CN111047568A - 一种漏汽缺陷检测识别方法及系统 - Google Patents

一种漏汽缺陷检测识别方法及系统 Download PDF

Info

Publication number
CN111047568A
CN111047568A CN201911243109.7A CN201911243109A CN111047568A CN 111047568 A CN111047568 A CN 111047568A CN 201911243109 A CN201911243109 A CN 201911243109A CN 111047568 A CN111047568 A CN 111047568A
Authority
CN
China
Prior art keywords
steam leakage
area
visible light
image
module
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
Application number
CN201911243109.7A
Other languages
English (en)
Other versions
CN111047568B (zh
Inventor
吴涛
陈贤碧
包能胜
江惠宇
叶子豪
徐媛媛
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.)
Jiangxi Xinkang Technology Co ltd
Original Assignee
Shantou University
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 Shantou University filed Critical Shantou University
Priority to CN201911243109.7A priority Critical patent/CN111047568B/zh
Publication of CN111047568A publication Critical patent/CN111047568A/zh
Application granted granted Critical
Publication of CN111047568B publication Critical patent/CN111047568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Abstract

本发明涉及一种漏汽缺陷检测识别方法及系统，所述系统包括：可见光成像模块、红外热成像测温模块、参数输入模块、显示输出模块、报警模块、图像数据分析识别处理模块；所述方法包括：S1：将可见光成像模块与红外热成像测温模块相对位置固定；采集多帧可见光图像数据，采集红外热图数据；S2：图像数据分析识别处理模块接收可见光图像数据、红外热图数据，通过图像分析处理得到的蒸汽泄漏检测识别结果；S3：将蒸汽泄漏检测识别结果的图像和文字信息传递给显示输出模块进行显示，将蒸汽泄漏信号传递给报警模块进行报警。本发明能适用不同复杂环境的高温蒸汽泄漏检测识别。可快速完成不同复杂环境下的蒸汽泄漏检测识别。

Description

一种漏汽缺陷检测识别方法及系统
技术领域
本发明涉及高温蒸汽泄漏检测识别技术领域，更具体地，涉及一种漏汽缺陷检测识别方法及系统。
背景技术
高温蒸汽泄漏检测一般采用红外和超声波检测方法，这些方法对单一高温蒸汽管路比较有效，能实时检测到高温蒸汽泄漏并确定高温蒸汽泄漏位置。但在实际中一些复杂的高温蒸汽管路如火电站、核电站等，其管路复杂盘错，单独采用红外或者超声波仅能检测出高温蒸汽泄漏，但不能对高温蒸汽泄漏位置进行定位，也不能对高温蒸汽泄漏位置管路的破口大小进行判断，不利于高温蒸汽泄漏事故的进一步处理。近年来，出现使用红外热成像和可见光成像相结合的方式进行蒸汽泄漏定位和破口大小判断，但都需要采集所有巡检点正常状态下的红外热图和可见光图像，作为分析对比模板。
中国专利CN107992857A提出了一种高温蒸汽泄漏自动巡检识别方法及识别系统。该专利通过建立图像库；使用机器人自动巡检，利用可见光摄像机和热像仪拍摄巡检点的实时图像；对拍摄的实时图像进行双视融合分析处理，确定异常泄漏处。该专利采用可见光和红外热成像双视融合的方法，通过分析对比该环境预先拍摄的正常态参考双视融合图像，分析出是否发生高温蒸汽泄漏。该专利提出的方法需要采集所有巡检点场景正常状态的可见光图像和处理获取红外双视融合图。
中国专利CN109854964A提出了基于双目视觉的蒸汽泄漏定位系统及方法。该专利定位方法通过红外热成像测温模块和可见光摄像头成像模块分别采集视场内的温度场数据和视场内图像数据，之后，通过将前后两帧视场内的温度场数据做比较可得到蒸汽泄漏点信息、找到蒸汽泄漏区域并显示及报警。该专利将前后两帧视场内的温度场数据做比较，将当前帧与前一帧的红外热像图中温度差值超过设定的温度阈值的坐标点判定为蒸汽泄漏点。该专利提出的方法对温度阈值准确度要求较高，从而对红外热成像硬件要求高，需现场环境较为简单稳定且无其他温度变化区域。
上述高温蒸汽泄漏检测方法存在以下缺陷：
(1)缺乏复杂场景适应能力。对较为复杂现场环境，使用图像差分对比可实现提取差别区域即疑似缺陷区域。为实现所有巡检点的检测就必须在前期进行所有巡检点正常状态下的红外热图和可见光图像采集，作为分析对比图像模板。当更换场地或者现场环境发生改变，就必须重新采集巡检点正常状态下的红外热图和可见光图像，进行图像模板更新。
(2)对图像拍摄要求高。为实现实时采集图像与正常状态图像样本进行分析对比，就需要保证实时采集图像的现场环境、相机姿态、相机参数尽可能与采集正常状态图像样本时一致，否则环境光照、相机姿态及参数改变带来的亮度变换、图像畸变等问题将严重影响对比分析结果，增加误判率。
发明内容
本发明为克服上述现有技术所述的高温蒸汽泄漏检测缺乏复杂场景适应能力的缺陷，提供一种漏汽缺陷检测识别方法及系统。
所述方法包括以下步骤：
S1：将可见光成像模块与红外热成像测温模块相对位置固定，且二者的镜面相对平行；为防止采集的可见光图像和红外热图存在过大旋转偏角，偏角范围优选为：0°～10°；可见光成像模块采集可见光图像数据，红外热成像测温模块采集红外热图数据，将可见光图像数据和红外热图数据传送至图像数据分析识别处理模块。
S2：图像数据分析识别处理模块接收可见光图像数据、红外热图数据，通过图像分析处理得到蒸汽泄漏检测识别结果；
S3：将蒸汽泄漏检测识别结果的图像和文字信息传递给显示输出模块进行显示，将蒸汽泄漏信号传递给报警模块进行报警。
优选地，S2包括以下步骤：
S21：使用多帧可见光图像通过背景建模法提取动态区域作为疑似蒸汽泄漏区域，并进行蒸汽泄漏判断和识别；
S22：根据可见光图像蒸汽泄漏判断结果，使用红外热图在对应蒸汽泄漏疑似区域进行蒸汽泄漏判断和识别。
S23:综合可见光图像和红外图像判断识别结果，确定待测区域蒸汽泄漏情况；若疑似蒸汽泄漏区域均满足可见光图像形状特征及灰度特征和红外热图温度特征，则判定该疑似蒸汽泄漏区域发生蒸汽泄漏；若疑似蒸汽泄漏区域未满足可见光图像形状特征及灰度特征和红外热图温度特征其中一项或多项，则排除该疑似蒸汽泄漏区域发生蒸汽泄漏。经过可见光图像和红外图像综合判断识别，若存在蒸汽泄露区域则判定有蒸汽泄露缺陷，输出标识好蒸汽泄露区域的处理图像，并发出有蒸汽泄露报警信号；若不存在蒸汽泄漏区域则判定无蒸汽泄漏缺陷，输出拍摄原图，并发出无蒸汽泄漏信号。
优选地，S21包括以下步骤：
S211：使用背景建模法，通过多帧可见光图像提取图像变化的动态区域作为疑似蒸汽泄漏区域；若无动态区域则判定无蒸汽泄漏，输出拍摄原图，并发出无蒸汽泄漏信号；若有动态区域则继续进行蒸汽泄露判断和识别。
S212：分析疑似蒸汽泄漏区域的形状特征，包括边缘复杂度、区域高宽比；所述边缘复杂度又称为圆形度，用运动区域的面积与其周长的比值衡量轮廓的不规则度，如下公式所示：
Figure BDA0002306804050000031
式中，L为区域轮廓周长，S为区域面积。
区域轮廓越复杂，边缘复杂度的取值越高；所述区域高宽比即疑似蒸汽泄漏区域最小外接矩形的宽度和高度比值。
S213：对通过形状特征判断和筛选的疑似蒸汽泄漏区域进行区域的灰度特征分析，包括模糊周长分析；在蒸汽泄漏区域，灰度特征值大于其他区域；若无疑似蒸汽泄漏区域符合灰度特征分析则判定无蒸汽泄漏，输出拍摄原图，并发出无蒸汽泄漏信号；若有疑似蒸汽泄漏区域符合灰度特征分析则继续进行蒸汽泄露判断和识别。
优选地，S211中背景建模使用混合高斯模型提取前景动态蒸汽区域；建立混合高斯模型图像；噪声在动态区域中表现为面积小于200像素的小面积区域，使用面积筛选去除面积过小区域实现去噪。
优选地，S213中模糊周长具体实现为：
Figure BDA0002306804050000041
其中M×N为图像的大小，而μX(m,n)为模糊成员函数；
模糊成员函数实现使用Zadeh的标准S函数，该函数定义如下：
Figure BDA0002306804050000042
参数a、b和c遵循以下限制：0≤a≤255，0≤c≤255，且a≤c；
Figure BDA0002306804050000043
b为函数的拐点。
优选地，S22包括以下步骤：
S221：根据可见光图像疑似蒸汽泄漏区域筛选结果，定位红外热图中对应的可见光图像疑似蒸汽泄漏区域的图像区域；
S222：对在红外热图中定位的区域计算疑似蒸汽泄漏区域温度特征，包括温度模糊周长。
优选地，S221中所述定位的定位方法为：提取可见光图像和红外热图梯度信息，使用模板匹配方法实现图像配准，获取可见光图像和红外热图位置映射关系，即可求得红外热图中对应的可见光图像疑似蒸汽泄漏区域的位置和区域。
本发明所述系统可使用所述的漏汽缺陷检测识别方法，所述系统包括：可见光成像模块、红外热成像测温模块、参数输入模块、显示输出模块、报警模块、图像数据分析识别处理模块；
所述可见光成像模块用于采集现场可见光图像；并将可见光图像数据发送给图像数据分析识别处理模块；
所述红外热成像测温模块采集现场红外热图；并将红外热图数据发送给图像数据分析识别处理模块；
所述参数输入模块用于用户进行红外热成像测温模块及可见光成像模块参数设置、结果显示设置和报警信息设置；
所述图像数据分析识别处理模块进行可见光图像数据、红外热图数据获取和接收，通过图像分析识别处理将得到的蒸汽泄漏检测识别结果的图像、文字信息和报警信息分别传递给显示输出模块和报警模块；
所述显示输出模块进行蒸汽泄漏检测识别结果图像显示和相关信息提示；
所述报警模块根据检测识别结果向外界发出警报提示。
本发明的创新之处在于，利用蒸汽动态特性使用可见光隔帧图像进行动态区域提取疑似蒸汽泄漏区域，无需使用对比图像模板来进行疑似缺陷检测，可节省大量前期图像样本采集人力和物力；对可见光疑似区域使用多特征，包括边缘复杂度、区域高宽比、模糊周长等进行蒸汽泄漏判断，综合多特征进行疑似区域排除，提高蒸汽泄漏缺陷识别正确率；利用可见光处理获取的疑似区域通过图像配准获取位置映射关系，进行蒸汽泄漏疑似区域在红外热图中的局部图像分析，避免蒸汽泄漏量较小时周围和背景环境对红外蒸汽特征提取和识别的影响；在红外疑似蒸汽泄漏区域中，使用温度模糊周长特征对疑似区域进行判断；结合可见光疑似区域特征，进一步提高蒸汽泄漏缺陷识别正确率；使用可见光图像进行疑似蒸汽泄漏区域提取，利用蒸汽特征进行判断和排除，再在红外热图对相应疑似蒸汽泄漏区域，利用蒸汽红外特征进行判断和排除，结合可见光图像和红外图像判断结果进行蒸汽泄漏判断和识别，避免单一图像源导致部分蒸汽泄漏缺陷无法识别或识别错误率过高的情况。
与现有技术相比，本发明技术方案的有益效果是：
(1)节省大量前期图像样本采集人力和物力；无需进行对比正常状态下图像模板，对应的无需在前期消耗大量人力物力进行所有巡检点正常状态下的红外热图模板和可见光图像模板采集。
(2)降低图像拍照要求；无需进行图像样本对比，可降低图像拍摄要求，包括现场环境、相机姿态、相机参数等要求。
(3)提高蒸汽泄漏判断准确度和效率；利用可见光蒸汽特征和红外蒸汽特征进行蒸汽泄漏提取和判断。可快速高效进行蒸汽泄漏判断。
(4)能适用不同复杂环境的高温蒸汽泄漏检测识别。无需进行图像样本对比，基于现场实时环境提取蒸汽泄漏区域和判断。可快速完成不同复杂环境下的蒸汽泄漏检测识别。
附图说明
图1为实施例1所述漏汽缺陷检测识别方法的流程图。
图2为图像处理模块的图像处理流程图。
图3为实施例2所述漏汽缺陷检测识别系统的结构示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供了一种漏汽缺陷检测识别方法，如图1所示，所述方法包括以下步骤：
S1:将可见光成像模块与红外热成像测温模块相对位置固定，且二者的镜面相对平行。可见光成像模块采集多帧可见光图像数据，红外热成像测温模块采集红外热图数据。将两者数据传送图像数据分析识别处理模块。
其中，本实施例中红外热成像测温模块为红外热像仪，可见光成像模块为可见光相机。
S2：图像数据分析识别处理模块接收可见光图像数据、红外热图数据，通过图像分析处理得到的蒸汽泄漏检测识别结果。
S3：将蒸汽泄漏检测识别结果的图像和文字信息传递给显示输出模块进行显示，将蒸汽泄漏信号传递给报警模块进行报警。
进一步的，S1所述的相对平行，容许存在一定的偏角，为防止采集的可见光图像和红外热图存在过大旋转偏角，偏角范围优选为：0°～10°。
进一步的，所述S1包括，为尽可能保证红外视场与可见光视场重合，红外图像视场应包含于可见光图像视场。
如图2所示，图像模块的图像处理流程S2具体包括：
S21：使用多帧可见光图像通过背景建模法提取动态区域作为疑似蒸汽泄漏区域，并进行蒸汽泄漏判断和识别。
所述S21包括：
S211：使用背景建模法，通过多帧可见光图像提取图像变化的动态区域作为疑似蒸汽泄漏区域。若无动态区域则判定无蒸汽泄漏，输出拍摄原图，并发出无蒸汽泄漏信号；若有动态区域则继续进行蒸汽泄露判断和识别。
进一步的，所述背景建模使用混合高斯模型提取前景动态蒸汽区域。建立混合高斯模型图像张数优选2～4张。噪声在动态区域中表现为面积小于200像素的小面积区域，使用面积筛选去除面积过小区域实现去噪。
进一步的，多帧图像必须为同一视场下连续且隔帧图像。
S212：分析疑似蒸汽泄漏区域的形状特征，包括边缘复杂度、区域高宽比；所述边缘复杂度又称为圆形度，用来衡量蒸汽图像轮廓的不规则度的特征量，蒸汽在空气中会随着大气的流动逐渐地向四周扩散，它的轮廓往往不规则。用运动区域的面积与其周长的比值衡量轮廓的不规则度，计算公式如下：
Figure BDA0002306804050000071
式中，L为区域轮廓周长，S为区域面积。区域轮廓越复杂，边缘复杂度的取值越高，蒸汽泄露区域边缘复杂度一般大于1。所述区域高宽比即疑似蒸汽泄漏区域最小外接矩形的宽度和高度比值。蒸汽泄漏往往呈扇形发散，高宽比往往较小，现场中工作人员形成的高宽比相对较大。利用区域高宽比特征可排除现场工作人员对检测的影响，工作人员形成的动态区域高宽比一般大于8，蒸汽泄漏区域高宽比一般处于2～6。
S213：对通过形状特征判断和筛选的疑似蒸汽泄漏区域进行区域的灰度特征，包括模糊周长分析；在蒸汽泄漏区域，灰度特征值大于其他区域；若无疑似蒸汽泄漏区域符合灰度特征分析则判定无蒸汽泄漏，输出拍摄原图，并发出无蒸汽泄漏信号；若有疑似蒸汽泄漏区域符合灰度特征分析则继续进行蒸汽泄露判断和识别。
进一步的，所述模糊周长具体实现为：
Figure BDA0002306804050000072
其中M×N为图像的大小，而μX(m,n)为模糊成员函数。模糊成员函数实现使用Zadeh的标准S函数，该函数定义如下：
Figure BDA0002306804050000081
参数a、b和c遵循以下限制：0≤a≤255；0≤c≤255，且a≤c；
Figure BDA0002306804050000082
b为函数的拐点。在本实例中a取值为0，c取值为255。
S22:根据可见光图像蒸汽泄漏判断结果，使用红外热图在对应蒸汽泄漏疑似区域进行蒸汽泄漏判断和识别。
所述S22包括：
S221：根据可见光图像疑似蒸汽泄漏区域筛选结果，定位红外热图中对应的可见光图像疑似蒸汽泄漏区域的图像区域；
所述定位方法包括：提取可见光图像和红外热图梯度信息，使用模板匹配方法实现图像配准，获取可见光图像和红外热图位置映射关系，即可求得红外热图中对应的可见光图像疑似蒸汽泄漏区域的位置和区域。
S222：对定位区域计算疑似蒸汽泄漏区域温度特征，包括温度模糊周长。温度模糊周长实现方式与可见光图像灰度特征的模糊周长实现方式一致，温度模糊周长处理对象是红外温度信息。在红外蒸汽泄漏区域温度模糊周长特征会大于其他区域。通过温度特征对疑似蒸汽泄漏区域进行判断。
S23:综合可见光图像和红外图像判断识别结果，确定待测区域蒸汽泄漏情况。若疑似蒸汽泄漏区域均满足可见光图像形状特征及灰度特征和红外热图温度特征，则判定该疑似蒸汽泄漏区域发生蒸汽泄漏；若疑似蒸汽泄漏区域未满足可见光图像形状特征及灰度特征和红外热图温度特征其中一项或多项，则排除该疑似蒸汽泄漏区域发生蒸汽泄漏。经过可见光图像和红外图像综合判断识别，若存在蒸汽泄露区域则判定有蒸汽泄露缺陷，输出标识好蒸汽泄露区域的处理图像，并发出有蒸汽泄露报警信号；若不存在蒸汽泄漏区域则判定无蒸汽泄漏缺陷，输出拍摄原图，并发出无蒸汽泄漏信号。
实施例2：
本实施例提供了一种漏汽缺陷检测识别系统，所述系统可使用实施例1所述方法，如图3所示，所述系统包括：可见光成像模块、红外热成像测温模块、参数输入模块、显示输出模块、报警模块、图像数据分析识别处理模块；
所述可见光成像模块用于采集现场可见光图像；并将可见光图像数据发送给图像数据分析识别处理模块；
所述红外热成像测温模块采集现场红外热图；并将红外热图数据发送给图像数据分析识别处理模块；
所述参数输入模块用于用户进行红外热成像测温模块及可见光成像模块参数设置、结果显示设置和报警信息设置；
所述图像数据分析识别处理模块进行可见光图像数据、红外热图数据获取和接收，通过图像分析识别处理将得到的蒸汽泄漏检测识别结果的图像、文字信息和报警信息分别传递给显示输出模块和报警模块；
本实施例中红外热成像测温模块为红外热像仪，可见光成像模块为可见光相机。
所述显示输出模块进行蒸汽泄漏检测识别结果图像显示和相关信息提示；
所述报警模块根据检测识别结果向外界发出警报提示。
根据检测点数数量和环境复杂程度，可根据需要使用巡检机器人、固定云台、手持双目视觉设备进行图像采集。
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种漏汽缺陷检测识别方法，其特征在于，所述方法包括以下步骤：
S1：将可见光成像模块与红外热成像测温模块相对位置固定，且二者的镜面相对平行；可见光成像模块采集多帧可见光图像数据，红外热成像测温模块采集红外热图数据，将可见光图像数据和红外热图数据传送至图像数据分析识别处理模块；
S2：图像数据分析识别处理模块接收可见光图像数据、红外热图数据，通过图像分析处理得到蒸汽泄漏检测识别结果。
2.根据权利要求1所述的漏汽缺陷检测识别方法，其特征在于，S2包括以下步骤：
S21：使用多帧可见光图像通过背景建模法提取动态区域作为疑似蒸汽泄漏区域，并进行蒸汽泄漏判断和识别；
S22：根据可见光图像蒸汽泄漏判断结果，使用红外热图在对应蒸汽泄漏疑似区域进行蒸汽泄漏判断和识别。
S23：综合可见光图像和红外图像判断识别结果，确定待测区域蒸汽泄漏情况；若疑似蒸汽泄漏区域均满足可见光图像形状特征及灰度特征和红外热图温度特征，则判定该疑似蒸汽泄漏区域发生蒸汽泄漏；若疑似蒸汽泄漏区域未满足可见光图像形状特征及灰度特征和红外热图温度特征其中一项或多项，则排除该疑似蒸汽泄漏区域发生蒸汽泄漏。
3.根据权利要求2所述的漏汽缺陷检测识别方法，其特征在于，S21包括以下步骤：
S211：通过多帧可见光图像提取图像变化的动态区域作为疑似蒸汽泄漏区域；若无动态区域则判定无蒸汽泄漏，输出拍摄原图，并发出无蒸汽泄漏信号；若有动态区域则继续进行蒸汽泄露判断和识别；
S212：分析疑似蒸汽泄漏区域的形状特征，包括边缘复杂度、区域高宽比；所述边缘复杂度又称为圆形度，用运动区域的面积与其周长的比值衡量轮廓的不规则度，计算公式如下：
Figure FDA0002306804040000021
式中，L为区域轮廓周长，S为区域面积。
区域轮廓越复杂，边缘复杂度的取值越高；所述区域高宽比即疑似蒸汽泄漏区域最小外接矩形的宽度和高度比值。
S213：对通过形状特征判断和筛选的疑似蒸汽泄漏区域进行区域的灰度特征分析，包括模糊周长分析；在蒸汽泄漏区域，灰度特征值大于其他区域；若无疑似蒸汽泄漏区域符合灰度特征分析则判定无蒸汽泄漏，输出拍摄原图，并发出无蒸汽泄漏信号；若有疑似蒸汽泄漏区域符合灰度特征分析则继续进行蒸汽泄露判断和识别。
4.根据权利要求3所述的漏汽缺陷检测识别方法，其特征在于，S211中背景建模使用混合高斯模型提取前景动态蒸汽区域；建立混合高斯模型图像；噪声在动态区域中表现为面积小于200像素的小面积区域，使用面积筛选去除面积过小区域实现去噪。
5.根据权利要求3或4所述的漏汽缺陷检测识别方法，其特征在于，S213中模糊周长具体实现为：
Figure FDA0002306804040000022
其中M×N为图像的大小，而μX(m,n)为模糊成员函数；
模糊成员函数实现使用Zadeh的标准S函数，该函数定义如下：
Figure FDA0002306804040000023
参数a、b和c遵循以下限制：0≤a≤255，0≤c≤255，且a≤c；
Figure FDA0002306804040000024
b为函数的拐点。
6.根据权利要求5所述的漏汽缺陷检测识别方法，其特征在于，S22包括以下步骤：
S221：根据可见光图像疑似蒸汽泄漏区域筛选结果，定位红外热图中对应的可见光图像疑似蒸汽泄漏区域的图像区域；
S222：对在红外热图中定位的区域计算疑似蒸汽泄漏区域温度特征，包括温度模糊周长。
7.根据权利要求6所述的漏汽缺陷检测识别方法，其特征在于，S221中所述定位的定位方法为：提取可见光图像和红外热图梯度信息，使用模板匹配方法实现图像配准，获取可见光图像和红外热图位置映射关系，即可求得红外热图中对应的可见光图像疑似蒸汽泄漏区域的位置和区域。
8.根据权利要求1或7所述的漏汽缺陷检测识别方法，其特征在于，其特征在于，所述方法还包括：S3：将蒸汽泄漏检测识别结果的图像和文字信息传递给显示输出模块进行显示，将蒸汽泄漏信号传递给报警模块进行报警。
9.根据权利要求8所述的漏汽缺陷检测识别方法，其特征在于，S3具体为：经过可见光图像和红外图像综合判断识别，若存在蒸汽泄露区域则判定有蒸汽泄露缺陷，输出标识好蒸汽泄露区域的处理图像，并发出有蒸汽泄露报警信号；若不存在蒸汽泄漏区域则判定无蒸汽泄漏缺陷，输出拍摄原图，并发出无蒸汽泄漏信号。
10.一种使用权利要求1-9任一项所述的漏汽缺陷检测识别方法的系统，其特征在于，所述系统包括：可见光成像模块、红外热成像测温模块、参数输入模块、显示输出模块、报警模块、图像数据分析识别处理模块；
所述可见光成像模块用于采集现场可见光图像；并将可见光图像数据发送给图像数据分析识别处理模块；
所述红外热成像测温模块采集现场红外热图；并将红外热图数据发送给图像数据分析识别处理模块；
所述参数输入模块用于用户进行红外热成像测温模块及可见光成像模块参数设置、结果显示设置和报警信息设置；
所述图像数据分析识别处理模块进行可见光图像数据、红外热图数据获取和接收，通过图像分析识别处理将得到的蒸汽泄漏检测识别结果的图像、文字信息和报警信息分别传递给显示输出模块和报警模块；
所述显示输出模块进行蒸汽泄漏检测识别结果图像显示和相关信息提示；
所述报警模块根据检测识别结果向外界发出警报提示。
CN201911243109.7A 2019-12-06 2019-12-06 一种漏汽缺陷检测识别方法及系统 Active CN111047568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911243109.7A CN111047568B (zh) 2019-12-06 2019-12-06 一种漏汽缺陷检测识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911243109.7A CN111047568B (zh) 2019-12-06 2019-12-06 一种漏汽缺陷检测识别方法及系统

Publications (2)

Publication Number Publication Date
CN111047568A true CN111047568A (zh) 2020-04-21
CN111047568B CN111047568B (zh) 2023-05-16

Family

ID=70234816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911243109.7A Active CN111047568B (zh) 2019-12-06 2019-12-06 一种漏汽缺陷检测识别方法及系统

Country Status (1)

Country Link
CN (1) CN111047568B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111521279A (zh) * 2020-06-05 2020-08-11 中国有色金属长沙勘察设计研究院有限公司 一种管线渗漏巡查方法
CN112131993A (zh) * 2020-09-16 2020-12-25 因士(上海)科技有限公司 一种基于图像识别技术的气体泄漏视觉检测系统及方法
CN112733646A (zh) * 2020-12-30 2021-04-30 大连海事大学 一种基于热成像的液态介质泄漏自动检测方法及系统
CN112781791A (zh) * 2020-12-30 2021-05-11 大连海事大学 一种基于光学气体成像的VOCs气体泄漏检测方法及系统
CN112907522A (zh) * 2021-02-03 2021-06-04 北京遥感设备研究所 一种智能红外气体泄漏监测装置及监测方法
CN113205562A (zh) * 2021-05-31 2021-08-03 中国矿业大学(北京) 一种基于双目视觉的矿井热动力灾害判识与定位方法
CN113807364A (zh) * 2021-09-08 2021-12-17 国网内蒙古东部电力有限公司兴安供电公司 一种基于三光融合成像的电力设备缺陷检测方法及系统
CN113945570A (zh) * 2021-10-12 2022-01-18 揭阳市大立模具厂有限公司 一种基于蒸汽特征红外表征的微漏蒸汽缺陷检测识别方法
CN113947109A (zh) * 2021-10-15 2022-01-18 大连海事大学 一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质
CN114689804A (zh) * 2022-04-14 2022-07-01 北京环拓科技有限公司 一种基于voc气云成像智能监控危险气体泄露的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266415A (zh) * 2007-03-12 2008-09-17 株式会社理光 保护剂涂布设备、处理盒及成像装置
CN103038568A (zh) * 2010-04-16 2013-04-10 弗莱克斯照明第二有限责任公司 包括膜基光导的前照明装置
CN103775830A (zh) * 2014-01-20 2014-05-07 武汉第二船舶设计研究所 一种高温蒸汽泄漏检测定位系统及方法
CN107992857A (zh) * 2017-12-25 2018-05-04 深圳钰湖电力有限公司 一种高温蒸汽泄漏自动巡检识别方法及识别系统
CN109854964A (zh) * 2019-03-29 2019-06-07 沈阳天眼智云信息科技有限公司 基于双目视觉的蒸汽泄露定位系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266415A (zh) * 2007-03-12 2008-09-17 株式会社理光 保护剂涂布设备、处理盒及成像装置
CN103038568A (zh) * 2010-04-16 2013-04-10 弗莱克斯照明第二有限责任公司 包括膜基光导的前照明装置
CN103775830A (zh) * 2014-01-20 2014-05-07 武汉第二船舶设计研究所 一种高温蒸汽泄漏检测定位系统及方法
CN107992857A (zh) * 2017-12-25 2018-05-04 深圳钰湖电力有限公司 一种高温蒸汽泄漏自动巡检识别方法及识别系统
CN109854964A (zh) * 2019-03-29 2019-06-07 沈阳天眼智云信息科技有限公司 基于双目视觉的蒸汽泄露定位系统及方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111521279B (zh) * 2020-06-05 2021-06-25 中国有色金属长沙勘察设计研究院有限公司 一种管线渗漏巡查方法
CN111521279A (zh) * 2020-06-05 2020-08-11 中国有色金属长沙勘察设计研究院有限公司 一种管线渗漏巡查方法
CN112131993A (zh) * 2020-09-16 2020-12-25 因士(上海)科技有限公司 一种基于图像识别技术的气体泄漏视觉检测系统及方法
CN112733646A (zh) * 2020-12-30 2021-04-30 大连海事大学 一种基于热成像的液态介质泄漏自动检测方法及系统
CN112781791A (zh) * 2020-12-30 2021-05-11 大连海事大学 一种基于光学气体成像的VOCs气体泄漏检测方法及系统
CN112733646B (zh) * 2020-12-30 2021-11-23 大连海事大学 一种基于热成像的液态介质泄漏自动检测方法及系统
CN112907522B (zh) * 2021-02-03 2023-07-28 北京遥感设备研究所 一种智能红外气体泄漏监测装置及监测方法
CN112907522A (zh) * 2021-02-03 2021-06-04 北京遥感设备研究所 一种智能红外气体泄漏监测装置及监测方法
CN113205562A (zh) * 2021-05-31 2021-08-03 中国矿业大学(北京) 一种基于双目视觉的矿井热动力灾害判识与定位方法
CN113205562B (zh) * 2021-05-31 2023-09-15 中国矿业大学(北京) 一种基于双目视觉的矿井热动力灾害判识与定位方法
CN113807364A (zh) * 2021-09-08 2021-12-17 国网内蒙古东部电力有限公司兴安供电公司 一种基于三光融合成像的电力设备缺陷检测方法及系统
CN113945570A (zh) * 2021-10-12 2022-01-18 揭阳市大立模具厂有限公司 一种基于蒸汽特征红外表征的微漏蒸汽缺陷检测识别方法
CN113947109A (zh) * 2021-10-15 2022-01-18 大连海事大学 一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质
CN114689804A (zh) * 2022-04-14 2022-07-01 北京环拓科技有限公司 一种基于voc气云成像智能监控危险气体泄露的方法
CN114689804B (zh) * 2022-04-14 2023-10-13 北京环拓科技有限公司 一种基于voc气云成像智能监控危险气体泄露的方法

Also Published As

Publication number Publication date
CN111047568B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN111047568B (zh) 一种漏汽缺陷检测识别方法及系统
US10746763B2 (en) Apparatus and method for diagnosing electric power equipment using thermal imaging camera
GB2569751A (en) Static infrared thermal image processing-based underground pipe leakage detection method
CN109308447A (zh) 在电力远程监控中自动提取设备运行参数和运行状态的方法
CN109375068B (zh) 一种基于紫外成像电晕检测的目标识别方法及装置
CN107895362B (zh) 一种微型接线端子质量检测的机器视觉方法
CN111798407A (zh) 一种基于神经网络模型的带电设备故障诊断方法
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN111652098A (zh) 产品表面缺陷检测方法及装置
CN111289110A (zh) 人体温度检测方法、系统、装置及热红外图像处理器
CN113688817A (zh) 一种自动巡检的仪表识别方法及识别系统
CN111257329A (zh) 一种智能手机摄像头缺陷检测方法以及检测系统
CN112927223A (zh) 一种基于红外热成像仪的玻璃幕墙检测方法
JP2002132341A (ja) 現場点検装置
CN111368756A (zh) 一种基于可见光的明火烟雾快速识别方法和系统
CN109003228B (zh) 一种暗场显微大视场自动拼接成像方法
CN114821274A (zh) 一种用于识别分合指示牌的状态的方法和设备
CN112418251B (zh) 红外体温检测方法及系统
CN108563997A (zh) 一种建立人脸检测模型、人脸识别的方法和装置
CN109544535B (zh) 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统
EP1512955B1 (en) Localization of a point source of a visualized gas leak
CN116091506A (zh) 一种基于yolov5的机器视觉缺陷质检方法
CN109472223A (zh) 一种人脸识别方法和装置
CN110910379B (zh) 一种残缺检测方法及装置
CN113570587A (zh) 一种基于计算机视觉的光伏电池断栅检测方法及系统

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
TR01 Transfer of patent right

Effective date of registration: 20231030

Address after: Building B, 3-1B, Phase II, Diejin Industrial Zone, Jinping District, Shantou, Guangdong, 515000

Patentee after: SHANTOU A-PLUX OPTOELECTRONIC TECHNOLOGY CO.,LTD.

Address before: 515063 No. 243, University Road, Shantou, Guangdong

Patentee before: SHANTOU University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240125

Address after: Building 3, 6th Floor, Financial Center, Dongshan Street Office, Nankang District, Ganzhou City, Jiangxi Province, 341000

Patentee after: Jiangxi Xinkang Technology Co.,Ltd.

Country or region after: China

Address before: Building B, 3-1B, Phase II, Diejin Industrial Zone, Jinping District, Shantou, Guangdong, 515000

Patentee before: SHANTOU A-PLUX OPTOELECTRONIC TECHNOLOGY CO.,LTD.

Country or region before: China

TR01 Transfer of patent right