CN112307267A - 一种泄漏气体的浓度量化系统及方法 - Google Patents
一种泄漏气体的浓度量化系统及方法 Download PDFInfo
- Publication number
- CN112307267A CN112307267A CN202010604823.0A CN202010604823A CN112307267A CN 112307267 A CN112307267 A CN 112307267A CN 202010604823 A CN202010604823 A CN 202010604823A CN 112307267 A CN112307267 A CN 112307267A
- Authority
- CN
- China
- Prior art keywords
- gas
- concentration
- real
- time
- gray
- 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
Links
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
- 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
- G06T7/90—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
- G06T2207/10048—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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种泄漏气体的浓度量化系统及方法,涉及气体泄漏检测技术领域,包括:温度检测装置,用于检测气体监测区域中泄漏气体的实时气体温度;图像采集装置,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;数据处理模块,包括:查找表生成子模块,用于根据预先建立的泄漏气体红外辐射传输模型和实时气体温度生成气体浓度查找表;处理子模块,连接查找表生成子模块,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,并将各气体浓度值作为泄漏气体的浓度量化结果输出。有益效果是基于红外图像进行气体浓度的量化,节约成本,且处理过程考虑背景因素的影响,气体浓度量化精度高。
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浓度量化系统及方法。
背景技术
日常生活、工业生产和交通运输等领域内,有害气体,如天然气、石油等烷烃类易燃易爆气体泄漏会造成多方面的危害。为了减少气体泄漏的危害,需要对区域内是否存在气体泄漏现象进行检测。常见的气体检测方式主要包括:半导体式、催化燃烧式和电化学式、红外线式,即通过对应原理下的传感器,探测区域内的气体浓度。但这些传感器需要与气体进行接触才能进行检测,使得这些传感器的检测范围小,反应迟缓,因此,还可以通过光学远程方式进行气体检测。
现有技术中,可以通过红外成像检测技术进行气体检测,可以用于可视化气体发生或气体泄漏,但泄漏气体的实时浓度无法量化,需要辅助设置气体浓度检测装置。
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浓度量化系统,具体包括:
温度检测装置,设置于气体监测区域,用于检测所述气体监测区域中泄漏气体的实时气体温度;
图像采集装置,设置于所述气体监测区域,用于拍摄得到所述气体监测区域的包含所述泄漏气体的实时红外图像;
数据处理模块,分别连接所述温度检测装置和所述图像采集装置,所述数据处理模块包括:
查找表生成子模块,用于根据预先建立的泄漏气体红外辐射传输模型和所述实时气体温度生成气体浓度查找表;
处理子模块,连接所述查找表生成子模块,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所述像素点对应的气体浓度值,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
优选的,所述泄漏气体红外辐射传输模型的表达式如下:
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;△DN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所述实时气体温度为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,所述气体浓度查找表为所述背景灰度参考值、所述灰度参考差值、所述实时气体温度与所述气体浓度参考值之间的对应关系表。
优选的,所述处理子模块包括:
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和所述实时灰度差值;
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和所述实时灰度差值均相近的若干组所述背景灰度参考值和所述灰度参考差值;
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和所述灰度参考差值对应的所述气体浓度参考值;
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,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
优选的,针对每个所述像素点,根据对应的各所述气体浓度参考值进行线性拟合计算得到所述气体浓度值。
一种泄漏气体的浓度量化方法,应用于以上任意一项所述的浓度量化系统,所述浓度量化方法包括:
步骤S1,所述浓度量化系统检测气体监测区域中泄漏气体的实时气体温度,并拍摄得到所述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,所述浓度量化系统根据预先建立的泄漏气体红外辐射传输模型和所述实时气体温度生成气体浓度查找表;
步骤S3,所述浓度量化系统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所述像素点对应的气体浓度值,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
优选的,所述泄漏气体红外辐射传输模型的表达式如下:
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;△DN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所述实时气体温度为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,所述气体浓度查找表为所述背景灰度参考值、所述灰度参考差值、所述实时气体温度与所述气体浓度参考值之间的对应关系表。
优选的,所述步骤S3具体包括:
步骤S31,所述浓度量化系统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;
步骤S32,所述浓度量化系统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差值;
步骤S33,所述浓度量化系统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和所述实时灰度差值均相近的若干组所述背景灰度参考值和所述灰度参考差值;
步骤S34,所述浓度量化系统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和所述灰度参考差值对应的所述气体浓度参考值;
步骤S35,所述浓度量化系统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,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
优选的,所述步骤S35中,针对每个所述像素点,根据对应的各所述气体浓度参考值进行线性拟合计算得到所述气体浓度值。
上述技术方案具有如下优点或有益效果:基于红外图像进行气体浓度的量化,无需辅助设置气体浓度检测传感器,节约成本,且红外图像的处理过程考虑背景因素的影响,气体浓度量化精度高。
附图说明
图1为本发明的较佳的实施例中,一种泄漏气体的浓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,气体浓度查找表的示意图;
图3为本发明的较佳的实施例中,一种泄漏气体的浓度量化方法的流程示意图;
图4为本发明的较佳的实施例中,各像素点气体浓度值的处理并量化输出的流程示意图。
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浓度量化系统,如图1所示,具体包括:
温度检测装置1,设置于气体监测区域,用于检测气体监测区域中泄漏气体的实时气体温度;
图像采集装置2,设置于气体监测区域,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;
数据处理模块3,分别连接温度检测装置1和图像采集装置2,数据处理模块3包括:
查找表生成子模块31,用于根据预先建立的泄漏气体红外辐射传输模型和实时气体温度生成气体浓度查找表;
处理子模块32,连接查找表生成子模块31,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,并将各气体浓度值作为泄漏气体的浓度量化结果输出。
具体地,本实施例中,本发明无需辅助设置另外的气体浓度传感器,在获取泄漏气体的实时气体温度的基础上,根据红外图像和气体浓度查找表能够得到各像素点的气体浓度值,并将各气体浓度值作为泄漏气体的浓度量化结果。
进一步地,本发明基于预先建立的泄漏气体红外辐射传输模型以及实时气体温度生成的气体浓度查找表实现气体浓度量化,该气体浓度查找表基于泄漏气体红外辐射传输模型,该泄漏气体红外辐射传输模型测量信噪比高,气体浓度量化精度高。由于该泄漏气体红外辐射传输模型的表达式为超越方程,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。
本发明的较佳的实施例中,泄漏气体红外辐射传输模型的表达式如下:
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;△DN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)表示泄漏气体的实时气体温度为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,气体浓度查找表为背景灰度参考值、灰度参考差值、实时气体温度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,处理子模块32包括:
第一处理单元321,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322,连接第一处理单元321,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差值;
第三处理单元323,连接第二处理单元322,第三处理单元323 包括:
第一查找子单元3231,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和实时灰度差值均相近的若干组背景灰度参考值和灰度参考差值;
第二查找子单元3232,连接第一查找子单元3231,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和灰度参考差值对应的气体浓度参考值;
处理子单元3233,连接第二查找子单元3232,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,并将各气体浓度值作为泄漏气体的浓度量化结果输出。
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浓度的量化过程,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、实时背景灰度值和实时前景灰度值的灰度差值,即实时灰度差值△DN′和实时气体温度T,根据上述三个输入参数结合气体浓度查找表进行浓度估算,气体浓度查找表如图2所示,则浓度估算过程如下:
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 的灰度参考差值列中,查找实时灰度差值△DN′的邻近值,该邻近值优选为两个,分别为B1和B2,且B1<△DN′<B2;
3)随后在气体浓度查找表中查找,DN=A1且△DN′=B1时的气体浓度参考值C1,以及DN=A1且△DN′=B2时的气体浓度参考值C2,并进行线性拟合计算得到取DN=A1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=(C2-C1)(△DN′-B1)/(B2-B1)+C1;
4)重复步骤3),能够得到DN=A2时的气体浓度拟合值CL2,且CL2=(C4-C3)(△DN′-B3)/(B4-B3)+C3,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=(CL2-CL1)(DN-A1)/(A2-A1)+CL1
5)重复步骤1)至步骤4)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,针对每个像素点,根据对应的各气体浓度参考值进行线性拟合计算得到气体浓度值。
一种泄漏气体的浓度量化方法,应用于以上任意一项的浓度量化系统,如图3所示,浓度量化方法包括:
步骤S1,浓度量化系统检测气体监测区域中泄漏气体的实时气体温度,并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,浓度量化系统根据预先建立的泄漏气体红外辐射传输模型和实时气体温度生成气体浓度查找表;
步骤S3,浓度量化系统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,并将各气体浓度值作为泄漏气体的浓度量化结果输出。
本发明的较佳的实施例中,泄漏气体红外辐射传输模型的表达式如下:
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;△DN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)表示泄漏气体的实时气体温度为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,气体浓度查找表为背景灰度参考值、灰度参考差值、实时气体温度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,如图4所示,步骤S3具体包括:
步骤S31,浓度量化系统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;
步骤S32,浓度量化系统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差值;
步骤S33,浓度量化系统在气体浓度查找表中匹配得到分别与实时背景灰度值和实时灰度差值均相近的若干组背景灰度参考值和灰度参考差值;
步骤S34,浓度量化系统在气体浓度查找表中分别匹配得到每组背景灰度参考值和灰度参考差值对应的气体浓度参考值;
步骤S35,浓度量化系统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,并将各气体浓度值作为泄漏气体的浓度量化结果输出。
本发明的较佳的实施例中,步骤S35中,针对每个像素点,根据对应的各气体浓度参考值进行线性拟合计算得到气体浓度值。
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)
1.一种泄漏气体的浓度量化系统,其特征在于,具体包括:
温度检测装置,设置于气体监测区域,用于检测所述气体监测区域中泄漏气体的实时气体温度;
图像采集装置,设置于所述气体监测区域,用于拍摄得到所述气体监测区域的包含所述泄漏气体的实时红外图像;
数据处理模块,分别连接所述温度检测装置和所述图像采集装置,所述数据处理模块包括:
查找表生成子模块,用于根据预先建立的泄漏气体红外辐射传输模型和所述实时气体温度生成气体浓度查找表;
处理子模块,连接所述查找表生成子模块,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所述像素点对应的气体浓度值,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
3.根据权利要求2所述的浓度量化系统,其特征在于,所述气体浓度查找表为所述背景灰度参考值、所述灰度参考差值、所述实时气体温度与所述气体浓度参考值之间的对应关系表。
4.根据权利要求3所述的浓度量化系统,其特征在于,所述处理子模块包括:
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和所述实时灰度差值;
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和所述实时灰度差值均相近的若干组所述背景灰度参考值和所述灰度参考差值;
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和所述灰度参考差值对应的所述气体浓度参考值;
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,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
5.根据权利要求4所述的浓度量化系统,其特征在于,针对每个所述像素点,根据对应的各所述气体浓度参考值进行线性拟合计算得到所述气体浓度值。
6.一种泄漏气体的浓度量化方法,其特征在于,应用于如权利要求1-5中任意一项所述的浓度量化系统,所述浓度量化方法包括:
步骤S1,所述浓度量化系统检测气体监测区域中泄漏气体的实时气体温度,并拍摄得到所述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,所述浓度量化系统根据预先建立的泄漏气体红外辐射传输模型和所述实时气体温度生成气体浓度查找表;
步骤S3,所述浓度量化系统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所述像素点对应的气体浓度值,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
8.根据权利要求7所述的浓度量化方法,其特征在于,所述气体浓度查找表为所述背景灰度参考值、所述灰度参考差值、所述实时气体温度与所述气体浓度参考值之间的对应关系表。
9.根据权利要求8所述的浓度量化方法,其特征在于,所述步骤S3具体包括:
步骤S31,所述浓度量化系统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;
步骤S32,所述浓度量化系统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差值;
步骤S33,所述浓度量化系统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和所述实时灰度差值均相近的若干组所述背景灰度参考值和所述灰度参考差值;
步骤S34,所述浓度量化系统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和所述灰度参考差值对应的所述气体浓度参考值;
步骤S35,所述浓度量化系统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,并将各所述气体浓度值作为所述泄漏气体的浓度量化结果输出。
10.根据权利要求9所述的浓度量化方法,其特征在于,所述步骤S35中,针对每个所述像素点,根据对应的各所述气体浓度参考值进行线性拟合计算得到所述气体浓度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604823.0A CN112307267B (zh) | 2020-06-29 | 2020-06-29 | 一种泄漏气体的浓度量化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604823.0A CN112307267B (zh) | 2020-06-29 | 2020-06-29 | 一种泄漏气体的浓度量化系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112307267A true CN112307267A (zh) | 2021-02-02 |
CN112307267B CN112307267B (zh) | 2023-07-04 |
Family
ID=74483455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010604823.0A Active CN112307267B (zh) | 2020-06-29 | 2020-06-29 | 一种泄漏气体的浓度量化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307267B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358284A (zh) * | 2021-08-11 | 2021-09-07 | 成都千嘉科技有限公司 | 基于mems芯片探测器的气体泄漏探测方法及系统 |
CN114062615A (zh) * | 2021-12-14 | 2022-02-18 | 合肥航谱时代科技有限公司 | 一种基于图像的气体泄漏监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06288858A (ja) * | 1993-03-31 | 1994-10-18 | Osaka Gas Co Ltd | ガスの可視化装置 |
CN103217397A (zh) * | 2013-01-23 | 2013-07-24 | 山西省电力公司晋城供电分公司 | 基于红外图像处理的sf6气体检测方法 |
US20140008526A1 (en) * | 2012-07-06 | 2014-01-09 | Providence Photonics, Llc | Calibration and quantification method for gas imaging camera |
JP2014126805A (ja) * | 2012-12-27 | 2014-07-07 | Semiconductor Energy Lab Co Ltd | 画像情報の処理および表示方法、プログラム、情報処理装置 |
US20160097713A1 (en) * | 2014-07-07 | 2016-04-07 | Rebellion Photonics, Inc. | Gas leak emission quantification with a gas cloud imager |
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 |
US20170363541A1 (en) * | 2015-03-02 | 2017-12-21 | Flir Systems Ab | Quantifying gas in passive optical gas imaging |
CN108776090A (zh) * | 2018-02-28 | 2018-11-09 | 中国地质大学(武汉) | 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 |
CN110192098A (zh) * | 2016-11-14 | 2019-08-30 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
CN111033231A (zh) * | 2017-06-12 | 2020-04-17 | 前视红外系统股份公司 | 用于量化气体泄漏的系统和方法 |
-
2020
- 2020-06-29 CN CN202010604823.0A patent/CN112307267B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06288858A (ja) * | 1993-03-31 | 1994-10-18 | Osaka Gas Co Ltd | ガスの可視化装置 |
US20140008526A1 (en) * | 2012-07-06 | 2014-01-09 | Providence Photonics, Llc | Calibration and quantification method for gas imaging camera |
JP2014126805A (ja) * | 2012-12-27 | 2014-07-07 | Semiconductor Energy Lab Co Ltd | 画像情報の処理および表示方法、プログラム、情報処理装置 |
CN103217397A (zh) * | 2013-01-23 | 2013-07-24 | 山西省电力公司晋城供电分公司 | 基于红外图像处理的sf6气体检测方法 |
US20160097713A1 (en) * | 2014-07-07 | 2016-04-07 | Rebellion Photonics, Inc. | Gas leak emission quantification with a gas cloud imager |
US20170363541A1 (en) * | 2015-03-02 | 2017-12-21 | Flir Systems Ab | Quantifying gas in passive optical gas imaging |
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 |
CN110192098A (zh) * | 2016-11-14 | 2019-08-30 | 奥普加尔光电工业有限公司 | 用于量化气体泄漏的系统和方法 |
CN111033231A (zh) * | 2017-06-12 | 2020-04-17 | 前视红外系统股份公司 | 用于量化气体泄漏的系统和方法 |
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 |
CN108776090A (zh) * | 2018-02-28 | 2018-11-09 | 中国地质大学(武汉) | 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 |
Non-Patent Citations (5)
Title |
---|
XU ZHANG: "Band optimization of passive methane gas leak detection based on uncooled infrared focal plane array" * |
李家琨: "气体泄漏被动式红外成像检测理论及方法研究", 《中国博士学位论文全文数据库》 * |
李晨阳: "基于三维场景的红外成像仿真系统及实现", 《中国优秀硕士学位论文全文数据库》 * |
李静等: "气体浓度测量中曲线拟合方法探讨" * |
林敏: "《计算机控制技术及工程应用 第3版》", 31 January 2014 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358284A (zh) * | 2021-08-11 | 2021-09-07 | 成都千嘉科技有限公司 | 基于mems芯片探测器的气体泄漏探测方法及系统 |
CN114062615A (zh) * | 2021-12-14 | 2022-02-18 | 合肥航谱时代科技有限公司 | 一种基于图像的气体泄漏监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112307267B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112307267A (zh) | 一种泄漏气体的浓度量化系统及方法 | |
US10876870B2 (en) | Method of determining flow rate of a gas in a substrate processing system | |
WO2020237513A1 (zh) | 一种消除环境温湿度变化影响的气体检测系统及其方法 | |
CN106679817A (zh) | 一种用于标定红外热像仪的方法 | |
KR101598280B1 (ko) | 가스누출 감지시스템 | |
KR20180006527A (ko) | 표준가스 농도를 이용한 가스농도 측정기의 자동 보정 방법 | |
US20220065735A1 (en) | Method and hardware for post maintenance vacuum recovery system | |
US11585717B2 (en) | Method for calibrating plurality of chamber pressure sensors and substrate processing system | |
CN102508145B (zh) | 测量ccd芯片暗电流和双倍温度常数的方法 | |
CN111782887A (zh) | 一种泄漏气体的温度量化系统及方法 | |
CN102410844B (zh) | 一种高动态星敏感器图像非均匀校正方法及装置 | |
CN113873222B (zh) | 一种工业相机的线性度校正方法及装置 | |
US11555755B2 (en) | Method of calibrating multiple chamber pressure sensors | |
CN110929376A (zh) | 一种基于gan的管道漏磁检测数据缺失的重构方法 | |
KR101320520B1 (ko) | 이미지 센서의 위치 보정 방법 및 장치 그리고 위치 검출방법 | |
CN109557093A (zh) | 一种尿液检测试纸颜色测量算法 | |
CN111207833A (zh) | 一种基于图像数据归一化技术的测温方法 | |
CN112014344A (zh) | 一种污水在线监测方法 | |
CN110233969A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
Cain | Non-linear statistical photocalibration of photodetectors without calibrated light sources | |
JP2010244537A (ja) | イメージ歪曲補正方法 | |
KR20030065141A (ko) | 적외선 열상 장비의 결점을 검출하는 방법 | |
CN112634271B (zh) | 确定红外相机检测气体泄露量临界值的方法及设备 | |
Shu et al. | Camera calibration method using synthetic speckle pattern with an improved gray wolf optimizer algorithm | |
KR102341461B1 (ko) | 수소의 투과 특성 평가 방법 |
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 |