CN110728679A - 一种管接头漏水智能监测方法 - Google Patents

一种管接头漏水智能监测方法 Download PDF

Info

Publication number
CN110728679A
CN110728679A CN201911011532.4A CN201911011532A CN110728679A CN 110728679 A CN110728679 A CN 110728679A CN 201911011532 A CN201911011532 A CN 201911011532A CN 110728679 A CN110728679 A CN 110728679A
Authority
CN
China
Prior art keywords
pipe joint
image data
area
time
intelligent monitoring
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
CN201911011532.4A
Other languages
English (en)
Inventor
陶铁之
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.)
Hefei Sheng Dong Mdt Infotech Ltd
Original Assignee
Hefei Sheng Dong Mdt Infotech Ltd
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 Hefei Sheng Dong Mdt Infotech Ltd filed Critical Hefei Sheng Dong Mdt Infotech Ltd
Priority to CN201911011532.4A priority Critical patent/CN110728679A/zh
Publication of CN110728679A publication Critical patent/CN110728679A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
    • G01M3/2853—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipe joints or seals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Examining Or Testing Airtightness (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种管接头漏水智能监测方法，包括以下步骤：（1）、采集一段时间内管接头及其周围区域的图像数据；（2）、将采集时间段分割为多个时间帧得到每个时间帧的图像数据；（3）、从每个时间帧的图像数据中分别识别并分割出管接头正下方区域图像数据；（4）、从每个管接头正下方区域图像数据进行特征分析，判断是否存在水滴，并将各个存在水滴的图像数据对应的时间帧累计相加，得到累计时间值；（5）、将累计时间值与预设时间阈值进行比较，判断是否存在漏水现象。本发明数据采集方式简单，数据利用率高，数据识别方法可靠性高，能够实现对管接头是否漏水的智能化判断。

Description

一种管接头漏水智能监测方法
技术领域
本发明涉及智能监测方法领域，具体是一种管接头漏水智能监测方法。
背景技术
管接头是家用水路系统中不可缺少的部件，其水密封性影响较大，若管接头漏水，不仅会造成资源的浪费，还有可能对其他电气设备等造成损害。目前，对于家用管接头的漏水判断主要依靠人工观察判断，尚没有可靠的设备和方法。
发明内容 本发明的目的是提供一种管接头漏水智能监测方法，以实现对管接头漏水的智能监测判断。
为了达到上述目的，本发明所采用的技术方案为：
一种管接头漏水智能监测方法，其特征在于：包括以下步骤：
（1）、采集一段时间内管接头及其周围区域的图像数据；
（2）、将步骤（1）中采集时间段分割为多个时间帧，并对应得到每个时间帧的图像数据；
（3）、从步骤（2）得到的每个时间帧的图像数据中，分别识别管接头及管接头正下方区域的图像数据，然后将管接头正下方区域图像数据进行分割，得到单独的管接头正下方区域图像数据；
（4）、对每个管接头正下方区域图像数据进行特征分析，判断是否存在灰度差异明显的目标区域，并将各个存在灰度差异明显的目标区域的图像数据对应的时间帧累计相加，得到累计时间值；
（5）、将累计时间值与预设时间阈值进行比较，若累计时间值大于预设阈值，则判断为存在漏水现象。
所述的一种管接头漏水智能监测方法，其特征在于：步骤（1）中，采用摄像头对管接头及其周围区域进行图像采集，并将采集的图像进行灰度化，得到图像数据。
所述的一种管接头漏水智能监测方法，其特征在于：步骤（3）中，预先在管接头表面涂覆涂层，根据涂层颜色对应的灰度值识别管接头区域，并检测得到管接头区域的轮廓，通过管接头区域的轮廓识别出管接头正下方区域，然后将管接头正下方区域的图像数据单独分割出来。
所述的一种管接头漏水智能监测方法，其特征在于：步骤（4）中，在每个管接头正下方区域图像数据中，识别呈现边界灰度不连续特征的小区域作为目标区域，该目标区域即为水滴。
本发明基于图像处理技术，首先采集管接头图像数据，然后根据管接头漏水形成水滴的特征，从图像数据中识别判断是否存在水滴，并将存在水滴的时间与预设阈值进行比较，从而判断是否存在漏水问题。本发明数据采集方式简单，采集的图像数据可作他用，数据利用率高，数据识别方法可靠性高，能够实现对管接头是否漏水的智能化判断。
附图说明
图1为本发明流程框图。
具体实施方式
如图1所示，一种管接头漏水智能监测方法，包括以下步骤：
（1）、采集一段时间内管接头及其周围区域的图像数据；
（2）、将步骤（1）中采集时间段分割为多个时间帧，并对应得到每个时间帧的图像数据；
（3）、从步骤（2）得到的每个时间帧的图像数据中，分别识别管接头及管接头正下方区域的图像数据，然后将管接头正下方区域图像数据进行分割，得到单独的管接头正下方区域图像数据；
（4）、对每个管接头正下方区域图像数据进行特征分析，判断是否存在灰度差异明显的目标区域，并将各个存在灰度差异明显的目标区域的图像数据对应的时间帧累计相加，得到累计时间值；
（5）、将累计时间值与预设时间阈值进行比较，若累计时间值大于预设阈值，则判断为存在漏水现象。
本发明步骤（1）中，采用摄像头对管接头及其周围区域进行图像采集，并将采集的图像进行灰度化，得到图像数据。
本发明步骤（3）中，预先在管接头表面涂覆涂层，根据涂层颜色对应的灰度值识别管接头区域，并检测得到管接头区域的轮廓，通过管接头区域的轮廓识别出管接头正下方区域，然后将管接头正下方区域的图像数据单独分割出来。
本发明步骤（4）中，在每个管接头正下方区域图像数据中，识别呈现边界灰度不连续特征的小区域作为目标区域，该目标区域即为水滴。
本发明所述的实施例仅仅是对本发明的优选实施方式进行的描述，并非对本发明构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中工程技术人员对本发明的技术方案作出的各种变型和改进，均应落入本发明的保护范围，本发明请求保护的技术内容，已经全部记载在权利要求书中。

Claims (4)

1.一种管接头漏水智能监测方法，其特征在于：包括以下步骤：
（1）、采集一段时间内管接头及其周围区域的图像数据；
（2）、将步骤（1）中采集时间段分割为多个时间帧，并对应得到每个时间帧的图像数据；
（3）、从步骤（2）得到的每个时间帧的图像数据中，分别识别管接头及管接头正下方区域的图像数据，然后将管接头正下方区域图像数据进行分割，得到单独的管接头正下方区域图像数据；
（4）、对每个管接头正下方区域图像数据进行特征分析，判断是否存在灰度差异明显的目标区域，并将各个存在灰度差异明显的目标区域的图像数据对应的时间帧累计相加，得到累计时间值；
（5）、将累计时间值与预设时间阈值进行比较，若累计时间值大于预设阈值，则判断为存在漏水现象。
2.根据权利要求1所述的一种管接头漏水智能监测方法，其特征在于：步骤（1）中，采用摄像头对管接头及其周围区域进行图像采集，并将采集的图像进行灰度化，得到图像数据。
3.根据权利要求1或2所述的一种管接头漏水智能监测方法，其特征在于：步骤（3）中，预先在管接头表面涂覆涂层，根据涂层颜色对应的灰度值识别管接头区域，并检测得到管接头区域的轮廓，通过管接头区域的轮廓识别出管接头正下方区域，然后将管接头正下方区域的图像数据单独分割出来。
4.根据权利要求1或2所述的一种管接头漏水智能监测方法，其特征在于：步骤（4）中，在每个管接头正下方区域图像数据中，识别呈现边界灰度不连续特征的小区域作为目标区域，该目标区域即为水滴。
CN201911011532.4A 2019-10-23 2019-10-23 一种管接头漏水智能监测方法 Pending CN110728679A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911011532.4A CN110728679A (zh) 2019-10-23 2019-10-23 一种管接头漏水智能监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911011532.4A CN110728679A (zh) 2019-10-23 2019-10-23 一种管接头漏水智能监测方法

Publications (1)

Publication Number Publication Date
CN110728679A true CN110728679A (zh) 2020-01-24

Family

ID=69221845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911011532.4A Pending CN110728679A (zh) 2019-10-23 2019-10-23 一种管接头漏水智能监测方法

Country Status (1)

Country Link
CN (1) CN110728679A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114600759A (zh) * 2022-03-14 2022-06-10 培黎职业学院 一种马铃薯栽培方法以及控制系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07210784A (ja) * 1994-01-20 1995-08-11 Hitachi Ltd 監視装置
US20110018996A1 (en) * 2009-07-23 2011-01-27 Mian Zahid F Area Monitoring for Detection of Leaks and/or Flames
CN102589808A (zh) * 2012-01-16 2012-07-18 苏州临点三维科技有限公司 大型隧道渗水点测量方法
KR101672383B1 (ko) * 2016-05-03 2016-11-03 지에스건설 주식회사 실시간 관망 해석 및 누수 탐지 장치, 방법 및 프로그램
CN106845434A (zh) * 2017-02-09 2017-06-13 东华大学 一种基于支持向量机的图像型机房漏水监测方法
CN107833221A (zh) * 2017-11-29 2018-03-23 武汉大学 一种基于多通道特征融合和机器学习的漏水监测方法
CN108596128A (zh) * 2018-04-28 2018-09-28 京东方科技集团股份有限公司 对象识别方法、装置及存储介质
CN109268928A (zh) * 2018-09-12 2019-01-25 长安大学 一种供热监控系统
CN109620022A (zh) * 2018-12-04 2019-04-16 余姚市腾翔电子科技有限公司 智能化双喷头淋浴系统
CN109738137A (zh) * 2019-01-02 2019-05-10 山东交通学院 基于图像对比的土石坝渗漏实时监测与快速诊断方法
CN110173627A (zh) * 2019-06-03 2019-08-27 山东建筑大学 一种太阳能系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07210784A (ja) * 1994-01-20 1995-08-11 Hitachi Ltd 監視装置
US20110018996A1 (en) * 2009-07-23 2011-01-27 Mian Zahid F Area Monitoring for Detection of Leaks and/or Flames
CN102589808A (zh) * 2012-01-16 2012-07-18 苏州临点三维科技有限公司 大型隧道渗水点测量方法
KR101672383B1 (ko) * 2016-05-03 2016-11-03 지에스건설 주식회사 실시간 관망 해석 및 누수 탐지 장치, 방법 및 프로그램
CN106845434A (zh) * 2017-02-09 2017-06-13 东华大学 一种基于支持向量机的图像型机房漏水监测方法
CN107833221A (zh) * 2017-11-29 2018-03-23 武汉大学 一种基于多通道特征融合和机器学习的漏水监测方法
CN108596128A (zh) * 2018-04-28 2018-09-28 京东方科技集团股份有限公司 对象识别方法、装置及存储介质
CN109268928A (zh) * 2018-09-12 2019-01-25 长安大学 一种供热监控系统
CN109620022A (zh) * 2018-12-04 2019-04-16 余姚市腾翔电子科技有限公司 智能化双喷头淋浴系统
CN109738137A (zh) * 2019-01-02 2019-05-10 山东交通学院 基于图像对比的土石坝渗漏实时监测与快速诊断方法
CN110173627A (zh) * 2019-06-03 2019-08-27 山东建筑大学 一种太阳能系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEN ZHIGANG; XU XU; DU XIAOLEI; ZHANG JUNLING; ZHANG NAN: "Leakage Detection in Pipelines Based on Synchrosqueezed Wavelet Transform", 2019 CHINESE CONTROL AND DECISION CONFERENCE (CCDC), 12 September 2019 (2019-09-12) *
张海峰: "基于dsPIC30F6014处理器漏水探测仪的设计及实现", 中国优秀硕士学位论文全文数据库, 15 January 2014 (2014-01-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114600759A (zh) * 2022-03-14 2022-06-10 培黎职业学院 一种马铃薯栽培方法以及控制系统

Similar Documents

Publication Publication Date Title
CN106599890B (zh) 变电站巡检机器人数字式仪表识别算法
CN111179232A (zh) 基于图像处理的钢筋尺寸检测系统及方法
CN105405142A (zh) 一种玻璃面板的边缺陷检测方法及系统
KR20190066789A (ko) 딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템
CN108335294A (zh) 复杂条件下的配电房异常状态图像识别方法
CN105718964B (zh) 一种输电线防振锤的视觉检测方法
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
CN115222736B (zh) 一种基于霍夫空间的钢管生产质量检测方法
CN112669287A (zh) 基于图像识别的电气设备温度监测方法
CN112419261A (zh) 具有异常点去除功能的视觉采集方法及装置
CN110378866B (zh) 一种基于无人机巡检的渠道衬砌破损图像识别方法
CN110728679A (zh) 一种管接头漏水智能监测方法
CN111079852A (zh) 一种输电线路绝缘子覆冰厚度侦测方法
CN111626104B (zh) 一种基于无人机红外热像的电缆隐患点检测方法和装置
CN103425958A (zh) 一种视频中不动物检测的方法
CN106530292B (zh) 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法
WO2005008223A3 (en) Methods for defect detection and process monitoring based on sem images
CN110207783A (zh) 一种基于视频识别的检测水位方法
CN112351247A (zh) 一种基于图像处理的水电厂内电光闪光检测方法
CN102006455A (zh) 基于视频的智能河道监控系统
CN107507214A (zh) 获取货物图像的方法和装置
CN113781513B (zh) 一种电厂供水管道泄漏检测方法及系统
CN108363958B (zh) 一种基于高分辨率光学遥感影像的油罐检测方法
CN109272480B (zh) 一种不相溶溶液分界线的检测方法
CN114283126B (zh) 一种输电线路监控设备偏移检测方法

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