CN111412844B - 基于溢油扩展实验的油膜厚度检测方法 - Google Patents

基于溢油扩展实验的油膜厚度检测方法 Download PDF

Info

Publication number
CN111412844B
CN111412844B CN202010365890.1A CN202010365890A CN111412844B CN 111412844 B CN111412844 B CN 111412844B CN 202010365890 A CN202010365890 A CN 202010365890A CN 111412844 B CN111412844 B CN 111412844B
Authority
CN
China
Prior art keywords
oil
oil film
film thickness
image
target
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.)
Expired - Fee Related
Application number
CN202010365890.1A
Other languages
English (en)
Other versions
CN111412844A (zh
Inventor
童思陈
蒋聘凤
唐小娅
王怡婷
蒋孜伟
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.)
Chongqing Jiaotong University
Original Assignee
Chongqing Jiaotong 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 Chongqing Jiaotong University filed Critical Chongqing Jiaotong University
Priority to CN202010365890.1A priority Critical patent/CN111412844B/zh
Publication of CN111412844A publication Critical patent/CN111412844A/zh
Application granted granted Critical
Publication of CN111412844B publication Critical patent/CN111412844B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明涉及油膜厚度检测技术领域，具体涉及基于溢油扩展实验的油膜厚度检测方法，包括：根据预设的图像灰度‑油膜厚度映射关系计算生成目标油品对应的图像灰度‑油膜厚度映射模型；获取目标油品在待检测区域内的油膜图像，并对目标油品的油膜图像进行图像灰度处理得到相应的油膜灰度图像；计算目标油品油膜灰度图像的图像灰度，然后根据目标油品的图像灰度‑油膜厚度映射模型计算生成目标油品相应的油膜厚度。本发明中基于溢油扩展实验的油膜厚度检测方法能够兼顾油膜厚度检测的通用性和高效性，且能够保证检测精度，从而能够提升油膜厚度的检测效果。

Description

基于溢油扩展实验的油膜厚度检测方法
技术领域
本发明涉及油膜厚度检测技术领域，具体涉及基于溢油扩展实验的油膜厚度检测方法。
背景技术
水资源是人类生存与发展不可或缺的资源，是社会稳定发展的基础，但随着航运的发展及昌盛，船舶对水域的环境污染也越来越严重。随着世界经济的快速发展，石油已成为全球化产业，石油交易大多由水路运输实现，因此船舶运载的大量石油也对水环境具有不可忽视的威胁，而船舶溢油是船舶污染的主要污染源之一。海洋溢油污染事故发生后，通过空间监测与评估技术能确定海洋溢油污染的位置、圈定污染的面积、查明溢油污染形成的类型，将有助于海洋溢油污染后续清理工作的开展。海面油膜是海洋溢油污染的最直接形式，也是海洋溢油污染转化的重要承载体之一，海洋溢油油膜随着厚度的不同，其光学特性也发生了显著的变化，同时海水背景影响逐渐增强，因此海面油膜探测的难度也逐渐增大，成为海洋溢油污染监测中的一个难点。
为此，公开号为CN102997856B的中国专利公开了一种基于参数查找表的海洋油膜厚度高光谱遥感估算方法，包括：通过设计模拟实验，获取标准油膜厚度连续变化高光谱数据并进行预处理；海洋溢油卫星遥感数据的获取与预处理；基于卫星传感器性能指标的标准油膜光谱重采样；光谱反射率归一化；油膜厚度光学计算模型；衰减系数参数查找表；卫星数据的反射率归一化与掩膜处理；卫星数据的最优波段及其相关参数查询建立；利用参数查找表及光学模型计算卫星数据中的油膜厚度。
上述方案中的基于参数查找表的海洋油膜厚度高光谱遥感估算方法也是一种基于溢油扩展实验的油膜厚度检测方法，溢油扩展实验是指：在实验容器（实验水槽）中模拟目标油品的溢油扩展现象。上述现有方案中的油膜厚度检测方法是根据油膜厚度与光谱反射率之间的对应关系来检测得到油膜厚度的，其在实际使用过程中存在以下问题：1）现有检测方法以光谱反射率作为中间值，但是不同水质的光谱反射率是不同的，甚至光谱反射率相差很大（例如海水和内河水的光谱反射率相差就很大），使得在面对不同的水质时检测结果会存在较大的误差，导致油膜厚度检测方法的检测通用性不好；2）上述现有方案中的检测方法在建立参数查找表和计算油膜厚度时，需要利用地物光谱仪和卫星传感器等装置，使得其存在指标参数复杂和计算数据量大的问题，导致油膜厚度检测方的检测效率低。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种适用于各种水质且计算简单的基于溢油扩展实验的油膜厚度检测方法，以兼顾油膜厚度检测的通用性和高效性，从而能够提升油膜厚度的检测效果。
为了解决上述技术问题，本发明采用了如下的技术方案：
基于溢油扩展实验的油膜厚度检测方法，包括以下步骤：
步骤A：根据预设的图像灰度-油膜厚度映射关系计算生成目标油品对应的图像灰度-油膜厚度映射模型；
步骤B：获取目标油品在待检测区域内的油膜图像，并对目标油品的油膜图像进行图像灰度处理得到相应的油膜灰度图像；
步骤C：计算目标油品油膜灰度图像的图像灰度，然后根据目标油品的图像灰度-油膜厚度映射模型计算生成目标油品相应的油膜厚度。
本方案中，首先计算目标油品的图像灰度-油膜厚度映射模型，然后采集目标油品在待检测区域内的油膜图像，并对油膜图像进行图像灰度处理得到油膜灰度图像，最后根据油膜灰度图像和图像灰度-油膜厚度映射模型生成油膜厚度。本方案中以油膜灰度图像的图像灰度作为中间值，一方面，图像灰度处理后的油膜图像能够很好的突出油膜区域，且能够弱化水质的光谱反射，使得能够很好的避免水质的限制，能够提升油膜厚度的检测通用性；另一方面，图像灰度处理后的油膜图像具有较少的信息量，能够极大的简化计算过程，使得能够在提升检测通用性的前提下提升油膜厚度的检测效率；此外，申请人在实验中发现，油膜灰度图像的图像灰度与油膜厚度的相关性很好，计算偏差能够控制在百分之十以内，能够保证油膜厚度的检测精度。
因此，本方案中基于溢油扩展实验的油膜厚度检测方法能够兼顾油膜厚度检测的通用性和高效性，且能够保证检测精度，从而能够提升油膜厚度的检测效果。
优选的，步骤A中，所述预设的图像灰度-油膜厚度映射关系为：h=a(1-x/256)-b；式中，h为油膜厚度， x为油膜灰度图像的图像灰度，a、b均为目标油品对应的拟合系数。
这样，能够利用上述图像灰度-油膜厚度映射关系计算得到图像灰度-油膜厚度映射模型，使得能够通过油膜灰度图像的图像灰度快捷的计算得到油膜厚度，有利于提升油膜厚度的检测效率；此外，上述映射关系是申请人根据润滑油和石油醚90～120的图像灰度-油膜厚度对应公式计算拟合而成，其计算偏差能够控制在百分之十以内，能够保证油膜厚度的检测精度，从而能够提升油膜厚度的检测效果。
优选的，步骤A中，计算生成目标油品的图像灰度-油膜厚度映射模型时，包括以下步骤：
步骤A1：在放置有实验用水的实验容器中注入一定质量的目标油品；
步骤A2：待目标油品在实验用水中扩展至铺满实验容器表面时，采集相应的油膜图像并计算相应的油膜厚度；然后对油膜图像进行图像灰度处理并计算得到相应的图像灰度；
步骤A3：重复步骤A1和步骤A2多次，得到多组目标油品的图像灰度和相应的油膜厚度数据组；
步骤A4：根据多组目标油品的图像灰度和相应的油膜厚度数据组计算图像灰度-油膜厚度映射关系h=a(1-x/256)-b中的拟合系数a和b，以得到目标油品的图像灰度-油膜厚度映射模型。
本方案中，对于图像灰度-油膜厚度映射模型的计算是在静水实验中完成的，即在实验容器中进行试验，得到多组目标油品的图像灰度和相应的油膜厚度数据组，然后根据目标油品的图像灰度和相应的油膜厚度数据组计算拟合系数a和b，从而得到图像灰度-油膜厚度映射模型。一方面，在实际使用过程中，每种油品均能够通过上述步骤计算得到相应的图像灰度-油膜厚度映射模型，能够提升油膜厚度的检测通用性；另一方面，目标油品的图像灰度-油膜厚度映射模型是基于该目标油品的相关数据计算的，使得该目标油品的图像灰度和油膜厚度的相关性很好，能够提升油膜厚度的检测效果。
优选的，步骤A2中，计算目标油品相应的油膜厚度时，根据注入的目标油品质量和密度计算得到目标油品相应的溢油体积，然后根据目标油品的溢油体积和实验容器的截面积，计算得到目标油品相应的油膜厚度。
这样，能够利用已知数据（质量和密度）反推计算得到油膜厚度，从而能够为计算图像灰度-油膜厚度映射模型提供准确的数据基础，有利于计算得到更精确的模型，从有利于提升油膜厚度的检测效果。
优选的，步骤A中，所述预设的图像灰度-油膜厚度映射关系，通过如下步骤拟合生成：
步骤A11：采集两种或两种以上目标油品的多组图像灰度和相应的油膜厚度数据组；
步骤A12：然后根据多组图像灰度和相应的油膜厚度数据组，分别计算生成各种目标油品对应的图像灰度-油膜厚度对应公式；
步骤A13：对各种目标油品的图像灰度-油膜厚度对应公式进行计算拟合，生成相应的图像灰度-油膜厚度映射关系。
这样，首先获取两种或两种以上目标油品的多组图像灰度和相应的油膜厚度数据组，并计算生成各种目标油品图像灰度-油膜厚度对应公式，最终通过各种目标油品图像灰度-油膜厚度对应公式拟合生成图像灰度-油膜厚度映射关系。本方案中通过多种油品像灰度-油膜厚度对应公式计算拟合得到的图像灰度-油膜厚度映射关系具有通用性强和计算精度高的优点，能够有效的提升对油膜厚度的检测精度，从而能够提升油膜厚度的检测效果。
优选的，步骤A11中，目标油品包括润滑油和石油醚90～120。
在实际实验过程中，由于润滑油和石油醚90～120的透明度低，更有利于呈现出灰度，从而有利于油膜厚度的计算；且润滑油和石油醚90～120这两种油品的粘稠度、扩散速度存在较大的差异，通过这两种油品更有利于体现不同（粘稠度）油品的扩散规律，有利于提升对油膜厚度的检测精度；此外，申请人在实验中发现，润滑油和石油醚90～120的油品参数具有很强的代表性，通过对润滑油和石油醚90～120的计算拟合能够将模型的计算偏差能够控制在百分之十以内，能够保证油膜厚度的检测精度，从而能够提升油膜厚度的检测效果。
优选的，步骤A12中，润滑油的图像灰度-油膜厚度对应公式为：h ׳=1.44(1-x ׳ /256)-0.7262，式中，h ׳为润滑油的油膜厚度，x ׳为润滑油的油膜灰度图像的图像灰度。
这样，计算得到润滑油的图像灰度-油膜厚度对应公式后，通过与石油醚90～120图像灰度-油膜厚度对应公式的拟合，能够得到通用性强和计算精度高的映射关系，有利于提升油膜厚度的检测精度；此外，申请人通过实验数据发现，通过上述公式能够将润滑油的油膜厚度计算偏差能够控制在百分之十以内，其计算相关性达到了0.9911。
优选的，步骤A12中，石油醚90～120的图像灰度-油膜厚度对应公式为：h ׳׳=1.30(1-x ׳׳ /256)-0.5130，式中，h ׳׳为石油醚90～120的油膜厚度，x ׳׳为石油醚90～120的油膜灰度图像的图像灰度。
这样，计算得到石油醚90～120的图像灰度-油膜厚度对应公式后，通过与润滑油图像灰度-油膜厚度对应公式的拟合，能够得到通用性强和计算精度高的映射关系，有利于提升油膜厚度的检测精度；此外，申请人通过实验数据发现，通过上述公式能够将石油醚90～120油膜厚度的计算偏差能够控制在百分之十以内，其计算相关性达到了0.9899。
优选的，步骤A1中，在实验容器中注入目标油品之前，预先将实验容器的底部布置为浅色。
在实际实验时，目标油品（润滑油和石油醚90～120）以褐色或灰黑色为主，为了提升目标油品的油膜颜色与实验容器底部的对比，本方案中通过白色油漆对实验容器底部进行刷白（变成浅色），使得能够增强实验容器底部颜色与油膜颜色对比度强度，能够更好的采集油膜图像，有利于提升后续模型的检测精度，从而能够提升油膜厚度的检测效果。
优选的，步骤A1中，在实验容器中注入目标油品之前，预先隔离实验容器周边的自然光源，并为实验容器提供统一强度光照的实验光源。
在实际实验时，环境的自然光源会对油膜图像的采集造成影响，尤其是天气变化引起的光源强度变化对油膜颜色辨别的影响，导致后续模型的检测精度不好。针对这一问题，本方案中通过蓝色遮光布在实验容器四周搭建试验棚对自然光源进行隔离，然后在实验容器四上方安装白织节能灯管作为实验光源，以提供统一强度光照，能够避免环境自然光源对油膜图像采集的影响，能够更好的采集油膜图像，有利于提升后续模型的检测精度，从而能够提升油膜厚度的检测效果。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为实施例中油膜厚度检测方法的逻辑框图；
图2为实施例中计算图像灰度-油膜厚度映射模型时的逻辑框图；
图3为实施例中计算图像灰度-油膜厚度映射关系时的逻辑框图；
图4为实施例中润滑油图像灰度-油膜厚度的对应关系示意图；
图5为实施例中润滑油图像灰度-油膜厚度的验证对比示意图；
图6为实施例中润滑油图像灰度-油膜厚度的验证结果示意图；
图7为实施例中石油醚90～120图像灰度-油膜厚度的对应关系示意图；
图8为实施例中石油醚90～120图像灰度-油膜厚度的验证对比示意图；
图9为实施例中石油醚90～120图像灰度-油膜厚度的验证结果示意图。
具体实施方式
下面通过具体实施方式进一步详细的说明：
实施例：
本实施例中公开了一种基于溢油扩展实验的油膜厚度检测方法。
如图1所示：基于溢油扩展实验的油膜厚度检测方法，包括以下步骤：
步骤A：根据预设的图像灰度-油膜厚度映射关系计算生成目标油品对应的图像灰度-油膜厚度映射模型；
步骤B：获取目标油品在待检测区域内的油膜图像，并对目标油品的油膜图像进行图像灰度处理得到相应的油膜灰度图像；
步骤C：计算目标油品油膜灰度图像的图像灰度，然后根据目标油品的图像灰度-油膜厚度映射模型计算生成目标油品相应的油膜厚度。
本实施例中，首先计算目标油品的图像灰度-油膜厚度映射模型，然后采集目标油品在待检测区域内的油膜图像，并对油膜图像进行图像灰度处理得到油膜灰度图像，最后根据油膜灰度图像和图像灰度-油膜厚度映射模型生成油膜厚度。本实施例中以油膜灰度图像的图像灰度作为中间值，一方面，图像灰度处理后的油膜图像能够很好的突出油膜区域，且能够弱化水质的光谱反射，使得能够很好的避免水质的限制，能够提升油膜厚度的检测通用性；另一方面，图像灰度处理后的油膜图像具有较少的信息量，能够极大的简化计算过程，使得能够在提升检测通用性的前提下提升油膜厚度的检测效率；此外，申请人在实验中发现，油膜灰度图像的图像灰度与油膜厚度的相关性很好，计算偏差能够控制在百分之十以内，能够保证油膜厚度的检测精度。
具体实施过程中，步骤A中，所述预设的图像灰度-油膜厚度映射关系为：h=a(1-x/256)-b；式中，h为油膜厚度， x为油膜灰度图像的图像灰度，a、b均为目标油品对应的拟合系数。本实施例中，图像灰度-油膜厚度映射关系根据润滑油和石油醚90～120的图像灰度-油膜厚度对应公式计算拟合生成，并基于ImageJ2X建立。
这样，能够利用上述图像灰度-油膜厚度映射关系计算得到图像灰度-油膜厚度映射模型，使得能够通过油膜灰度图像的图像灰度快捷的计算得到油膜厚度，有利于提升油膜厚度的检测效率；此外，上述映射关系是申请人根据润滑油和石油醚90～120的图像灰度-油膜厚度对应公式计算拟合而成，其计算偏差能够控制在百分之十以内，能够保证油膜厚度的检测精度，从而能够提升油膜厚度的检测效果。
具体实施过程中，如图2所示：步骤A中，计算生成目标油品的图像灰度-油膜厚度映射模型时，包括以下步骤：
步骤A1：在放置有实验用水的实验容器中注入一定质量的目标油品；
步骤A2：待目标油品在实验用水中扩展至铺满实验容器表面时，采集相应的油膜图像并计算相应的油膜厚度；然后对油膜图像进行图像灰度处理并计算得到相应的图像灰度；
步骤A3：重复步骤A1和步骤A2多次，得到多组目标油品的图像灰度和相应的油膜厚度数据组；
步骤A4：根据多组目标油品的图像灰度和相应的油膜厚度数据组计算图像灰度-油膜厚度映射关系h=a(1-x/256)-b中的拟合系数a和b，以得到目标油品的图像灰度-油膜厚度映射模型。
本实施例中，对于图像灰度-油膜厚度映射模型的计算是在静水实验中完成的，即在实验容器中进行试验，得到多组目标油品的图像灰度和相应的油膜厚度数据组，然后根据目标油品的图像灰度和相应的油膜厚度数据组计算拟合系数a和b，从而得到图像灰度-油膜厚度映射模型。一方面，在实际使用过程中，每种油品均能够通过上述步骤计算得到相应的图像灰度-油膜厚度映射模型，能够提升油膜厚度的检测通用性；另一方面，目标油品的图像灰度-油膜厚度映射模型是基于该目标油品的相关数据计算的，使得该目标油品的图像灰度和油膜厚度的相关性很好，能够提升油膜厚度的检测效果。
具体实施过程中，步骤A2中，计算目标油品相应的油膜厚度时，根据注入的目标油品质量和密度计算得到目标油品相应的溢油体积，然后根据目标油品的溢油体积和实验容器的截面积，计算得到目标油品相应的油膜厚度。
这样，能够利用已知数据（质量和密度）反推计算得到油膜厚度，从而能够为计算图像灰度-油膜厚度映射模型提供准确的数据基础，有利于计算得到更精确的模型，从有利于提升油膜厚度的检测效果。
具体实施过程中，如图3所示：步骤A中，所述预设的图像灰度-油膜厚度映射关系，通过如下步骤拟合生成：
步骤A11：采集两种或两种以上目标油品的多组图像灰度和相应的油膜厚度数据组；本实施例中，步骤A11中对于图像灰度和相应的油膜厚度数据组的采集，与步骤A1、步骤A2和步骤A3中采集目标油品的图像灰度和相应的油膜厚度数据组的方式相同；
步骤A12：然后根据多组图像灰度和相应的油膜厚度数据组，分别计算生成各种目标油品对应的图像灰度-油膜厚度对应公式；
步骤A13：对各种目标油品的图像灰度-油膜厚度对应公式进行计算拟合，生成相应的图像灰度-油膜厚度映射关系。
这样，首先获取两种或两种以上目标油品的多组图像灰度和相应的油膜厚度数据组，并计算生成各种目标油品图像灰度-油膜厚度对应公式，最终通过各种目标油品图像灰度-油膜厚度对应公式拟合生成图像灰度-油膜厚度映射关系。本方案中通过多种油品像灰度-油膜厚度对应公式计算拟合得到的图像灰度-油膜厚度映射关系具有通用性强和计算精度高的优点，能够有效的提升对油膜厚度的检测精度，从而能够提升油膜厚度的检测效果。
具体实施过程中，步骤A11中，目标油品包括润滑油和石油醚90～120。
在实际实验过程中，由于润滑油和石油醚90～120的透明度低，更有利于呈现出灰度，从而有利于油膜厚度的计算，且润滑油和石油醚90～120这两种油品的粘稠度、扩散速度存在较大的差异，通过这两种油品更有利于体现不同（粘稠度）油品的扩散规律，有利于提升对油膜厚度的检测精度；此外，申请人在实验中发现，润滑油和石油醚90～120的油品参数具有很强的代表性，通过对润滑油和石油醚90～120的计算拟合能够将模型的计算偏差能够控制在百分之十以内，能够保证油膜厚度的检测精度，从而能够提升油膜厚度的检测效果。
具体实施过程中，如图4和图5所示：本实施例在步骤A12中对润滑油的图像灰度-油膜厚度公式进行了计算，得到了如下的润滑油的图像灰度-油膜厚度对应公式：
h ׳=1.44(1-x ׳ /256)-0.7262，式中，h ׳为润滑油的油膜厚度，x ׳为润滑油的油膜灰度图像的图像灰度。
这样，计算得到润滑油的图像灰度-油膜厚度对应公式后，通过与石油醚90～120图像灰度-油膜厚度对应公式的拟合，能够得到通用性强和计算精度高的映射关系，有利于提升油膜厚度的检测精度；此外，如图6所示：申请人通过实验数据发现，通过上述公式能够将润滑油的油膜厚度计算偏差能够控制在百分之十以内，其计算相关性达到了0.9911。
具体实施过程中，如图7和图8所示：本实施例在步骤A12中对石油醚90～12的图像灰度-油膜厚度公式进行了计算，得到了如下的石油醚90～12的图像灰度-油膜厚度对应公式：
h ׳׳=1.30(1-x ׳׳ /256)-0.5130，式中，h ׳׳为石油醚90～120的油膜厚度，x ׳׳为石油醚90～120的油膜灰度图像的图像灰度。
这样，计算得到石油醚90～120的图像灰度-油膜厚度对应公式后，通过与润滑油图像灰度-油膜厚度对应公式的拟合，能够得到通用性强和计算精度高的映射关系，有利于提升油膜厚度的检测精度；此外，如图9所示：申请人通过实验数据发现，通过上述公式能够将石油醚90～120油膜厚度的计算偏差能够控制在百分之十以内，其计算相关性达到了0.9899。
具体实施过程中，步骤A1中，在实验容器中注入目标油品之前，预先将实验容器的底部布置为浅色。
在实际实验时，目标油品（润滑油和石油醚90～120）以褐色或灰黑色为主，为了提升目标油品的油膜颜色与实验容器底部的对比，本方案中通过白色油漆对实验容器底部进行刷白（变成浅色），使得能够增强实验容器底部颜色与油膜颜色对比度强度，能够更好的采集油膜图像，有利于提升后续模型的检测精度，从而能够提升油膜厚度的检测效果。
具体实施过程中，步骤A1中，在实验容器中注入目标油品之前，预先隔离实验容器周边的自然光源，并为实验容器提供统一强度光照的实验光源。
在实际实验时，环境的自然光源会对油膜图像的采集造成影响，尤其是天气变化引起的光源强度变化对油膜颜色辨别的影响，导致后续模型的检测精度不好。针对这一问题，本方案中通过蓝色遮光布在实验容器四周搭建试验棚对自然光源进行隔离，然后在实验容器四上方安装白织节能灯管作为实验光源，以提供统一强度光照，能够避免环境自然光源对油膜图像采集的影响，能够更好的采集油膜图像，有利于提升后续模型的检测精度，从而能够提升油膜厚度的检测效果。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.基于溢油扩展实验的油膜厚度检测方法，其特征在于，包括以下步骤：
步骤A：根据预设的图像灰度-油膜厚度映射关系计算生成目标油品对应的图像灰度-油膜厚度映射模型；所述预设的图像灰度-油膜厚度映射关系为：h=a(1-x/256)-b；式中，h为油膜厚度， x为油膜灰度图像的图像灰度，a、b均为目标油品对应的拟合系数；
步骤B：获取目标油品在待检测区域内的油膜图像，并对目标油品的油膜图像进行图像灰度处理得到相应的油膜灰度图像；
步骤C：计算目标油品油膜灰度图像的图像灰度，然后根据目标油品的图像灰度-油膜厚度映射模型计算生成目标油品相应的油膜厚度。
2.如权利要求1所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A中，计算生成目标油品的图像灰度-油膜厚度映射模型时，包括以下步骤：
步骤A1：在放置有实验用水的实验容器中注入一定质量的目标油品；
步骤A2：待目标油品在实验用水中扩展至铺满实验容器表面时，采集相应的油膜图像并计算相应的油膜厚度；然后对油膜图像进行图像灰度处理并计算得到相应的图像灰度；
步骤A3：重复步骤A1和步骤A2多次，得到多组目标油品的图像灰度和相应的油膜厚度数据组；
步骤A4：根据多组目标油品的图像灰度和相应的油膜厚度数据组计算图像灰度-油膜厚度映射关系h=a(1-x/256)-b中的拟合系数a和b，以得到目标油品的图像灰度-油膜厚度映射模型。
3.如权利要求2所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A2中，计算目标油品相应的油膜厚度时，根据注入的目标油品质量和密度计算得到目标油品相应的溢油体积，然后根据目标油品的溢油体积和实验容器的截面积，计算得到目标油品相应的油膜厚度。
4.如权利要求1所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A中，所述预设的图像灰度-油膜厚度映射关系，通过如下步骤拟合生成：
步骤A11：采集两种或两种以上目标油品的多组图像灰度和相应的油膜厚度数据组；
步骤A12：然后根据多组图像灰度和相应的油膜厚度数据组，分别计算生成各种目标油品对应的图像灰度-油膜厚度对应公式；
步骤A13：对各种目标油品的图像灰度-油膜厚度对应公式进行计算拟合，生成相应的图像灰度-油膜厚度映射关系。
5.如权利要求4所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A11中，目标油品包括润滑油和石油醚90～120。
6.如权利要求5所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A12中，润滑油的图像灰度-油膜厚度对应公式为：h ׳=1.44(1-x ׳ /256)-0.7262，式中，h ׳为润滑油的油膜厚度，x ׳为润滑油的油膜灰度图像的图像灰度。
7.如权利要求5所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A12中，石油醚90～120的图像灰度-油膜厚度对应公式为：h ׳׳=1.30(1-x ׳׳ /256)-0.5130，式中，h ׳׳为石油醚90～120的油膜厚度，x ׳׳为石油醚90～120的油膜灰度图像的图像灰度。
8.如权利要求2所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A1中，在实验容器中注入目标油品之前，预先将实验容器的底部布置为浅色。
9.如权利要求2所述的基于溢油扩展实验的油膜厚度检测方法，其特征在于：步骤A1中，在实验容器中注入目标油品之前，预先隔离实验容器周边的自然光源，并为实验容器提供统一强度光照的实验光源。
CN202010365890.1A 2020-04-30 2020-04-30 基于溢油扩展实验的油膜厚度检测方法 Expired - Fee Related CN111412844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010365890.1A CN111412844B (zh) 2020-04-30 2020-04-30 基于溢油扩展实验的油膜厚度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010365890.1A CN111412844B (zh) 2020-04-30 2020-04-30 基于溢油扩展实验的油膜厚度检测方法

Publications (2)

Publication Number Publication Date
CN111412844A CN111412844A (zh) 2020-07-14
CN111412844B true CN111412844B (zh) 2021-06-15

Family

ID=71492236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010365890.1A Expired - Fee Related CN111412844B (zh) 2020-04-30 2020-04-30 基于溢油扩展实验的油膜厚度检测方法

Country Status (1)

Country Link
CN (1) CN111412844B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414009A (zh) * 2008-11-15 2009-04-22 大连海事大学 便携式机载海上溢油遥感监测系统
CN102221337A (zh) * 2011-03-23 2011-10-19 大连海事大学 船载微波散射计反演油膜厚度装置
CN102607434A (zh) * 2012-03-08 2012-07-25 天津大学 海面油膜厚度测量装置
CN102997856A (zh) * 2012-12-12 2013-03-27 南京大学 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法
CN104034270A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的水面油污监测方法和装置
CN205079740U (zh) * 2015-11-13 2016-03-09 天津海运职业学院 一种溢油油膜厚度现场快速测量装置
CN110188727A (zh) * 2019-06-05 2019-08-30 中煤航测遥感集团有限公司 海洋溢油量估算方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414009A (zh) * 2008-11-15 2009-04-22 大连海事大学 便携式机载海上溢油遥感监测系统
CN102221337A (zh) * 2011-03-23 2011-10-19 大连海事大学 船载微波散射计反演油膜厚度装置
CN102607434A (zh) * 2012-03-08 2012-07-25 天津大学 海面油膜厚度测量装置
CN102997856A (zh) * 2012-12-12 2013-03-27 南京大学 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法
CN104034270A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的水面油污监测方法和装置
CN205079740U (zh) * 2015-11-13 2016-03-09 天津海运职业学院 一种溢油油膜厚度现场快速测量装置
CN110188727A (zh) * 2019-06-05 2019-08-30 中煤航测遥感集团有限公司 海洋溢油量估算方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
海洋溢油光谱分析与卫星信息提取;付玉慧 等;《遥感学报》;20081115;第12卷(第6期);1010-1016 *

Also Published As

Publication number Publication date
CN111412844A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN102997856B (zh) 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法
CN102176001B (zh) 一种基于透水波段比值因子的水深反演方法
CN105631904B (zh) 一种富营养化湖泊藻类总存量遥感估算方法
CN111476120B (zh) 一种无人机智能船舶水尺识别方法及装置
CN105203466B (zh) 一种富营养化湖泊非藻华条件下藻类总存量遥感估算方法
CN109064479B (zh) 一种基于邻近视频帧灰度动态特征的海天线检测方法
CN102507474A (zh) 一种船舶溢油目标的识别方法及系统
CN111339959A (zh) 基于sar和光学影像融合的近海浮筏养殖区提取方法
CN114201732A (zh) 一种基于Sentinel-2A影像的浅海海域水深反演方法
Yang et al. Evaluation and mitigation of rain effect on wave direction and period estimation from X-band marine radar images
CN105627997A (zh) 多角度遥感水深决策融合反演方法
CN113763272B (zh) 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法
CN110132246B (zh) 基于残差分区的水深遥感探测方法
CN110274858B (zh) 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法
CN111412844B (zh) 基于溢油扩展实验的油膜厚度检测方法
CN115908864A (zh) 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法
CN117744031B (zh) 一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法
CN117330550B (zh) 基于遥感图像和光谱图像的溢油溯源方法、终端、系统
Salyuk et al. Determination of the chlorophyll a concentration by MODIS-Aqua and VIIRS satellite radiometers in Eastern Arctic and Bering Sea
Zhan et al. MODIS-based research on Secchi disk depth using an improved semianalytical algorithm in the Yellow Sea
CN111595247B (zh) 基于自扩展卷积神经网络的原油油膜绝对厚度反演方法
Ma et al. Automatic geolocation and measuring of offshore energy infrastructure with multimodal satellite data
CN110097562B (zh) 海面溢油区域图像探测方法
CN111539123B (zh) 一种用于溢油扩展漂移实验的油膜变化规律计算方法
CN108875636A (zh) 一种基于辅助判别策略的合成孔径雷达图像海陆分割方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210615

CF01 Termination of patent right due to non-payment of annual fee