CN112362590B - 油污染检测装置及方法 - Google Patents

油污染检测装置及方法 Download PDF

Info

Publication number
CN112362590B
CN112362590B CN202011277878.1A CN202011277878A CN112362590B CN 112362590 B CN112362590 B CN 112362590B CN 202011277878 A CN202011277878 A CN 202011277878A CN 112362590 B CN112362590 B CN 112362590B
Authority
CN
China
Prior art keywords
oil
detection
laser
containers
detected
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.)
Active
Application number
CN202011277878.1A
Other languages
English (en)
Other versions
CN112362590A (zh
Inventor
辛斌
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.)
SGS CSTC Standards Technical Services Co Ltd
Original Assignee
SGS CSTC Standards Technical Services Co 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 SGS CSTC Standards Technical Services Co Ltd filed Critical SGS CSTC Standards Technical Services Co Ltd
Priority to CN202011277878.1A priority Critical patent/CN112362590B/zh
Publication of CN112362590A publication Critical patent/CN112362590A/zh
Application granted granted Critical
Publication of CN112362590B publication Critical patent/CN112362590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment
    • Y02A20/204—Keeping clear the surface of open water from oil spills

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了油污染检测装置，包括：两个第一检测容器，靠近第一开口处还设置有朝向第一检测容器内部的摄像头，摄像头获取待测油液经过第一检测容器时的图像；两个第二检测容器，靠近一对第二开口的位置分别设置有激光器和激光接收器，激光器向经过第二检测容器内的待测油液发出激光，激光接收器接收穿过待测油液的激光，产生反映激光变化的光变特征；输油管道；控制器，其与摄像头、激光器和激光接收器均电连接，控制器提取图像中的颜色特征和纹理特征，并将颜色特征、纹理特征和光变特征输入神经网络预测模型，输出待测油液的污染度。本发明能够对油污染情况进行检测，操作简单、测量精度较高。

Description

油污染检测装置及方法
技术领域
本发明涉及检测仪器和方法领域。更具体地说，本发明涉及一种油污染检测装置及方法。
背景技术
油污染是指油液内掺杂有颗粒物、液体、气体或其它杂质，油污染会导致用油设备磨损甚至毁坏。因此，对油污染进行检测是保障用油设备正常运转的前提，有必要设计一种油污染检测装置。
发明内容
本发明的一个目的是提供一种油污染检测装置及方法，能够对油污染情况进行检测，操作简单、测量精度较高。
为了实现根据本发明的这些目的和其它优点，根据本发明的一个方面，本发明提供了油污染检测装置，包括：
两个第一检测容器，两个所述第一检测容器均呈扁平状，并相互垂直，两个所述第一检测容器的一侧面设置有第一开口，所述第一开口处设置有透明材料，靠近所述第一开口处还设置有朝向所述第一检测容器内部的摄像头，所述摄像头获取待测油液经过所述第一检测容器时的图像；
两个第二检测容器，两个所述第二检测容器均呈扁平状，并相互垂直，两个所述第二检测容器的相对侧面对应设置有一对第二开口，一对所述第二开口处设置有透明材料，靠近一对所述第二开口的位置分别设置有激光器和激光接收器，所述激光器向经过所述第二检测容器内的待测油液发出激光，所述激光接收器接收穿过待测油液的激光，产生反映激光变化的光变特征；
输油管道，其将两个所述第一检测容器、两个第二检测容器依次连通；
控制器，其与所述摄像头、所述激光器和所述激光接收器均电连接，所述控制器提取所述图像中的颜色特征和纹理特征，并将所述颜色特征、纹理特征和光变特征输入神经网络预测模型，输出所述待测油液的污染度。
进一步地，所述的油污染检测装置，还包括：
进样容器，其与所述输油管道连通，所述输油管道上设置有油泵。
进一步地，所述的油污染检测装置，所述第一检测容器和所述第二检测容器的一对非扁平侧面上分别设置有进油口和出油口，所述输油管道通过所述进油口和所述出油口将两个所述第一检测容器、两个第二检测容器串联。
进一步地，所述的油污染检测装置，取标准油液和污染物，确定污染度，建立油液训练集和油液测试集，将油液训练集中的油液输入进样容器，以颜色特征、纹理特征和光变特征为输入，以污染度为输出，训练得到神经网络预测模型，并将神经网络预测模型用油液测试集进行测试。
进一步地，所述的油污染检测装置，所述第一检测容器和所述第二检测容器的厚度不大于10毫米。
进一步地，所述的油污染检测装置，所述激光器有多个，形成激光器阵列，并与所述第二开口位置对应，所述激光接收器有多个，形成激光接收器阵列，所述光变特征为激光接收器阵列接收穿过待测油液的激光，产生反映激光变化的电信号集合。
根据本发明的另一个方面，提供了油污染检测方法，利用所述的油污染检测装置对待测油液进行检测。
本发明至少包括以下有益效果：
本发明采集待测油液的图像，获得图像特征和颜色特征，利用激光采集待测油液的光变特征，将待测油液的图像特征、颜色特征和光变特征输入神经网络预测模型，得到待测油液的污染度。本发明操作简单、测量精度较高。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明油污染检测装置的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1所示，本申请实施例提供了油污染检测装置，包括：两个第一检测容器1，两个所述第一检测容器1均呈扁平状，并相互垂直，两个所述第一检测容器1的一侧面设置有第一开口，所述第一开口处设置有透明材料，靠近所述第一开口处还设置有朝向所述第一检测容器1内部的摄像头101，所述摄像头101获取待测油液经过所述第一检测容器1时的图像；两个第二检测容器2，两个所述第二检测容器2均呈扁平状，并相互垂直，两个所述第二检测容器2的相对侧面对应设置有一对第二开口，一对所述第二开口处设置有透明材料，靠近一对所述第二开口的位置分别设置有激光器201和激光接收器202，所述激光器201向经过所述第二检测容器2内的待测油液发出激光，所述激光接收器202接收穿过待测油液的激光，产生反映激光变化的光变特征；输油管道，其将两个所述第一检测容器1、两个第二检测容器2依次连通；控制器，其与所述摄像头101、所述激光器201和所述激光接收器202均电连接，所述控制器提取所述图像中的颜色特征和纹理特征，并将所述颜色特征、纹理特征和光变特征输入神经网络预测模型，输出所述待测油液的污染度。
上述实施例中，两个第一检测容器1、两个第二检测容器2、输油管道串联在一起，油液输入输油管道后，依次经过两个第一检测容器1、两个第二检测容器2。第一检测容器1和第二检测溶液均为扁平状，第一检测容器1的一个扁平侧面形成有第一开口，第一开口由透明材料覆盖，优选地，整个侧面由透明材料覆盖，第一开口外部设置有摄像头101，摄像头101朝向第一检测容器1，采集待测油液的图像，第二容器的两个扁平侧面均设置第二开口，一对第二开口也由透明材料覆盖，优选地，整个侧面由透明材料覆盖，一对第二开口外部分别设置激光器201和激光接收器202，激光器201发出激光，激光接收器202接收穿过待测液体的激光，获得光变特征。控制器识别分析图像，获得颜色特征和纹理特征，可采用现有技术获取。将颜色特征、纹理特征和光变特征输入神经网络预测模型，即可得到待测油液的污染度，为用油设备提供参考。第一检测容器1和第二检测容器2均为扁平状，能够尽可能反映待测油液的整体特征，避免待测油液厚度过大，影响图像的采集和激光的穿透。第一检测容器1和第二检测容器2均有两个，且为平面相互垂直的两个，使得可以采集待测油液横向和竖向两个方向的图像和光变特征，提高检测结果的准确性。神经网络预测模型可预先设计训练集，训练得到。可以看出，本实施例采集待测油液的图像，获得图像特征和颜色特征，利用激光采集待测油液的光变特征，将待测油液的图像特征、颜色特征和光变特征输入神经网络预测模型，得到待测油液的污染度，操作简单、几乎无需人工干预。
在另一些技术方案中，还包括进样容器3，其与所述输油管道连通，所述输油管道上设置有油泵，进样容器3用于输入待测油液，油泵由于为待测油液在输油管道、第一检测溶液和第二检测容器2内输送提供动力。
在另一些技术方案中，所述第一检测容器1和所述第二检测容器2的一对非扁平侧面上分别设置有进油口和出油口，所述输油管道通过所述进油口和所述出油口将两个所述第一检测容器1、两个第二检测容器2串联。这些实施例提供了第一检测容器1和第二检测容器2的优选结构，非扁平侧面即为第一检测容器1和第二检测容器2的较窄的侧面。
在另一些技术方案中，取标准油液和污染物，确定污染度，建立油液训练集和油液测试集，将油液训练集中的油液输入进样容器，以颜色特征、纹理特征和光变特征为输入，以污染度为输出，训练得到神经网络预测模型，并将神经网络预测模型用油液测试集进行测试。这些实施例提供了获得神经网络预测模型的优选方式，在标准油液中加入污染物，记下污染物的量，即为污染度，获得油液训练集和油液测试集。利用油液训练集训练得到神经网络预测模型，利用油液测试集测试神经网络预测模型，当满足要求即可实际应用。这样，在检测待测油液时，输入待测油液的颜色特征、纹理特征和光变特征，即可得到个污染物的量。
在另一些技术方案中，所述第一检测容器1和所述第二检测容器2的厚度不大于10毫米，当大于10毫米时，检测精度会下降。
在另一些技术方案中，所述激光器201有多个，形成激光器201阵列，并与所述第二开口位置对应，所述激光接收器202有多个，形成激光接收器202阵列，所述光变特征为激光接收器202阵列接收穿过待测油液的激光，产生反映激光变化的电信号集合。在这些实施例中，多个激光器201同时对待测油液的各区域内作用，获得待测油液各区域内的电信号，得到电信号集合，即为光变特征，作为神经网络预测模型的输入。
本发明的实施例还提供了油污染检测方法，利用所述的油污染检测装置对待测油液进行检测，具体地，将待测油液经输油管道依次经过两个第一检测容器1、两个第二检测容器2，获得图像和光变特征，提取图像中的颜色特征和纹理特征，和光变特征一起输入神经网络预测模型，神经网络预测模型输出污染度结果。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明油污染检测装置的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (4)

1.油污染检测装置，其特征在于，包括：
两个第一检测容器，两个所述第一检测容器均呈扁平状，并相互垂直，两个所述第一检测容器的一侧面设置有第一开口，所述第一开口处设置有透明材料，靠近所述第一开口处还设置有朝向所述第一检测容器内部的摄像头，所述摄像头获取待测油液经过所述第一检测容器时的图像；
两个第二检测容器，两个所述第二检测容器均呈扁平状，并相互垂直，两个所述第二检测容器的相对侧面对应设置有一对第二开口，一对所述第二开口处设置有透明材料，靠近一对所述第二开口的位置分别设置有激光器和激光接收器，所述激光器向经过所述第二检测容器内的待测油液发出激光，所述激光接收器接收穿过待测油液的激光，产生反映激光变化的光变特征；
输油管道，其将两个所述第一检测容器、两个第二检测容器依次连通；
控制器，其与所述摄像头、所述激光器和所述激光接收器均电连接，所述控制器提取所述图像中的颜色特征和纹理特征，并将所述颜色特征、纹理特征和光变特征输入神经网络预测模型，输出所述待测油液的污染度；
还包括：
进样容器，其与所述输油管道连通，所述输油管道上设置有油泵；
所述第一检测容器和所述第二检测容器的一对非扁平侧面上分别设置有进油口和出油口，所述输油管道通过所述进油口和所述出油口将两个所述第一检测容器、两个第二检测容器串联；
取标准油液和污染物，确定污染度，建立油液训练集和油液测试集，将油液训练集中的油液输入进样容器，以颜色特征、纹理特征和光变特征为输入，以污染度为输出，训练得到神经网络预测模型，并将神经网络预测模型用油液测试集进行测试。
2.如权利要求1所述的油污染检测装置，其特征在于，所述第一检测容器和所述第二检测容器的厚度不大于10毫米。
3.如权利要求1所述的油污染检测装置，其特征在于，所述激光器有多个，形成激光器阵列，并与所述第二开口位置对应，所述激光接收器有多个，形成激光接收器阵列，所述光变特征为激光接收器阵列接收穿过待测油液的激光，产生反映激光变化的电信号集合。
4.油污染检测方法，其特征在于，利用权利要求1～3任一所述的油污染检测装置对待测油液进行检测。
CN202011277878.1A 2020-11-16 2020-11-16 油污染检测装置及方法 Active CN112362590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011277878.1A CN112362590B (zh) 2020-11-16 2020-11-16 油污染检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011277878.1A CN112362590B (zh) 2020-11-16 2020-11-16 油污染检测装置及方法

Publications (2)

Publication Number Publication Date
CN112362590A CN112362590A (zh) 2021-02-12
CN112362590B true CN112362590B (zh) 2023-09-22

Family

ID=74514872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011277878.1A Active CN112362590B (zh) 2020-11-16 2020-11-16 油污染检测装置及方法

Country Status (1)

Country Link
CN (1) CN112362590B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2394216Y (zh) * 1999-08-10 2000-08-30 徐海 用激光检测油污染装置
CN2570777Y (zh) * 2002-10-11 2003-09-03 武汉理工大学 正交光纤在线油液监测器
CN101093191A (zh) * 2007-06-08 2007-12-26 南京航空航天大学 油液污染物综合检测系统及检测方法
CN102374979A (zh) * 2010-08-06 2012-03-14 中国科学院烟台海岸带研究所 一种石油类污染物探测系统及检测方法
CN104406894A (zh) * 2014-11-26 2015-03-11 东北电力大学 一种透明油液颗粒污染度的检测装置及其检测方法
KR20150078313A (ko) * 2013-12-30 2015-07-08 울산대학교 산학협력단 레이저를 이용한 오일 미스트 측정 장치
US9532009B1 (en) * 2013-04-10 2016-12-27 The Boeing Company Systems and methods for detecting contaminants using laser beam path length differences
CN111272835A (zh) * 2020-03-27 2020-06-12 大连海事大学 一种油液污染物无接触式电容检测装置及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7796256B2 (en) * 2008-05-05 2010-09-14 Fluid Imaging Technologies, Inc. Oil-immersion enhanced imaging flow cytometer

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2394216Y (zh) * 1999-08-10 2000-08-30 徐海 用激光检测油污染装置
CN2570777Y (zh) * 2002-10-11 2003-09-03 武汉理工大学 正交光纤在线油液监测器
CN101093191A (zh) * 2007-06-08 2007-12-26 南京航空航天大学 油液污染物综合检测系统及检测方法
CN102374979A (zh) * 2010-08-06 2012-03-14 中国科学院烟台海岸带研究所 一种石油类污染物探测系统及检测方法
US9532009B1 (en) * 2013-04-10 2016-12-27 The Boeing Company Systems and methods for detecting contaminants using laser beam path length differences
KR20150078313A (ko) * 2013-12-30 2015-07-08 울산대학교 산학협력단 레이저를 이용한 오일 미스트 측정 장치
CN104406894A (zh) * 2014-11-26 2015-03-11 东北电力大学 一种透明油液颗粒污染度的检测装置及其检测方法
CN111272835A (zh) * 2020-03-27 2020-06-12 大连海事大学 一种油液污染物无接触式电容检测装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于图像处理的油液污染度检测技术的研究;姜鸣燕;中国优秀硕士学位论文全文数据库信息科技辑;第17-54页 *
基于计算机图像分析的油液污染度测试方法研究;韦丽莉;;环境科学与管理(08);第101-105页 *
激光测油液污染度的原理及其测定装置;马飞，张文明，张卫钢，高澜庆，冯雅丽;北京科技大学学报(02);第178-182页 *

Also Published As

Publication number Publication date
CN112362590A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN108332689B (zh) 一种检测表面粗糙度和表面损伤的光学测量系统及方法
JP5639078B2 (ja) 画像化を使用して容器内の液体レベルを測定するための方法および装置
CN104596990B (zh) 双通道光纤浊度测量方法及传感器
KR20140011258A (ko) 결함 검사 방법 및 결함 검사 장치
CN107561091A (zh) 一种斜射式实木板材表面裂纹的检测系统和检测方法
CN105372324B (zh) 基于磁光成像法的缺陷检测方法
CN1192227C (zh) 用于确定纤维样品特性的方法和纤维分类设备
US20110157586A1 (en) Multi-sample scattering measurements
CN109584239A (zh) 一种基于反射光的高光物体表面缺陷检测系统及方法
CN112362590B (zh) 油污染检测装置及方法
CN106932373A (zh) 海水总有机碳光学原位传感器
CN104614046A (zh) 基于ccd的油水界面位置测量方法
Samann Real-time liquid level and color detection system using image processing
CN107153050B (zh) 一种折射率匹配的装置以及方法
US20160349157A1 (en) System and Method for Repeatable Fluid Measurements
CN110361074A (zh) 一种光电式液位检测装置
CN111638226B (zh) 检测方法、图像处理器以及检测系统
CN109085368B (zh) 一种凝血分析装置
Chai et al. An alternative cost-effective image processing based sensor for continuous turbidity monitoring
KR102574521B1 (ko) 해양오염 기름 두께 측정 방법 및 장치
US6643018B2 (en) Optical scattering monitor
WO2017141063A1 (en) Digital holographic automatic microscope with through flowing cell
CN107462700A (zh) 免疫层析便携式分析仪
CN110361073A (zh) 一种基于液体波导的液位检测方法
CN109298179A (zh) 一种免疫层析检测系统及其背景识别方法

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
CB02 Change of applicant information

Address after: 100142 16 / F, century Yuhui building, 73 Fucheng Road, Haidian District, Beijing

Applicant after: SGS-CSTC STANDARDS TECHNICAL SERVICES Co.,Ltd.

Address before: 100142 17th floor, century Yuhui building, 73 Fucheng Road, Haidian District, Beijing

Applicant before: SGS-CSTC STANDARDS TECHNICAL SERVICES Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant