的重叠度；
(2)采用红外热像仪进行拍摄，拍摄帧频为30Hz，拍摄时间为1s；
(3)图像分辨率应高于640*480。
3.根据权利要求1所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第二步中进行图像处理时，上位机处理系统会从每个角度拍摄的30帧红外图像中随机抽取5帧，作为该角度拍摄图像样本。
4.根据权利要求1所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第三步中对样品图像进行灰度化处理的具体过程为，采用加权平均法对彩色红外图像进行灰度化处理，将真空漏点部位红外图像转化为灰度值在0-255之间的灰度图像，其实现方式是将彩色红外图像进行如下公式的转换：
该过程利用MATLAB建立YUV模型进行处理，常用调用形式为：
YUV＝RGB2YUV(RGB) (2)
其中R表示红色像素分量，G表示绿色像素分量，B表示蓝色像素分量，Y表示灰度图像的亮度，U、V表示色差。
5.根据权利要求1所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第三步中对灰度化处理后的样品图像进行去噪声处理方法为，采用中值滤波与小波阈值结合的方法对已完成灰度化处理的真空漏点部位图像进行去噪处理，由于真空漏点部位图像中的噪声主要由随机噪声和脉冲噪声叠加而成，并非单一噪声，其中小波阈值法对去除随机噪声有显著效果，中值滤波法对去除脉冲噪声有显著效果；
先对图像通过中值滤波法去除脉冲噪声，其步骤为：先选定一个像素点，并做以该点为中心的邻域，对该邻域中的各像素点灰度值进行排列，最终用统计排序得出的中间值作为中心像素点的值，所用公式为：
其中{lh-y,,…,lh,…,lh+y}为数值序列{l1,l2,…,ln}中的一段，x为窗口的长度，且其值通常为奇数；
而后对图像通过小波阈值法去除随机噪声，其步骤为：对各层系数在进行小波分解后的模值与规定阈值进行比较，将比较结果进行处理，最终将处理后的系数重构，则可去除噪声，所用公式为：
其中，b的值影响阈值函数的渐近线，其取值范围为0≤b≤1；c的值可影响阈值函数的形状，其取值范围为0<c<20，阈值函数在b＝0时为软阈值函数；当b＝1时，阈值函数在c越大时越趋近于硬阈值函数，因此该阈值函数可在软、硬阈值间灵活变动。
6.根据权利要求1所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第三步中对已完成灰度化、去噪的红外图像采用直方图均衡化的方法进行图像增强处理，以提高红外图像的对比度，便于后续的图像识别处理，其基本目的是：对导入的图像通过某种映射进行转化，使得转化后的图像是均匀的，即在每一灰度级上像素点数都大致相同，直方图均匀化函数为：
其中，W(si)为直方图定义，数字图像y(p,q)的像素总数为L，mn表示sn的频数，N表示灰度级数，mn表示第n个灰度级的的灰度，用横坐标表示灰度级，用纵坐标表示灰度值的频数。
7.根据权利要求1所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第四步的具体工作方法为：管道上温度取值区间设有一定裕度，将该温度取值范围对应完成预处理红外图像中的灰度值0-255，建立线性函数关系，用灰度值代替表示温度，即
G＝0.85T-25.5 (7)
其中，G为灰度值，T为温度值。
8.根据权利要求7所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第四步中进行二值化处理的操作方法，设置阈值，对抽取的5张真空漏点待检测部位红外图像进行二值化，设定某一阈值，其为断崖温差处正常温度所对应的灰度值，当灰度图中的像素点灰度值小于设定的阈值时变为0，当灰度图中的像素点灰度值大于或等于设定的阈值时变为1；
其中，灰度值与温度之间线性函数关系式中的系数以及阈值的选取可根据实际情况进行调整。
9.根据权利要求8所述的一种火电厂负压侧系统漏点精确定位方法，其特征在于：第四步中进行漏点确定的操作方法，用3*3的窗口对5张真空漏点待检测部位红外图像进行扫描，若在这5张红外图像中有3张及以上的图像中某一部位的3*3窗口内数值总数之和小于6，则该区域内疑似存在漏点；若在这5张红外图像中有3张及以上的图像中某一部位的3*3窗口内数值总数之和大于等于6，则该区域内正常无漏点存在。
10.根据权利要求1中所述的一种基于红外热成像的火电厂负压侧系统漏点精确定位方法，其特征在于：第五步中进行漏点精准定位的流程方法，将待检测图像平均分成四块区域，对第四步中检测出的存在疑似漏点的相应区域进行放大，重复进行拍摄，即重复第一步至第四步的内容，以此类推，直到精确确定真空管道漏点位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910105715.6A CN109816656B (zh) | 2019-02-01 | 2019-02-01 | 一种火电厂负压侧系统漏点精确定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910105715.6A CN109816656B (zh) | 2019-02-01 | 2019-02-01 | 一种火电厂负压侧系统漏点精确定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109816656A true CN109816656A (zh) | 2019-05-28 |
| CN109816656B CN109816656B (zh) | 2023-06-20 |
Family
ID=66606422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910105715.6A Active CN109816656B (zh) | 2019-02-01 | 2019-02-01 | 一种火电厂负压侧系统漏点精确定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816656B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441011A (zh) * | 2019-07-30 | 2019-11-12 | 辽宁科技大学 | 一种燃气轮机空气冷却系统tca冷却器快速查漏方法 |
| CN110910385A (zh) * | 2019-12-24 | 2020-03-24 | 福建福清核电有限公司 | 一种基于图像识别的管道水平度测量系统及方法 |
| CN110957178A (zh) * | 2019-12-13 | 2020-04-03 | 四川新能电力有限公司 | 一种真空开关在线检测方法 |
| 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 |
| CN116952494A (zh) * | 2023-06-20 | 2023-10-27 | 北京朗森基科技发展有限公司 | 一种气体泄漏检测的方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101251430A (zh) * | 2008-04-14 | 2008-08-27 | 北京理工大学 | 基于红外成像技术的泄漏检测定位方法及系统 |
| CN101281079A (zh) * | 2008-05-12 | 2008-10-08 | 北京理工大学 | 基于红外成像技术的泄漏检测定位方法及系统 |
| CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
| CN103575475A (zh) * | 2012-08-09 | 2014-02-12 | 北汽福田汽车股份有限公司 | 车辆密封性检测装置及检测方法 |
| CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
| CN104995909A (zh) * | 2012-12-21 | 2015-10-21 | 菲力尔系统公司 | 时间间隔的红外图像增强 |
| 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 |
| WO2016174370A1 (fr) * | 2015-04-30 | 2016-11-03 | Ircamex | Procédé de localisation d'une fuite d'un gaz et de son point de fuite dans une scène industrielle et system de localisation d'une fuite d'un gaz correspondant |
| CN107229548A (zh) * | 2017-05-23 | 2017-10-03 | 大连理工大学 | 一种基于红外图像的服务器热故障监测及诊断方法 |
| WO2018122809A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于静态红外热像图处理的地下管廊渗漏检测方法 |
| CN108519198A (zh) * | 2018-06-11 | 2018-09-11 | 河北冀研能源科学技术研究院有限公司 | 一种封闭母线密封性能检测装置及方法 |
-
2019
- 2019-02-01 CN CN201910105715.6A patent/CN109816656B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101251430A (zh) * | 2008-04-14 | 2008-08-27 | 北京理工大学 | 基于红外成像技术的泄漏检测定位方法及系统 |
| CN101281079A (zh) * | 2008-05-12 | 2008-10-08 | 北京理工大学 | 基于红外成像技术的泄漏检测定位方法及系统 |
| CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
| CN103575475A (zh) * | 2012-08-09 | 2014-02-12 | 北汽福田汽车股份有限公司 | 车辆密封性检测装置及检测方法 |
| CN104995909A (zh) * | 2012-12-21 | 2015-10-21 | 菲力尔系统公司 | 时间间隔的红外图像增强 |
| CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
| WO2016174370A1 (fr) * | 2015-04-30 | 2016-11-03 | Ircamex | Procédé de localisation d'une fuite d'un gaz et de son point de fuite dans une scène industrielle et system de localisation d'une fuite d'un gaz correspondant |
| 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 |
| WO2018122809A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于静态红外热像图处理的地下管廊渗漏检测方法 |
| WO2018122589A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法 |
| CN107229548A (zh) * | 2017-05-23 | 2017-10-03 | 大连理工大学 | 一种基于红外图像的服务器热故障监测及诊断方法 |
| CN108519198A (zh) * | 2018-06-11 | 2018-09-11 | 河北冀研能源科学技术研究院有限公司 | 一种封闭母线密封性能检测装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 施兢业: ""基于红外图像处理的变电设备识别与热故障诊断"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441011A (zh) * | 2019-07-30 | 2019-11-12 | 辽宁科技大学 | 一种燃气轮机空气冷却系统tca冷却器快速查漏方法 |
| CN110441011B (zh) * | 2019-07-30 | 2020-11-17 | 辽宁科技大学 | 一种燃气轮机空气冷却系统tca冷却器快速查漏方法 |
| CN110957178A (zh) * | 2019-12-13 | 2020-04-03 | 四川新能电力有限公司 | 一种真空开关在线检测方法 |
| CN110910385A (zh) * | 2019-12-24 | 2020-03-24 | 福建福清核电有限公司 | 一种基于图像识别的管道水平度测量系统及方法 |
| 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 |
| CN116952494A (zh) * | 2023-06-20 | 2023-10-27 | 北京朗森基科技发展有限公司 | 一种气体泄漏检测的方法 |
| CN116952494B (zh) * | 2023-06-20 | 2024-07-19 | 北京朗森基科技发展有限公司 | 一种气体泄漏检测的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109816656B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109816656A (zh) | 一种火电厂负压侧系统漏点精确定位方法 | |
| CN111122490B (zh) | 一种室内气体泄漏信息采集方法及其装置 | |
| CN109214380B (zh) | 车牌倾斜校正方法 | |
| CN103561271B (zh) | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 | |
| CN106530271B (zh) | 一种红外图像显著性检测方法 | |
| CN110210608A (zh) | 基于注意力机制和多层次特征融合的低照度图像增强方法 | |
| CN107993258A (zh) | 一种图像配准方法及装置 | |
| CN114022383B (zh) | 一种文字图像的摩尔纹祛除方法、装置及电子设备 | |
| CN111611907B (zh) | 一种图像增强的红外目标检测方法 | |
| CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
| CN110287862A (zh) | 基于深度学习的防偷拍检测方法 | |
| Gao et al. | A mechanism and method of leak detection for pressure vessel: Whether, when, and how | |
| CN110245600B (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
| CN112580609A (zh) | 一种煤矿钻杆计数方法 | |
| CN109064479A (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
| CN117557526A (zh) | 一种铝箔封口密封性检测方法及系统和设备 | |
| CN117197197A (zh) | 目标物温度检测方法、装置、电子设备及可读存储介质 | |
| CN103561274B (zh) | 静止摄像头拍摄的运动目标被移除视频时域篡改检测方法 | |
| CN109858483B (zh) | 基于共生滤波形态学和局部熵的小目标检测方法 | |
| CN106851140A (zh) | 一种使用空域平滑滤波的数字照片图像来源识别方法 | |
| CN101616238A (zh) | 一种数码相机的数字图像认证方法 | |
| Xu et al. | A deep neural network-based intelligent detection model for manufacturing defects of automobile parts | |
| CN115760771A (zh) | 一种基于深度学习的密闭容器气密性水检方法 | |
| CN106934789A (zh) | 基于三帧差分法的包装动态检测方法及装置 | |
| US11972557B2 (en) | Vibration object monitoring method and apparatus, computer device and storage medium |
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 |