CN111782887A - 一种泄漏气体的温度量化系统及方法 - Google Patents
一种泄漏气体的温度量化系统及方法 Download PDFInfo
- Publication number
- CN111782887A CN111782887A CN202010605860.3A CN202010605860A CN111782887A CN 111782887 A CN111782887 A CN 111782887A CN 202010605860 A CN202010605860 A CN 202010605860A CN 111782887 A CN111782887 A CN 111782887A
- Authority
- CN
- China
- Prior art keywords
- gas
- temperature
- value
- real
- 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.)
- Pending
Links
- 238000011002 quantification Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 102
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 239000007789 gas Substances 0.000 claims description 329
- 238000013500 data storage Methods 0.000 claims description 18
- 238000009792 diffusion process Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 14
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 230000026676 system process Effects 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- 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
- G06T7/194—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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computational Linguistics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种泄漏气体的温度量化系统及方法，涉及体泄漏检测技术领域，包括：图像获取装置，用于拍摄得到气体监测区域的包含所述泄漏气体的实时红外图像；图像处理装置，用于保存预先生成的气体浓度查找表和气体温度查找表；根据所述实时红外图像和所述气体浓度查找表处理得到所述红外图像中的各像素点对应的气体浓度值；根据所述实时红外图像、各所述气体浓度值和所述气体温度查找表处理得到所述实时红外图像中的各所述像素点的第一气体温度值；根据各所述第一气体温度值处理得到第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。有益效果是量化精度高，且有效降低成品复杂度和成本。
Description
技术领域
本发明涉及气体泄漏检测技术领域，尤其涉及一种泄漏气体的温度量化系统及方法。
背景技术
在高度工业化的现代社会生活中，越来越多的有毒的或者是易燃易爆的危险气体也随之产生，一旦这些气体泄漏，将导致不可想象的严重后果，给社会造成巨大的损失。气体泄漏已成为工业生产、管道运输的重大安全隐患，快速评估气体泄漏情况，进而采取现场应急措施等尤为重要。上述气体泄漏情况的其中一个重要因素为泄漏气体的气体温度情况，如果危险区域内的泄漏气体的气体温度足够高，特别是易燃易爆气体，容易出现燃烧或爆炸等严重后果，因此在出现泄漏气体时，要及时获取泄漏气体的气体温度情况，以及时采取措施避免出现气体温度过高。
现有技术中，能够通过设置温度传感器直接测量环境温度来估计气体温度，或者通过设置热像仪进行气体温度测量。但采用温度传感器测量气体温度增加了应用成本，且采用环境温度表征气体温度存在较大误差；采用传统热像仪测量气体温度忽略了背景因素的影响，同样会导致测温结果误差较大。
发明内容
针对现有技术中存在的问题，本发明提供一种泄漏气体的温度量化系统，具体包括：
图像获取装置，用于拍摄得到气体监测区域的包含所述泄漏气体的实时红外图像；
图像处理装置，连接所述图像获取装置，所述图像处理装置包括：
数据存储模块，用于保存预先生成的气体浓度查找表和气体温度查找表；
第一处理模块，连接所述数据存储模块，用于根据所述实时红外图像和所述气体浓度查找表处理得到所述红外图像中的各像素点对应的气体浓度值；
第二处理模块，分别连接所述数据存储模块和所述第一处理模块，用于根据所述实时红外图像、各所述气体浓度值和所述气体温度查找表处理得到所述实时红外图像中的各所述像素点的第一气体温度值；
第三处理模块，连接所述第二处理模块，用于根据各所述第一气体温度值处理得到第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。
优选的，所述图像处理装置还包括查找表生成模块，连接所述数据存储模块，所述查找表生成模块包括：
第一生成单元，用于根据预先建立气体浓度方程组生成所述气体浓度查找表并保存至所述数据存储模块；
第二生成单元，用于根据预先建立气体温度方程组生成所述气体温度查找表并保存至所述数据存储模块。
优选的，所述红外图像上具有相邻的第一像素点和第二像素点；
则所述气体浓度方程组的表达式如下：
其中，DNa表示所述第一像素点的背景灰度参考值；DNoff表示无所述泄漏气体时所述第一像素点和所述第二像素点之间的背景灰度参考差值；DNon表示有所述泄漏气体时所述第一像素点和所述第二像素点之间的前景灰度参考差值；τgas表示气体吸收率；Kλ表示气体吸收系数；C表示气体浓度参考值；l表示光程上所述泄漏气体的气团长度；K、b为标定参数；La、Lb分别用于表示所述第一像素点和所述第二像素点的背景辐射量。
优选的，所述气体浓度查找表为所述背景灰度参考值、所述背景灰度参考差值、所述前景灰度参考差值与所述气体浓度参考值之间的对应关系表。
优选的，所述第一处理模块包括：
第一处理单元，用于处理得到所述红外图像的背景图像和前景图像，以及根据所述红外图像识别所述气体监测区域的泄漏气体轮廓，并处理得到气体扩散掩膜图像；
第二处理单元，连接所述第一处理单元，用于针对所述气体扩散掩膜图像中的表征具有所述泄漏气体的各像素点，根据所述背景图像和所述前景图像，分别处理得到各所述像素点对应的实时背景灰度值、所述像素点与邻近的像素点之间的实时背景灰度差值和实时前景灰度差值；
第三处理单元，连接所述第二处理单元，所述第三处理单元包括：
第一查找子单元，用于在所述气体浓度查找表中匹配得到分别与所述实时背景灰度值、所述实时背景灰度差值和所述实时前景灰度差值均相近的若干组所述背景灰度参考值、所述背景灰度参考差值和所述前景灰度参考差值；
第二查找子单元，连接所述第一查找子单元，用于在所述气体浓度查找表中分别匹配得到每组所述背景灰度参考值、所述背景灰度参考差值和所述前景灰度参考差值对应的所述气体浓度参考值；
第一处理子单元，连接所述第二查找子单元，用于根据各所述气体浓度参考值分别处理得到各所述像素点的所述气体浓度值。
优选的，所述气体温度方程组的表达式如下：
其中，DNoff′表示无所述泄漏气体时所述红外图像上各像素点的背景灰度参考值；DNon′表示有所述泄漏气体时各所述像素点的前景灰度参考值；τgas表示气体吸收率；ΔDN表示所述前景灰度值和所述背景灰度值的灰度参考差值；Lb表示背景辐射量；L(Tg)表示所述泄漏气体的气体温度参考值为Tg时的辐射量；K、b为标定参数；Kλ表示气体吸收系数；CL表示所述气体浓度参考值。
优选的，所述气体温度查找表为所述背景灰度参考值、所述灰度参考差值、所述气体浓度值与所述气体温度参考值之间的对应关系表。
优选的，所述第二处理模块包括：
第四处理单元，用于处理得到所述红外图像的背景图像和前景图像，以及根据所述红外图像识别所述气体监测区域的泄漏气体轮廓，并处理得到气体扩散掩膜图像；
第五处理单元，连接所述第四处理单元，用于针对所述气体扩散掩膜图像中的表征具有所述泄漏气体的各像素点，根据所述背景图像和所述前景图像，分别处理得到各所述像素点对应的实时背景灰度值和所述实时灰度参考差值；
第六处理单元，连接所述第五处理单元，所述第六处理单元包括：
第三查找子单元，用于在所述气体浓度查找表中匹配得到分别与所述实时背景灰度值、所述实时灰度参考差值和所述气体浓度值均相近的若干组所述背景灰度参考值、所述灰度参考差值和所述气体浓度参考值；
第四查找子单元，连接所述第三查找子单元，用于在所述气体浓度查找表中分别匹配得到每组所述背景灰度参考值、所述灰度参考差值和所述气体浓度参考值对应的所述气体温度参考值；
第二处理子单元，连接所述第四查找子单元，用于根据各所述气体温度参考值分别处理得到各所述像素点的所述第一气体温度值。
优选的，对各所述第一气体温度值进行取中值得到所述第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。
一种泄漏气体的温度量化方法，应用于以上任意一项所述的温度量化系统，所述温度量化方法具体包括以下步骤：
步骤S1，所述温度量化系统拍摄得到气体监测区域的包含所述泄漏气体的实时红外图像；
步骤S2，所述温度量化系统根据所述实时红外图像和预先生成的气体浓度查找表处理得到所述红外图像中的各像素点对应的气体浓度值；
步骤S3，所述温度量化系统根据所述实时红外图像、各所述气体浓度值和预先生成的气体温度查找表处理得到所述实时红外图像中的各所述像素点的第一气体温度值；
步骤S4，所述温度量化系统根据各所述第一气体温度值处理得到第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。
上述技术方案具有如下优点或有益效果：通过直接从红外图像中提取泄漏气体的真实温度，考虑背景因素的影响，量化精度高，且无需辅助设置气体温度测量传感器，有效降低成品复杂度和成本。
附图说明
图1为本发明的较佳的实施例中，一种泄漏气体的温度量化系统的结构示意图；
图2为本发明的较佳的实施例中，邻近像元辐射对比差分模型的示意图；
图3为本发明的较佳的实施例中，气体浓度查找表的示意图；
图4为本发明的较佳的实施例中，气体温度查找表的示意图；
图5为本发明的较佳的实施例中，一种泄漏气体的温度量化方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。
本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种泄漏气体的温度量化系统，如图1所示，具体包括：
图像获取装置1，用于拍摄得到气体监测区域的包含泄漏气体的实时红外图像；
图像处理装置2，连接图像获取装置1，图像处理装置2包括：
数据存储模块21，用于保存预先生成的气体浓度查找表和气体温度查找表；
第一处理模块22，连接数据存储模块21，用于根据实时红外图像和气体浓度查找表处理得到红外图像中的各像素点对应的气体浓度值；
第二处理模块23，分别连接数据存储模块21和第一处理模块22，用于根据实时红外图像、各气体浓度值和气体温度查找表处理得到实时红外图像中的各像素点的第一气体温度值；
第三处理模块24，连接第二处理模块23，用于根据各第一气体温度值处理得到第二气体温度值，并将第二气体温度值作为泄漏气体的温度量化结果输出。
具体地，本实施例中，本发明无需辅助设置另外的气体温度传感器，而是从红外图像中直接提取各像素的第一气体温度值，并根据各第一气体温度值处理得到泄漏气体的温度量化结果，量化精度高。
进一步地，本发明基于预先生成的气体浓度查找表和气体温度查找表实现气体温度量化。上述气体浓度查找表的生成基于邻近像元辐射对比差分模型的分析得到，该邻近像元辐射对比差分模型如图2所示，图像获取装置1的焦面11和镜头12、泄漏气体3，以及背景4之间具有图中所示的相对位置关系，其中，焦面11上具有相邻的第一像素点a和第二像素点b，其对应于背景4上的位置A和位置B。根据上述邻近像元辐射对比差分模型能够建立气体浓度方程组，且由于该气体浓度方程组为超越方程，无法解析计算，本实施例中优选采用分段线性化和查表方式并通过构建气体浓度查找表估算结果。上述气体温度查找表的生成基于泄漏气体红外辐射传输模型，通过泄漏气体红外辐射传输模型能够建立气体温度方程组，同样该气体温度方程组为超越方程，通过构建气体温度查找表的方式估算结果。
进一步地，通过获取的红外图像和上述气体浓度查找表能够进行气体浓度的粗估计，进而通过获取的气体浓度值，结合红外图像以及气体温度查找表能够处理得到红外图像上包含泄漏气体的各像素点的第一气体温度值，由于获取的气体浓度值为粗估计结果，各个像素点的第一气体温度值之间的温度误差较大，因此对于单帧红外图像，将空间域中所有像素点的第一气体温度值取中值作为泄漏气体的温度量化结果。
本发明的较佳的实施例中，图像处理装置2还包括查找表生成模块25，连接数据存储模块21，查找表生成模块25包括：
第一生成单元251，用于根据预先建立气体浓度方程组生成气体浓度查找表并保存至数据存储模块；
第二生成单元252，用于根据预先建立气体温度方程组生成气体温度查找表并保存至数据存储模块。
本发明的较佳的实施例中，红外图像上具有相邻的第一像素点和第二像素点；
则气体浓度方程组的表达式如下：
其中，DNa表示第一像素点的背景灰度参考值；DNoff表示无泄漏气体时第一像素点和第二像素点之间的背景灰度参考差值；DNon表示有泄漏气体时第一像素点和第二像素点之间的前景灰度参考差值；τgas表示气体吸收率；Kλ表示气体吸收系数；C表示气体浓度参考值；l表示光程上泄漏气体的气团长度；K、b为标定参数；La、Lb分别用于表示第一像素点和第二像素点的背景辐射量。
本发明的较佳的实施例中，气体浓度查找表为背景灰度参考值、背景灰度参考差值、前景灰度参考差值与气体浓度参考值之间的对应关系表。
本发明的较佳的实施例中，第一处理模块22包括：
第一处理单元221，用于处理得到红外图像的背景图像和前景图像，以及根据红外图像识别气体监测区域的泄漏气体轮廓，并处理得到气体扩散掩膜图像；
第二处理单元222，连接第一处理单元221，用于针对气体扩散掩膜图像中的表征具有泄漏气体的各像素点，根据背景图像和前景图像，分别处理得到各像素点对应的实时背景灰度值、像素点与邻近的像素点之间的实时背景灰度差值和实时前景灰度差值；
第三处理单元223，连接第二处理单元222，第三处理单元223包括：
第一查找子单元2231，用于在气体浓度查找表中匹配得到分别与实时背景灰度值、实时背景灰度差值和实时前景灰度差值均相近的若干组背景灰度参考值、背景灰度参考差值和前景灰度参考差值；
第二查找子单元2232，连接第一查找子单元2231，用于在气体浓度查找表中分别匹配得到每组背景灰度参考值、背景灰度参考差值和前景灰度参考差值对应的气体浓度参考值；
第一处理子单元2233，连接第二查找子单元2232，用于根据各气体浓度参考值分别处理得到各像素点的气体浓度值。
具体地，本实施例中，根据红外图像处理得到的背景图像为没有泄漏气体时的图像，前景图像为包含泄漏气体时的图像，气体扩散掩膜图像为二值图像，灰度值为0表示对应像素点没有检测到泄漏气体，灰度值为1表示对应像素点检测到泄漏气体，没有泄漏气体的像素点无需进行气体温度的量化过程，因此，在获取气体扩散掩膜图像后，遍历气体扩散掩膜图像，对灰度值为1的各像素点，根据对应的前景图像和背景图像，获取该像素点对应的三个输入参数，分别为实时背景灰度值DN、像素点与邻近的像素点之间的实时背景灰度差值DNback和实时前景灰度差值DNgas，根据上述三个输入参数结合气体浓度查找表进行浓度粗估计，气体浓度查找表如图3所示，则浓度粗估计过程如下：
1)在气体浓度查找表的背景灰度参考值列中查找实时背景灰度值DN的邻近值，该邻近值优选有两个，分别为A1和A2，且A1<DN<A2；
2)取DN＝A1，随后在气体浓度查找表的背景灰度参考值列为A1对应的背景灰度参考差值列中，查找实时背景灰度差值DNback的邻近值，该邻近值优选为两个，分别为B1和B2，且B1<DNback<B2；
3)取DN＝A1，且DNback＝B1，随后在气体浓度查找表的背景灰度参考值列为A1且背景灰度参考差值列为B1的前景灰度参考差值列中，查找实时前景灰度差值DNgas的邻近值，该邻近值优选为两个，分别为C1和C2，且C1<DNgas<C2；
4)随后在气体浓度查找表中查找，DN＝A1，DNback＝B1且DNgas＝C1时的气体浓度参考值D1，以及DN＝A1，DNback＝B1且DNgas＝C2时的气体浓度参考值D2，并进行线性拟合计算得到DN＝A1，DNback＝B1时的气体浓度拟合值CL1，上述线性拟合计算的计算公式如下：
CL1＝(D2-D1)(DNgas-C1)/(C2-C1)+D1；
5)重复步骤3)至步骤4)，能够得到DN＝A1，DNback＝B2时的气体浓度拟合值CL2，且CL2＝(D4-D3)(DNgas-C3)/(C4-C3)+D3；
6)随后同样经过线性拟合计算得到DN＝A1时的气体浓度拟合值CL3，且CL3＝(CL2-CL1)(DNgas-B1)/(B2-B1)+CL1；
7)重复步骤2)至步骤6)，能够得到DN＝A2时的气体浓度拟合值CL4，进而能够计算得到单个像素点的气体浓度值CL，该气体浓度值CL优选通过线性拟合计算得到，具体计算公式如下：
CL＝(CL4-CL3)(DN-A1)/(A2-A1)+CL3
8)重复步骤1)至步骤7)直至气体扩散掩膜图像中的灰度值为1的所有像素点的气体浓度值均计算完成。
本发明的较佳的实施例中，气体温度方程组的表达式如下：
其中，DNoff′表示无泄漏气体时红外图像上各像素点的背景灰度参考值；DNon′表示有泄漏气体时各像素点的前景灰度参考值；τgas表示气体吸收率；ΔDN表示前景灰度值和背景灰度值的灰度参考差值；Lb表示背景辐射量；L(Tg)表示泄漏气体的气体温度参考值为Tg时的辐射量；K、b为标定参数；Kλ表示气体吸收系数；CL表示气体浓度参考值。
本发明的较佳的实施例中，气体温度查找表为背景灰度参考值、灰度参考差值、气体浓度值与气体温度参考值之间的对应关系表。
本发明的较佳的实施例中，第二处理模块23包括：
第四处理单元231，用于处理得到红外图像的背景图像和前景图像，以及根据红外图像识别气体监测区域的泄漏气体轮廓，并处理得到气体扩散掩膜图像；
第五处理单元232，连接第四处理单元231，用于针对气体扩散掩膜图像中的表征具有泄漏气体的各像素点，根据背景图像和前景图像，分别处理得到各像素点对应的实时背景灰度值和实时灰度参考差值；
第六处理单元233，连接第五处理单元232，第六处理单元233包括：
第三查找子单元2331，用于在气体浓度查找表中匹配得到分别与实时背景灰度值、实时灰度参考差值和气体浓度值均相近的若干组背景灰度参考值、灰度参考差值和气体浓度参考值；
第四查找子单元2332，连接第三查找子单元2331，用于在气体浓度查找表中分别匹配得到每组背景灰度参考值、灰度参考差值和气体浓度参考值对应的气体温度参考值；
第二处理子单元2333，连接第四查找子单元2332，用于根据各气体温度参考值分别处理得到各像素点的第一气体温度值。
本发明的较佳的实施例中，对各第一气体温度值进行取中值得到第二气体温度值，并将第二气体温度值作为泄漏气体的温度量化结果输出。
具体地，本实施例中，气体温度查找表如图4所示，且气体扩散掩膜图像中的灰度值为1的各像素点的温度量化过程同上述浓度粗估计过程，因此，此处不再赘述。
一种泄漏气体的温度量化方法，应用于以上任意一项的温度量化系统，如图5所示，温度量化方法具体包括以下步骤：
步骤S1，温度量化系统拍摄得到气体监测区域的包含泄漏气体的实时红外图像；
步骤S2，温度量化系统根据实时红外图像和预先生成的气体浓度查找表处理得到红外图像中的各像素点对应的气体浓度值；
步骤S3，温度量化系统根据实时红外图像、各气体浓度值和预先生成的气体温度查找表处理得到实时红外图像中的各像素点的第一气体温度值；
步骤S4，温度量化系统根据各第一气体温度值处理得到第二气体温度值，并将第二气体温度值作为泄漏气体的温度量化结果输出。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (10)
1.一种泄漏气体的温度量化系统，其特征在于，具体包括：
图像获取装置，用于拍摄得到气体监测区域的包含所述泄漏气体的实时红外图像；
图像处理装置，连接所述图像获取装置，所述图像处理装置包括：
数据存储模块，用于保存预先生成的气体浓度查找表和气体温度查找表；
第一处理模块，连接所述数据存储模块，用于根据所述实时红外图像和所述气体浓度查找表处理得到所述红外图像中的各像素点对应的气体浓度值；
第二处理模块，分别连接所述数据存储模块和所述第一处理模块，用于根据所述实时红外图像、各所述气体浓度值和所述气体温度查找表处理得到所述实时红外图像中的各所述像素点的第一气体温度值；
第三处理模块，连接所述第二处理模块，用于根据各所述第一气体温度值处理得到第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。
2.根据权利要求1所述的温度量化系统，其特征在于，所述图像处理装置还包括查找表生成模块，连接所述数据存储模块，所述查找表生成模块包括：
第一生成单元，用于根据预先建立气体浓度方程组生成所述气体浓度查找表并保存至所述数据存储模块；
第二生成单元，用于根据预先建立气体温度方程组生成所述气体温度查找表并保存至所述数据存储模块。
3.根据权利要求2所述的温度量化系统，其特征在于，所述红外图像上具有相邻的第一像素点和第二像素点；
则所述气体浓度方程组的表达式如下：
其中，DNa表示所述第一像素点的背景灰度参考值；DNoff表示无所述泄漏气体时所述第一像素点和所述第二像素点之间的背景灰度参考差值；DNon表示有所述泄漏气体时所述第一像素点和所述第二像素点之间的前景灰度参考差值；τgas表示气体吸收率；Kλ表示气体吸收系数；C表示气体浓度参考值；l表示光程上所述泄漏气体的气团长度；K、b为标定参数；La、Lb分别用于表示所述第一像素点和所述第二像素点的背景辐射量。
4.根据权利要求3所述的温度量化系统，其特征在于，所述气体浓度查找表为所述背景灰度参考值、所述背景灰度参考差值、所述前景灰度参考差值与所述气体浓度参考值之间的对应关系表。
5.根据权利要求4所述的温度量化系统，其特征在于，所述第一处理模块包括：
第一处理单元，用于处理得到所述红外图像的背景图像和前景图像，以及根据所述红外图像识别所述气体监测区域的泄漏气体轮廓，并处理得到气体扩散掩膜图像；
第二处理单元，连接所述第一处理单元，用于针对所述气体扩散掩膜图像中的表征具有所述泄漏气体的各像素点，根据所述背景图像和所述前景图像，分别处理得到各所述像素点对应的实时背景灰度值、所述像素点与邻近的像素点之间的实时背景灰度差值和实时前景灰度差值；
第三处理单元，连接所述第二处理单元，所述第三处理单元包括：
第一查找子单元，用于在所述气体浓度查找表中匹配得到分别与所述实时背景灰度值、所述实时背景灰度差值和所述实时前景灰度差值均相近的若干组所述背景灰度参考值、所述背景灰度参考差值和所述前景灰度参考差值；
第二查找子单元，连接所述第一查找子单元，用于在所述气体浓度查找表中分别匹配得到每组所述背景灰度参考值、所述背景灰度参考差值和所述前景灰度参考差值对应的所述气体浓度参考值；
第一处理子单元，连接所述第二查找子单元，用于根据各所述气体浓度参考值分别处理得到各所述像素点的所述气体浓度值。
6.根据权利要求2所述的温度量化系统，其特征在于，所述气体温度方程组的表达式如下：
其中，DNoff′表示无所述泄漏气体时所述红外图像上各像素点的背景灰度参考值；DNon′表示有所述泄漏气体时各所述像素点的前景灰度参考值；τgas表示气体吸收率；ΔDN表示所述前景灰度值和所述背景灰度值的灰度参考差值；Lb表示背景辐射量；L(Tg)表示所述泄漏气体的气体温度参考值为Tg时的辐射量；K、b为标定参数；Kλ表示气体吸收系数；CL表示所述气体浓度参考值。
7.根据权利要求6所述的温度量化系统，其特征在于，所述气体温度查找表为所述背景灰度参考值、所述灰度参考差值、所述气体浓度值与所述气体温度参考值之间的对应关系表。
8.根据权利要求7所述的温度量化系统，其特征在于，所述第二处理模块包括：
第四处理单元，用于处理得到所述红外图像的背景图像和前景图像，以及根据所述红外图像识别所述气体监测区域的泄漏气体轮廓，并处理得到气体扩散掩膜图像；
第五处理单元，连接所述第四处理单元，用于针对所述气体扩散掩膜图像中的表征具有所述泄漏气体的各像素点，根据所述背景图像和所述前景图像，分别处理得到各所述像素点对应的实时背景灰度值和所述实时灰度参考差值；
第六处理单元，连接所述第五处理单元，所述第六处理单元包括：
第三查找子单元，用于在所述气体浓度查找表中匹配得到分别与所述实时背景灰度值、所述实时灰度参考差值和所述气体浓度值均相近的若干组所述背景灰度参考值、所述灰度参考差值和所述气体浓度参考值；
第四查找子单元，连接所述第三查找子单元，用于在所述气体浓度查找表中分别匹配得到每组所述背景灰度参考值、所述灰度参考差值和所述气体浓度参考值对应的所述气体温度参考值；
第二处理子单元，连接所述第四查找子单元，用于根据各所述气体温度参考值分别处理得到各所述像素点的所述第一气体温度值。
9.根据权利要求1所述的温度量化系统，其特征在于，对各所述第一气体温度值进行取中值得到所述第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。
10.一种泄漏气体的温度量化方法，其特征在于，应用于如权利要求1-9中任意一项所述的温度量化系统，所述温度量化方法具体包括以下步骤：
步骤S1，所述温度量化系统拍摄得到气体监测区域的包含所述泄漏气体的实时红外图像；
步骤S2，所述温度量化系统根据所述实时红外图像和预先生成的气体浓度查找表处理得到所述红外图像中的各像素点对应的气体浓度值；
步骤S3，所述温度量化系统根据所述实时红外图像、各所述气体浓度值和预先生成的气体温度查找表处理得到所述实时红外图像中的各所述像素点的第一气体温度值；
步骤S4，所述温度量化系统根据各所述第一气体温度值处理得到第二气体温度值，并将所述第二气体温度值作为所述泄漏气体的温度量化结果输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605860.3A CN111782887A (zh) | 2020-06-29 | 2020-06-29 | 一种泄漏气体的温度量化系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605860.3A CN111782887A (zh) | 2020-06-29 | 2020-06-29 | 一种泄漏气体的温度量化系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111782887A true CN111782887A (zh) | 2020-10-16 |
Family
ID=72760158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010605860.3A Pending CN111782887A (zh) | 2020-06-29 | 2020-06-29 | 一种泄漏气体的温度量化系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111782887A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945326A (zh) * | 2021-12-21 | 2022-01-18 | 广州市腾嘉自动化仪表有限公司 | 一种高光谱红外气体泄露检测系统和方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102435397A (zh) * | 2011-09-06 | 2012-05-02 | 中国科学院长春光学精密机械与物理研究所 | 一种sf6泄漏的红外探测显示系统 |
| CN106018316A (zh) * | 2016-05-23 | 2016-10-12 | 湖北久之洋红外系统股份有限公司 | 一种基于高光谱红外图像处理的气体检测方法 |
| CN107451590A (zh) * | 2017-07-19 | 2017-12-08 | 哈尔滨工程大学 | 基于高光谱红外图像的气体检测识别和浓度表示方法 |
| US20180364185A1 (en) * | 2015-12-15 | 2018-12-20 | Konica Minolta, Inc. | Gas Concentration-Thickness Product Measurement Device, Gas Concentration-Thickness Product Measurement Method, Gas Concentration-Thickness Product Measurement Program, And Computer-Readable Recording Medium Having Gas Concentration-Thickness Product Measurement Program Recorded Thereon |
| CN110231308A (zh) * | 2019-08-05 | 2019-09-13 | 南京南智芯光科技有限公司 | 一种主动照明气体成像检测方法及系统 |
| CN111141460A (zh) * | 2019-12-25 | 2020-05-12 | 西安交通大学 | 一种基于人工智能感官的装备气体泄漏监测系统及方法 |
-
2020
- 2020-06-29 CN CN202010605860.3A patent/CN111782887A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102435397A (zh) * | 2011-09-06 | 2012-05-02 | 中国科学院长春光学精密机械与物理研究所 | 一种sf6泄漏的红外探测显示系统 |
| US20180364185A1 (en) * | 2015-12-15 | 2018-12-20 | Konica Minolta, Inc. | Gas Concentration-Thickness Product Measurement Device, Gas Concentration-Thickness Product Measurement Method, Gas Concentration-Thickness Product Measurement Program, And Computer-Readable Recording Medium Having Gas Concentration-Thickness Product Measurement Program Recorded Thereon |
| CN106018316A (zh) * | 2016-05-23 | 2016-10-12 | 湖北久之洋红外系统股份有限公司 | 一种基于高光谱红外图像处理的气体检测方法 |
| CN107451590A (zh) * | 2017-07-19 | 2017-12-08 | 哈尔滨工程大学 | 基于高光谱红外图像的气体检测识别和浓度表示方法 |
| CN110231308A (zh) * | 2019-08-05 | 2019-09-13 | 南京南智芯光科技有限公司 | 一种主动照明气体成像检测方法及系统 |
| CN111141460A (zh) * | 2019-12-25 | 2020-05-12 | 西安交通大学 | 一种基于人工智能感官的装备气体泄漏监测系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945326A (zh) * | 2021-12-21 | 2022-01-18 | 广州市腾嘉自动化仪表有限公司 | 一种高光谱红外气体泄露检测系统和方法 |
| CN113945326B (zh) * | 2021-12-21 | 2022-03-22 | 广州市腾嘉自动化仪表有限公司 | 一种高光谱红外气体泄露检测系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3392635B1 (en) | Image processing device for gas detection, image processing method for gas detection, image processing program for gas detection, computer-readable recording medium having image processing program for gas detection recorded thereon, and gas detection system | |
| CN112307267B (zh) | 一种泄漏气体的浓度量化系统及方法 | |
| CN111782887A (zh) | 一种泄漏气体的温度量化系统及方法 | |
| CN111429540A (zh) | 温度场和变形场同步测量装置和方法 | |
| CN113865717B (zh) | 一种基于高速相机的瞬态高温比色测温装置 | |
| US20220065735A1 (en) | Method and hardware for post maintenance vacuum recovery system | |
| CN111707382A (zh) | 一种温度变形同步测量的动态光学补偿方法及装置 | |
| US11740175B2 (en) | Method and device for compensating temperature gradient effects | |
| Xu et al. | Improved calibration method based on the RANSAC approach and an improved gray centroid method for a laser-line-based structured light system | |
| CN112629779B (zh) | 一种压力容器的总体气密性检测方法 | |
| CN103278295B (zh) | 一种多次压氦和预充氦压氦的氦质谱细检漏方法 | |
| Deep et al. | Temperature characterization of a radiating gas layer using digital-single-lens-reflex-camera-based two-color ratio pyrometry | |
| EP0907883A1 (en) | Method and system for remotely determining column density of trace gases | |
| KR20200071027A (ko) | 가스 센서의 캘리브레이션 방정식 산출 방법 | |
| Murawski | New vision sensor to measure and monitor gas pressure | |
| US20150052969A1 (en) | Calibrating a Device | |
| JP6695153B2 (ja) | 漏れ検査装置及び方法 | |
| CN210400317U (zh) | 一种测量孔探仪 | |
| CN110095472B (zh) | 基于hdri的高反光金属表面缺陷检测方法及系统 | |
| KR101227936B1 (ko) | 대응 영상의 컬러 보정 방법 및 그 기록매체 | |
| Liu et al. | Fast and practical method for underwater stereo vision calibration based on ray-tracing | |
| CN112698053A (zh) | 粒子图像测速误差优化方法、系统和存储介质 | |
| Rowley et al. | Correcting for digital image correlation speckle inversion at high temperature using color cameras | |
| CN112634271B (zh) | 确定红外相机检测气体泄露量临界值的方法及设备 | |
| CN111272296B (zh) | 一种降低光路中粉尘对红外测温影响的校正方法及系统 |
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 |