CN109885560B - 页岩气压裂装备红外热像监测数据的清洗方法及装置 - Google Patents
页岩气压裂装备红外热像监测数据的清洗方法及装置 Download PDFInfo
- Publication number
- CN109885560B CN109885560B CN201910136459.7A CN201910136459A CN109885560B CN 109885560 B CN109885560 B CN 109885560B CN 201910136459 A CN201910136459 A CN 201910136459A CN 109885560 B CN109885560 B CN 109885560B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- foreign matter
- infrared thermal
- thermal image
- 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.)
- Active
Links
Images
Landscapes
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明实施例提供了一种页岩气压裂装备红外热像监测数据的清洗方法及装置,其中,该方法包括:在监测对象的红外热像上设置多个预设位置;根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;清洗异物存在时间段内的红外热像数据。该方案,避免对图像整体进行运算处理,不需要考虑异物的形态并对其进行建模,有利于提高运算速度、降低运算成本、提高实时性,有利于提高识别的速度和精度;在准确、快速确定出异物存在时间段内的红外热像数据后,清洗异物存在时间段内的红外热像数据即可提高数据质量,有利于避免或减少误报警。
Description
技术领域
本发明涉及页岩气开发技术领域,特别涉及一种红外热像监测数据的清洗方法及装置。
背景技术
随着先进压裂技术的不断发展,我国页岩气的开发利用逐步走向工业化、规模化。其中,大型水力压裂技术是页岩气储层改造与增产的关键。压裂柱塞泵作为压裂车的关键设备之一,在压裂施工作业中的地位是非常重要的。其主要作用是将常压下一定粘度的压裂液转化为高压、大流量的压裂液以用于注入到地层,其性能的好坏直接影响油田压裂施工作业的技术水平。当前,我国的压裂泵产品正朝着高压、大排量和多功能性的方向发展,其安全性与可靠性也日益受到人们的关注。
红外热成像是一种将物体红外辐射转换成可见图像的技术。即物体的红外辐射通过镜头在探测器上聚焦并转换成电信号,放大并数字化后传送到信号处理器,再转换成显示器上能识别的图像。
红外热成像监测诊断技术作为一种有效的故障诊断手段,可以将被监测设备的热状态分布快速地进行红外热成像,然后对生成的红外热图像进行分析,分析过程包括图像的去噪、增强、分割等,从而对设备可能存在的隐患以及故障做出诊断分析。
然而红外热成像技术应用于页岩气压裂现场的设备监测及诊断时,常面临镜头视野内异物闯入的问题,即红外热像仪架设位置前有人员、车辆、可移动设备甚至飞行类动物等经过,其热像信号明显区别于所监测设备。这些异物产生的异常热像信号被红外热像仪捕捉、处理、传输至监测系统,易造成监测系统的误报警,且降低热像信号数据库中的数据质量。
发明内容
本发明实施例提供了一种页岩气压裂装备红外热像监测数据的清洗方法,以解决现有技术中被监测设备的红外热像数据包括异常热像信号导致的误报警、数据质量低的技术问题。该方法包括:
在监测对象的红外热像上设置多个预设位置;
根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;
清洗异物存在时间段内的红外热像数据。
本发明实施例还提供了一种页岩气压裂装备红外热像监测数据的清洗装置,以解决现有技术中被监测设备的红外热像数据包括异常热像信号导致的误报警、数据质量低的技术问题。该装置包括:
位置设置模块,用于在监测对象的红外热像上设置多个预设位置;
数据分析模块,用于根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;
数据清洗模块,用于清洗异物存在时间段内的红外热像数据。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的页岩气压裂装备红外热像监测数据的清洗方法。以解决现有技术中被监测设备的红外热像数据包括异常热像信号导致的误报警、数据质量低的技术问题。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的页岩气压裂装备红外热像监测数据的清洗方法的计算机程序。以解决现有技术中被监测设备的红外热像数据包括异常热像信号导致的误报警、数据质量低的技术问题。
在本发明实施例中,通过在监测对象的红外热像上设置多个预设位置,根据多个预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据,在识别异物存在时间段内的红外热像数据的过程中,避免对图像整体进行运算处理,不需要考虑异物的形态并对其进行建模,有利于提高运算速度、降低运算成本、提高实时性,有利于提高识别的速度和精度;在准确、快速确定出异物存在时间段内的红外热像数据后,清洗异物存在时间段内的红外热像数据即可提高数据质量,有利于避免或减少误报警。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1是本发明实施例提供的一种页岩气压裂装备红外热像监测数据的清洗方法的流程图;
图2是本发明实施例提供的一种异物闯入视野的情况示意图1;
图3是本发明实施例提供的一种异物闯入的情况示意图2;
图4是本发明实施例提供的一种异物闯入的情况示意图3
图5是本发明实施例提供的一种正常情况下压裂柱塞泵红外热像的示意图;
图6是本发明实施例提供的一种异物闯入情况下压裂柱塞泵红外热像的示意图;
图7是本发明实施例提供的一种红外热像图帧序图及预设位置的示意图;
图8是本发明实施例提供的一种第384列帧序图温度值曲线示意图;
图9是本发明实施例提供的一种第1列帧序图温度值曲线示意图;
图10是本发明实施例提供的一种第384列帧序图相异度曲线示意图;
图11是本发明实施例提供的一种第1列帧序图相异度曲线示意图;
图12是本发明实施例提供的一种清洗后第1列帧序图温度值曲线示意图;
图13是本发明实施例提供的一种清洗后第384列帧序图温度值曲线示意图;
图14是本发明实施例提供的一种计算机设备的结构框图;
图15是本发明实施例提供的一种页岩气压裂装备红外热像监测数据的清洗装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在本发明实施例中,提供了一种页岩气压裂装备红外热像监测数据的清洗方法,如图1所示,该方法包括:
步骤102:在监测对象的红外热像上设置多个预设位置;
步骤104:根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;
步骤106:清洗异物存在时间段内的红外热像数据。
由图1所示的流程可知,在本发明实施例中,通过在监测对象的红外热像上设置多个预设位置,根据多个预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据,在识别异物存在时间段内的红外热像数据的过程中,避免对图像整体进行运算处理,不需要考虑异物的形态并对其进行建模,有利于提高运算速度、降低运算成本、提高实时性,有利于提高识别的速度和精度;在准确、快速确定出异物存在时间段内的红外热像数据后,清洗异物存在时间段内的红外热像数据即可提高数据质量,有利于避免或减少误报警。
具体实施时,上述监测对象可以是页岩气开发现场、待监测设备或任意可以通过红外热像监测的对象。
具体实施时,上述异物可以是人员、车辆、可移动设备、飞行类动物等任意监测对象之外进入红外热像的物体。
具体实施时,为了分析识别出异物存在时间段内的红外热像数据,需要识别出异物存在的时间段,即需要确定出异物闯入时间和异物离开时间,现有技术中关于图像运动目标跟踪的方法(如基于人体模型法、基于特征法、基于区域法、基于运动法、基于活动轮廓法等)均是对图像整体进行运算处理,本申请发明人发现,当红外热像图像素点较多时,运算速度较慢,运算成本过高,实时性差;且闯入物体形态、大小、移动速度均无法预测,现有技术中常规的建模技术无法保证追踪的实时性及完整性。因此,现有技术中关于图像运动目标跟踪的方法并不适合用于红外热像监测数据识别异物,本申请发明人提出上述页岩气压裂装备红外热像监测数据的清洗方法,基于红外热像上预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据,有利于提高运算速度、降低运算成本、提高实时性,不需要考虑异物的形态并对其进行建模,有利于提高识别的速度和精度。
具体实施时,在本实施例中,可以在监测对象的红外热像的边缘处设置多个预设位置;例如,预设位置分别设置在红外热像的上边缘、下边缘、左边缘、右边缘处,用于判别记录异物从镜头上、下、左、右闯入视野的时刻,或者,可以在监测对象的红外热像的边缘和中线处设置多个预设位置,例如,预设位置分别设置在红外热像的上边缘、下边缘、左边缘、右边缘以及中线处,用于判别记录异物从镜头上、下、左、右闯入视野的时刻,以及经过镜头视野正中央的时刻。
具体实施时,通过以下步骤根据多个预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据:
针对每个预设位置,在每帧图像中采集该预设位置的数据,将在各帧图像中采集的该预设位置的数据按照帧序组成数据向量,得到该预设位置的数据向量,其中,该预设位置的数据向量为周期图像,不同周期图像表示不同帧图像中该预设位置在不同时间的温度情况;
例如,已知红外热像信号是以数据矩阵Xm×n的形式存储于系统当中,m为行数,n为列数,共有m×n个像素点,则第i帧图像的数据矩阵如式1所示:
其中,i为图像的帧序数,m为像素点行数,n为像素点列数。
数据矩阵的第1行对应于选定的上边缘的预设位置,第m行对应于选定的下边缘的预设位置,第1列对应于选定的左边缘的预设位置,第n列对应于选定的右边缘的预设位置,其它行、列分别对应于各选定的预设位置。
将红外热像仪拍摄的热像视频(共t帧)按帧序排列,即从第一帧图、第二帧图直至最后一帧图按顺序排列,则其数据矩阵V为:
其中,Xi为第i帧图的数据矩阵,i=1,2,……,t。
针对每个预设位置,抽取每帧图中该同一预设位置的数据,该数据包括行数据和列数据,得到共t个数据行/列向量,按帧序组成数据向量P。或在数据矩阵V中选取对应的行/列数据,命名为向量P′。
其中,为第i帧图中的第n列,为第i帧图中的第m行。即P共有m×t个数据元素,P′共有n×t个数据元素。则P(或P′)的数据曲线是一个以m(或以n)为周期的周期图像,各周期图像的形态相似或有缓慢变化(各周期图像反映的是该同一预设位置在不同时间(即不同帧图像对应的时间)的温度情况)。
针对各预设位置的数据向量的同一周期图像(即针对同一帧图像中不同预设位置的图像),仅存在当前周期图像与前一周期图像的相似度小于预设阈值时(或当前周期图像与前一周期图像的相异度大于预设阈值),确定异物闯入当前周期图像(即异物闯入红外热像仪的视野),将当前周期(即当前周期图像对应的帧图像的时间)确定为异物闯入时间;仅存在当前周期图像与后一周期图像的相似度小于预设阈值时(或当前周期图像与后一周期图像的相异度大于预设阈值),确定异物离开当前周期图像(即异物离开红外热像仪的视野),将当前周期确定为异物离开时间,异物闯入时间至异物离开时间的时间段内异物存在红外热像内。
例如,当某一时刻有异物闯入,红外热像仪的第i帧图像将拍摄到这一画面,即异物经过第i帧图像中的某个或某几个预设位置。异物经过预设位置时,由于异物的热像信号区别于监测对象的热像信号,会引起预设位置对应数据曲线的异常变化,即当前周期图像(即第i帧图像中该预设位置的数据)与前一周期图像(即第i-1帧图像中该预设位置的数据)的相似度小于预设阈值,或当前周期图像与前一周期图像的差异度大于预设阈值,确定异物闯入当前周期图像,将当前周期的时间点确定为异物闯入时间;当某一时刻异物移出镜头,红外热像仪的第i帧图像将拍摄到这一画面,即异物离开第i帧图像中的某个或某几个预设位置。异物离开预设位置时,由于异物的热像信号区别于监测对象的热像信号,会引起预设位置对应数据曲线的异常变化,即当前周期图像(即第i帧图像中该预设位置的数据)与后一周期图像(即第i+1帧图像中该预设位置的数据)的相似度小于预设阈值,或当前周期图像与后一周期图像的差异度大于预设阈值,确定异物离开当前周期图像,将当前周期的时间点确定为异物离开时间。
具体实施时,红外热像仪的视野如图2所示的矩阵框,是具有特定宽度、长度的矩形。异物用如图2所示的不同标号的圆形表示,不同标号表示异物进出视野的不同种轨迹;以视野的上边界、下边界、左边界以及右边界为预设位置为例,无需考虑异物大小、形态、移动的速度,异物只要进入(或离开)红外热像图视野,必然经过上、下、左、右至少一个边界。而红外热像图每秒采集n帧图像,因而从时间上来讲,红外热像信号不是以秒为单位连续的,而是以1/n秒为间隔的。
例如,异物进入视野的情况可以有如下几种:
1、单边界进入:如图2中标号为1的圆形所示,从右边界进入视野,从左或上边界移出视野,左(上边界)、右两个边界的数据向量会发生异常变化(图2中加粗线段部分的数据发生异常变化,该异常变化可以用相似度或相异度来衡量,通过上述页岩气压裂装备红外热像监测数据的清洗方法根据该异常变化即可识别出哪一帧图像周期时异物闯入、哪一帧图像周期时异物移出);从其它边界移出也会发生相似变化。
2、两边界进入:如图2中标号为2的圆形所示,异物从右下角进入视野,从左上角移出视野,则右边界的数据向量也至少会有一小段发生异常变化(加粗线段部分的数据发生变化);
3、三边界进入:如图3中标号为3的圆形所示,超大型圆同时从上、右、下边界同时进入视野,但右边界也存在数据向量的异常变化(加粗线段部分的数据发生变化);
4、四边界进入:如图4中标号为4的圆形所示,超大型异物一瞬间完整覆盖了镜头视野,即同时影响了上、下、左、右四个边界,此时加粗线段部分的数据会发生变化。
理论上来说,超大型异物进入视野需要一个过程(即便速度再快,也需要从左到右、从上到下依次经过边界),接触各个边界的时间会有先后,但对于红外热像仪来说,每隔1/n秒采集一个图像,如果异物移动速度过快,红外热像仪将无法分辨并记录异物的存在。所以红外热像图中速度较快的超大型异物进入视野时,上、下、左、右四个边界的数据是同时发生变化,共同说明在当前图像的这一帧,有异物存在于视野中。
如果超大型异物移动速度很慢,以红外热像图可以分辨的速度依次通过各边界,则转化为三边界进入、二边界进入或一边界进入的情况。
当数据向量P的第i个周期曲线形态发生变化时,其变化程度可通过与第i-1个周期曲线形态的对比得到的相似度来度量,如式(4)所示:
也可用式(5)简单计算相异度θ来度量:
其中,X为数据向量P当前周期的数据,Y为数据向量P前一周期数据(或后一周期数据),D(X)为X的方差,D(Y)为Y的方差,Cov(X,Y)为X,Y的协方差。
具体实施时,当异物进一步移动,在第i+1帧图像中可观察到异物进入镜头视野的部分增多,增多的部分于该时刻经过预设位置,因此,预设位置对应数据向量的曲线发生异常变化,且异常变化的数据点数可以反映异物该时刻的纵向或横向尺寸,即新进入镜头视野部分的纵向或横向尺寸。在预设位置对应数据向量P的数据曲线中表现为图像周期性进一步发生改变,第i+1个周期的数据曲线形态明显区别于第i-1个周期的数据曲线形态。以此类推,随着图像不断移入视野,陆续进入的异物部分相继通过预设位置,引起数据曲线形态变化,直至物体完全进入视野。
具体的,在本实施例中,在异物闯入时间存在当前周期图像与前一周期图像的相似度小于预设阈值的预设位置为异物闯入红外热像经由的预设位置,针对该预设位置,从异物闯入时间开始,根据该预设位置的数据向量P发生形态变化(即明显区别于第i-1个周期的数据曲线形态,该形态变化可以用相似度或差异度来衡量)的数据点的个数计算异物的尺寸。
具体实施时,在本实施例中,还可以识别异物的运动轨迹,例如,在异物闯入时间至异物离开时间的时间段内,根据各预设位置的数据向量的形态发生变化的先后顺序,确定异物的运动轨迹。
具体实施时,分析识别出异物存在时间段内的红外热像数据之后,在监测对象的红外热像中删除异物存在时间段内的红外热像数据,将前后数据段合并,组成新的数据集,即完成数据清洗,清洗后的红外热像数据即可传送至监测报警系统,以便监测报警系统监测红外热像数据。
下面结合具体的示例,详细介绍上述页岩气压裂装备红外热像监测数据的清洗方法。监测对象以压裂柱塞泵为例,附图5为正常情况下压裂柱塞泵的红外热像图,像素点数为288×384。当有人(异物)进入镜头视野,并迅速穿过,如附图6所示。
异物闯入时红外热像仪的帧序图如附图7所示(第60—67帧,对应像素点为第16992—19296个)。选定右边界为特殊位置(即上述预设位置)1,左边界为特殊位置2,异物由右边界进入,即先通过帧序图第384个数据列,后经过第1个数据列。则第384列帧序图如附图8所示,第1列帧序图如附图9所示。以第384列帧序图正常情况下一个数据周期的数据为基准做相异度曲线如附图10所示,以第1列帧序图正常情况下一个数据周期的数据为基准做相异度曲线如附图11所示。
由附图10可知,第17100个像素点处有较大的相异度,对应于第60帧图,则判定此处有异物进入,由附图7可知,第60帧图处人的小腿已经进入镜头视野,则判定准确。第18110个像素点处开始相异度减小,对应于第63帧图,由图附图7可知,第63帧图中人的身体已经完整进入镜头视野,第64帧图中,右边界处已经没有异物存在,则判定准确。
由附图11可知,第18281个像素点处有较大的相异度(即相异度大于预设阈值),对应于第64帧图,由附图7可知,第64帧图时人的小腿已经准备移出镜头视野,则判定准确。由附图11可知,第19268个像素点处开始相异度减小,对应于第66帧图,由附图7可知,第66帧图中人的身体已经准备完整移出镜头视野,第67帧图中已经没有异物存在,则判定准确。
由第384列和第1列相异度曲线可知,第60—66帧图中有异物存在,这一时段的红外热像图不能正确反映监测设备的温度情况,易造成误报警。本发明上述页岩气压裂装备红外热像监测数据的清洗方法能够正确识别出异物闯入的时间,即识别出需要清洗的异常数据位置。
将识别出的像素点数转化为帧数,反馈给监测系统。监测系统搜索相应帧数的红外热像信号数据矩阵将其删除,并将保留的数据矩阵合并,则完成数据清洗,清洗后的数据如附图12、附图13所示。
在本实施例中,提供了一种计算机设备,如图14所示,包括存储器1402、处理器1404及存储在存储器上并可在处理器上运行的计算机程序,处理器执行所述计算机程序时实现上述任意的页岩气压裂装备红外热像监测数据的清洗方法。
具体的,该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的页岩气压裂装备红外热像监测数据的清洗方法的计算机程序。
具体的,计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读存储介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
基于同一发明构思,本发明实施例中还提供了一种页岩气压裂装备红外热像监测数据的清洗装置,如下面的实施例所述。由于页岩气压裂装备红外热像监测数据的清洗装置解决问题的原理与页岩气压裂装备红外热像监测数据的清洗方法相似,因此页岩气压裂装备红外热像监测数据的清洗装置的实施可以参见页岩气压裂装备红外热像监测数据的清洗方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图15是本发明实施例的页岩气压裂装备红外热像监测数据的清洗装置的一种结构框图,如图15所示,该装置包括:
位置设置模块1502,用于在监测对象的红外热像上设置多个预设位置;
数据分析模块1504,用于根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;
数据清洗模块1506,用于清洗异物存在时间段内的红外热像数据。
在一个实施例中,所述位置设置模块,用于在监测对象的红外热像的边缘处设置多个预设位置;或,在监测对象的红外热像的边缘和中线处设置多个预设位置。
在一个实施例中,所述数据分析模块,包括:
数据采集单元,用于针对每个预设位置,在每帧图像中采集该预设位置的数据,将在各帧图像中采集的该预设位置的数据按照帧序组成数据向量,得到该预设位置的数据向量,其中,该预设位置的数据向量为周期图像,不同周期图像表示该预设位置在不同时间的温度情况;
数据分析单元,用于针对各预设位置的数据向量的同一周期图像,仅存在当前周期图像与前一周期图像的相似度小于预设阈值时,确定异物闯入当前周期图像,将当前周期确定为异物闯入时间;仅存在当前周期图像与后一周期图像的相似度小于预设阈值时,确定异物离开当前周期图像,将当前周期确定为异物离开时间,异物闯入时间至异物离开时间的时间段内异物存在红外热像内。
在一个实施例中,还包括:
尺寸分析模块,用于在异物闯入时间存在当前周期图像与前一周期图像的相似度小于预设阈值的预设位置为异物闯入红外热像经由的预设位置,针对该预设位置,从异物闯入时间开始,根据该预设位置的数据向量发生形态变化的数据点的个数计算异物的尺寸。
在一个实施例中,还包括:
轨迹确定模块,用于在异物闯入时间至异物离开时间的时间段内,根据各预设位置的数据向量的形态发生变化的先后顺序,确定异物的运动轨迹。
在一个实施例中,所述数据清洗模块,用于在监测对象的红外热像中删除异物存在时间段内的红外热像数据。
本发明实施例实现了如下技术效果:通过在监测对象的红外热像上设置多个预设位置,根据多个预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据,在识别异物存在时间段内的红外热像数据的过程中,避免对图像整体进行运算处理,不需要考虑异物的形态并对其进行建模,有利于提高运算速度、降低运算成本、提高实时性,有利于提高识别的速度和精度;在准确、快速确定出异物存在时间段内的红外热像数据后,清洗异物存在时间段内的红外热像数据即可提高数据质量,有利于避免或减少误报警。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种页岩气压裂装备红外热像监测数据的清洗方法,其特征在于,包括:
在监测对象的红外热像上设置多个预设位置;
根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;
清洗异物存在时间段内的红外热像数据;
根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据,包括:
针对每个预设位置,在每帧图像中采集该预设位置的数据,将在各帧图像中采集的该预设位置的数据按照帧序组成数据向量,得到该预设位置的数据向量,其中,该预设位置的数据向量为周期图像,不同周期图像表示该预设位置在不同时间的温度情况;
针对各预设位置的数据向量的同一周期图像,仅存在当前周期图像与前一周期图像的相似度小于预设阈值时,确定异物闯入当前周期图像,将当前周期确定为异物闯入时间;仅存在当前周期图像与后一周期图像的相似度小于预设阈值时,确定异物离开当前周期图像,将当前周期确定为异物离开时间,异物闯入时间至异物离开时间的时间段内异物存在红外热像内。
2.如权利要求1所述的页岩气压裂装备红外热像监测数据的清洗方法,其特征在于,在监测对象的红外热像上设置多个预设位置,包括:
在监测对象的红外热像的边缘处设置多个预设位置;或
在监测对象的红外热像的边缘和中线处设置多个预设位置。
3.如权利要求1所述的页岩气压裂装备红外热像监测数据的清洗方法,其特征在于,还包括:
在异物闯入时间存在当前周期图像与前一周期图像的相似度小于预设阈值的预设位置为异物闯入红外热像经由的预设位置,针对该预设位置,从异物闯入时间开始,根据该预设位置的数据向量发生形态变化的数据点的个数计算异物的尺寸。
4.如权利要求1所述的页岩气压裂装备红外热像监测数据的清洗方法,其特征在于,还包括:
在异物闯入时间至异物离开时间的时间段内,根据各预设位置的数据向量的形态发生变化的先后顺序,确定异物的运动轨迹。
5.如权利要求1或2所述的页岩气压裂装备红外热像监测数据的清洗方法,其特征在于,清洗异物存在时间段内的红外热像数据,包括:
在监测对象的红外热像中删除异物存在时间段内的红外热像数据。
6.一种页岩气压裂装备红外热像监测数据的清洗装置,其特征在于,包括:
位置设置模块,用于在监测对象的红外热像上设置多个预设位置;
数据分析模块,用于根据多个所述预设位置处数据的变化情况,分析识别出异物存在时间段内的红外热像数据;
数据清洗模块,用于清洗异物存在时间段内的红外热像数据;
所述数据分析模块,包括:
数据采集单元,用于针对每个预设位置,在每帧图像中采集该预设位置的数据,将在各帧图像中采集的该预设位置的数据按照帧序组成数据向量,得到该预设位置的数据向量,其中,该预设位置的数据向量为周期图像,不同周期图像表示该预设位置在不同时间的温度情况;
数据分析单元,用于针对各预设位置的数据向量的同一周期图像,仅存在当前周期图像与前一周期图像的相似度小于预设阈值时,确定异物闯入当前周期图像,将当前周期确定为异物闯入时间;仅存在当前周期图像与后一周期图像的相似度小于预设阈值时,确定异物离开当前周期图像,将当前周期确定为异物离开时间,异物闯入时间至异物离开时间的时间段内异物存在红外热像内。
7.如权利要求6所述的页岩气压裂装备红外热像监测数据的清洗装置,其特征在于,所述位置设置模块,用于在监测对象的红外热像的边缘处设置多个预设位置;或,在监测对象的红外热像的边缘和中线处设置多个预设位置。
8.如权利要求6所述的页岩气压裂装备红外热像监测数据的清洗装置,其特征在于,还包括:
尺寸分析模块,用于在异物闯入时间存在当前周期图像与前一周期图像的相似度小于预设阈值的预设位置为异物闯入红外热像经由的预设位置,针对该预设位置,从异物闯入时间开始,根据该预设位置的数据向量发生形态变化的数据点的个数计算异物的尺寸。
9.如权利要求6所述的页岩气压裂装备红外热像监测数据的清洗装置,其特征在于,还包括:
轨迹确定模块,用于在异物闯入时间至异物离开时间的时间段内,根据各预设位置的数据向量的形态发生变化的先后顺序,确定异物的运动轨迹。
10.如权利要求6或7所述的页岩气压裂装备红外热像监测数据的清洗装置,其特征在于,所述数据清洗模块,用于在监测对象的红外热像中删除异物存在时间段内的红外热像数据。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的页岩气压裂装备红外热像监测数据的清洗方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5中任一项所述的页岩气压裂装备红外热像监测数据的清洗方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136459.7A CN109885560B (zh) | 2019-02-18 | 2019-02-18 | 页岩气压裂装备红外热像监测数据的清洗方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136459.7A CN109885560B (zh) | 2019-02-18 | 2019-02-18 | 页岩气压裂装备红外热像监测数据的清洗方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109885560A CN109885560A (zh) | 2019-06-14 |
CN109885560B true CN109885560B (zh) | 2021-03-23 |
Family
ID=66929145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910136459.7A Active CN109885560B (zh) | 2019-02-18 | 2019-02-18 | 页岩气压裂装备红外热像监测数据的清洗方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109885560B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095398B (zh) * | 2021-04-08 | 2022-07-12 | 西南石油大学 | 一种基于遗传算法优化的bp神经网络的压裂数据清洗方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2871610A1 (en) * | 2012-07-04 | 2015-05-13 | Repsol, S.A. | Infrared image based early detection of oil spills in water |
CN108199795A (zh) * | 2017-12-29 | 2018-06-22 | 北京百分点信息科技有限公司 | 一种设备状态的监测方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542262B (zh) * | 2012-01-04 | 2013-07-31 | 东南大学 | 一种基于高铁运行特征工况波形库的波形识别方法 |
CN104574725A (zh) * | 2013-10-28 | 2015-04-29 | 叶志锋 | 信号处理报警单元及其构成的电子围墙 |
CN108596862A (zh) * | 2018-05-29 | 2018-09-28 | 深圳点扬科技有限公司 | 用于排除红外热像全景图干扰源的处理方法 |
CN109164443A (zh) * | 2018-08-27 | 2019-01-08 | 南京微达电子科技有限公司 | 基于雷达及图像分析的铁路线路异物检测方法及系统 |
-
2019
- 2019-02-18 CN CN201910136459.7A patent/CN109885560B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2871610A1 (en) * | 2012-07-04 | 2015-05-13 | Repsol, S.A. | Infrared image based early detection of oil spills in water |
CN108199795A (zh) * | 2017-12-29 | 2018-06-22 | 北京百分点信息科技有限公司 | 一种设备状态的监测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109885560A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8630497B2 (en) | Analyzing a segment of video | |
US7822275B2 (en) | Method for detecting water regions in video | |
Bai et al. | Traffic anomaly detection via perspective map based on spatial-temporal information matrix. | |
KR102217253B1 (ko) | 행동패턴 분석 장치 및 방법 | |
CN111881853B (zh) | 一种超大桥隧中异常行为识别方法和装置 | |
US10853949B2 (en) | Image processing device | |
KR102185225B1 (ko) | 딥러닝 및 데이터 결합을 이용한 싱크홀 탐지방법 및 이를 이용한 싱크홀 탐지시스템 | |
CN111091025B (zh) | 图像处理方法、装置和设备 | |
CN105469380A (zh) | 对于对象的遮挡进行检测的方法和装置 | |
CN106056034A (zh) | 利用压力传感器的客体识别方法及客体识别装置 | |
CN109885560B (zh) | 页岩气压裂装备红外热像监测数据的清洗方法及装置 | |
KR20090044957A (ko) | 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법 | |
CN115929404A (zh) | 煤矿巷道的监测方法、装置和煤矿巷道的检测系统 | |
KR102493652B1 (ko) | 불꽃 및 연기 자동 감지 방법 및 이를 이용하는 확장 cnn 기반의 감시 시스템 | |
Heinrich et al. | Yield prognosis for the agrarian management of vineyards using deep learning for object counting | |
JP7327645B2 (ja) | 画像処理装置、画像処理システム、画像処理方法、および画像処理プログラム | |
Skladchykov et al. | Application of YOLOX deep learning model for automated object detection on thermograms | |
CN112053382A (zh) | 出入口监测方法、设备及计算机可读存储介质 | |
CN115661735A (zh) | 一种目标物检测方法、装置和计算机可读存储介质 | |
Irvine et al. | Video image quality analysis for enhancing tracker performance | |
KR102546598B1 (ko) | 이상 상황 감지 장치 및 방법 | |
CN113888599A (zh) | 基于标签统计和结果后处理的目标检测系统运行时监测方法 | |
CN111967403B (zh) | 视频移动区域确定方法、装置及电子设备 | |
CN110956644B (zh) | 一种运动轨迹确定方法及系统 | |
CN104268901B (zh) | 基于线阵图像传感器的高速运动物体检测处理方法和系统 |
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 |