CN112610905A - 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 - Google Patents
一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 Download PDFInfo
- Publication number
- CN112610905A CN112610905A CN202011565056.3A CN202011565056A CN112610905A CN 112610905 A CN112610905 A CN 112610905A CN 202011565056 A CN202011565056 A CN 202011565056A CN 112610905 A CN112610905 A CN 112610905A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- leakage
- offshore platform
- pipeline
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/002—Investigating fluid-tightness of structures by using thermal means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
Abstract
Description
技术领域
本发明涉及管线监检技术领域,更具体的是,本发明涉及一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法。
背景技术
在海上平台生产过程中,许多管线处于高压状态,由于老化、腐蚀、振动等原因经常引起设备管线及阀门、法兰等泄漏。对于液体跑、冒、滴、漏等“有形”泄漏很容易引起巡检操作人员注意,但对于气体逸散等“无形”泄漏,则难以发现具体泄漏部位。
目前海上平台管线巡检多采用于人工巡检法。受限于作业成本、设备、空间等因素,人工巡检往往存在一定的周期间隔。且由于部分管线接头处在狭小空间或者较高位置,人员接近困难,容易出现巡检盲区,造成漏检从而留下安全隐患;同时目前人工巡检过程中多依赖于眼看、鼻嗅、耳闻,本身巡检精度有限,加之部分管线巡检作业中易受到设备运转噪声或者风力影响,易造成传统手段失效,从而导致巡检作业质量降低。
发明内容
本发明设计开发了一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,克服了现有巡检方法的缺陷,利用气体在压强作用下泄漏扩散呈现出的锥形特性进行形态分析,然后利用几何特征完成管线气体泄漏识别,从而提供一种精度高、普适性强、处理过程短、适用于海上平台场景的红外热像图分析方法。
本发明提供的技术方案为:
一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,包括如下步骤:
步骤一、对实际应用场景进行前端图像采集获得热像图;
步骤二、对所述热像图进行背景建模;
步骤三、在所述背景建模中获取前景图像,确定运动区域;
步骤四、对所述前景图像进行噪声滤除得到图像源;
步骤五、在所述图像源中获取疑似泄漏区域二值图像面积,若
式中,S1为疑似泄漏区域二值图像面积,S2为疑似泄漏区域外接矩形的面积,Texp为泄漏阈值。
优选的是,在所述步骤一中还包括对所述热像图进行色彩增强处理。
优选的是,所述色彩增强处理是通过密度分割法对所述热像图进行彩色处理。
优选的是,所述步骤二中采用均值背景建模法进行背景建模。
优选的是,所述步骤三中采用背景差分法获得前景图像。
优选的是,所述步骤四中采用形态学滤波中的开运算和连通域算法进行噪声滤除。
优选的是,所述泄漏阈值满足:
式中,Texp为泄漏阈值,Cd为气体泄漏系数,V为管线中的气体流速,Qmax为管线中的气体最大流量,Gb为管线的半径,S为管线上的焊缝数量,Lm为管线的壁厚,n为气体的物质的量,R为气体常数,T为环境温度,Pmax为管线中的最大气压。
本发明所述的有益效果:
(1)本发明提供的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,使用简单,无须工作人员进行现场巡检。
(2)本发明提供的方法可以实现对大面积目标以较高的覆盖率进行远距离非破坏性检测,能够发现各种容器、设备及管线发生的气体泄漏(存在温度差),可以对设备进行检测和监控,既能保证设备的安全运转,又能发现异常情况以便及时排除安全隐患。
(3)本发明提供的方法无需对管道发生液体泄漏时的图像进行特殊训练和学习,大大降低了复杂度,缩短了处理的时长。
(4)本发明具有精度高、方法简单、处理过程短、适应性强和能实现在线实时监测的特点。
附图说明
图1为本发明所述基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法的流程示意图。
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。
本发明提供一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,如图1所示,包括如下步骤:
步骤1、对实际应用场景进行前端图像采集获得热像图;
其中,在本实施例中,通过红外热像仪进行前端图像采集获得热像图;
出于易用性和可分辨性考虑,对采集到的热像图进行色彩增强处理,以便于使用人员能够实时把握采样空间内温度分布范围,从而及时地识别异常。基于此,在本实施例中利用密度分割法对红外灰度图进行色彩增强处理,即将图像(或影像)的色调密度分划成若干个等级,并用不同的颜色分别表示这不同的密度等级,得到一幅彩色的等密度分割图像,从而获得更佳的分辨率。
步骤2、对所述热像图进行背景建模;
在本实施例中,运用视频序列第一帧泄漏气体红外图像来初始化灰度背景模型,对连续捕获的N帧红外图像,逐像素点的计算其灰度值在这N帧中的均值,并进行赋值操作,该方法适用于固定场景的背景建模。
相较于可见光图像,红外图像缺乏相关的纹理细节,难以直接区分出检测物与背景,实际场景中的背景例如管架、甲板、云朵、海面等,由于受其物理因素的影响,它们在灰度空间上通常表现为大面积的连续分布,相邻像素间的灰度值的相关系数可达到0.9以上;与此同时,由于实际应用场景的热分布以及相关设备的不均匀性,背景图像的整体灰度值会有一定的变化,局部区域灰度均值也可能存在一些起伏,除此之外,大背景中某些物体的边缘(如管架边缘)又是一些高频信息,它们对泄漏气体检测的准确性带来一定的影响,因此需要采取一些方法将其滤除。
基于实时性和准确性的需求,本实施例中采用均值背景建模法进行背景建模,利用均值背景建模法的计算量较小,故耗时较少,能够很好的满足泄漏气体检测系统对处理实时性的要求。
步骤三、完成背景建模工作后,在所述背景建模中获取前景图像,利用获取的前景图像与背景图像进行差分运算,可以快速的检测到场景中的移动目标,确定运动区域;
其中,在本实施例中利用背景差分法获得前景图像。
步骤四、对所述前景图像进行噪声滤除得到图像源;
由于采样设备和背景本身的原因,前景图像中不可避免的会存在噪声,图像噪声会影响目标检测任务的效率和准确度,因此有必要及时滤出。
本实施例中,采用形态学滤波中的开运算将二值图像中孤立的噪声点进行滤除,对于面积较大的孤立噪声区域则采用连通域算法进行滤除,从而获得成像效果较好的、能够反映泄漏气体形状的前景图像,为后续步骤提供良好的图像源。
步骤五、在所述图像源中获取疑似泄漏区域二值图像面积,若
式中,S1为疑似泄漏区域二值图像面积,S2为疑似泄漏区域外接矩形的面积,Texp为泄漏阈值。
易知气体在泄漏发生时,一般具有扩散性,且伴随着从无到有、从小目标到大目标的动态扩张的过程,另外泄漏气体的边缘轮廓往往具有渐变性,即从气体中心往气体边缘区域,会发生浓度从浓到淡的变化过程,该特征在红外图像上的表现就是气体中心区域到边缘区域有灰度值从大到小变化的一个过程。
基于此,本发明通过利用疑似区域的面积与疑似区域的矩形面积的比例来进行判定,在判定某区域发生泄漏,在热像图中利用疑似区域的外接矩形进行标注,从而实现告警效果。
其中,所述泄漏阈值满足:
式中,Texp为泄漏阈值,Cd为气体泄漏系数,V为管线中的气体流速,Qmax为管线中的气体最大流量,Gb为管线的半径,S为管线上的焊缝数量,Lm为管线的壁厚,n为气体的物质的量,R为气体常数,T为环境温度,Pmax为管线中的最大气压。
本发明提供的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,克服了现有巡检方法的缺陷,利用气体在压强作用下泄漏扩散呈现出的锥形特性,通过对均值背景建模法和背景差分法实现运动区域捕捉、并利用形态学滤波进行噪声去除,然后利用几何特征进行泄漏识别,从而提供一种精度高、普适性强、处理过程短、适用于海上平台场景的红外热像图分析方法,及早识别管线气体泄漏情况,规避作业风险。
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 (7)
2.如权利要求1所述的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,其特征在于,在所述步骤一中还包括对所述热像图进行色彩增强处理。
3.如权利要求2所述的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,其特征在于,所述色彩增强处理是通过密度分割法对所述热像图进行彩色处理。
4.如权利要求1所述的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,其特征在于,所述步骤二中采用均值背景建模法进行背景建模。
5.如权利要求1所述的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,其特征在于,所述步骤三中采用背景差分法获得前景图像。
6.如权利要求1所述的基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法,其特征在于,所述步骤四中采用形态学滤波中的开运算和连通域算法进行噪声滤除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565056.3A CN112610905B (zh) | 2020-12-25 | 2020-12-25 | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565056.3A CN112610905B (zh) | 2020-12-25 | 2020-12-25 | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112610905A true CN112610905A (zh) | 2021-04-06 |
CN112610905B CN112610905B (zh) | 2022-09-20 |
Family
ID=75247902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011565056.3A Active CN112610905B (zh) | 2020-12-25 | 2020-12-25 | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112610905B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532755A (zh) * | 2021-07-19 | 2021-10-22 | 北京信息科技大学 | 一种智能化气体泄漏检测方法及系统 |
CN114838297A (zh) * | 2022-04-14 | 2022-08-02 | 重庆七腾科技有限公司 | 一种原油管道泄露检测方法、装置、存储介质及系统 |
CN115081957A (zh) * | 2022-08-18 | 2022-09-20 | 山东超华环保智能装备有限公司 | 一种危废暂存及监测的危废管理平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010002264A (ja) * | 2008-06-19 | 2010-01-07 | Honda Motor Co Ltd | ガス漏れ診断装置及びガス漏れ診断方法 |
CN106204594A (zh) * | 2016-07-12 | 2016-12-07 | 天津大学 | 一种基于视频图像的弥散性运动物体的方向检测方法 |
CN108921878A (zh) * | 2018-04-30 | 2018-11-30 | 武汉工程大学 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
CN109978896A (zh) * | 2019-04-04 | 2019-07-05 | 辽宁鼎汉奇辉电子系统工程有限公司 | 一种基于图像处理技术的铁路货车车厢烟火监测方法 |
CN110263696A (zh) * | 2019-06-17 | 2019-09-20 | 沈阳天眼智云信息科技有限公司 | 基于红外视频的火焰探测方法 |
-
2020
- 2020-12-25 CN CN202011565056.3A patent/CN112610905B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010002264A (ja) * | 2008-06-19 | 2010-01-07 | Honda Motor Co Ltd | ガス漏れ診断装置及びガス漏れ診断方法 |
CN106204594A (zh) * | 2016-07-12 | 2016-12-07 | 天津大学 | 一种基于视频图像的弥散性运动物体的方向检测方法 |
CN108921878A (zh) * | 2018-04-30 | 2018-11-30 | 武汉工程大学 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
CN109978896A (zh) * | 2019-04-04 | 2019-07-05 | 辽宁鼎汉奇辉电子系统工程有限公司 | 一种基于图像处理技术的铁路货车车厢烟火监测方法 |
CN110263696A (zh) * | 2019-06-17 | 2019-09-20 | 沈阳天眼智云信息科技有限公司 | 基于红外视频的火焰探测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532755A (zh) * | 2021-07-19 | 2021-10-22 | 北京信息科技大学 | 一种智能化气体泄漏检测方法及系统 |
CN113532755B (zh) * | 2021-07-19 | 2022-02-22 | 北京信息科技大学 | 一种智能化气体泄漏检测方法及系统 |
CN114838297A (zh) * | 2022-04-14 | 2022-08-02 | 重庆七腾科技有限公司 | 一种原油管道泄露检测方法、装置、存储介质及系统 |
CN114838297B (zh) * | 2022-04-14 | 2024-03-15 | 七腾机器人有限公司 | 一种原油管道泄漏检测方法、装置、存储介质及系统 |
CN115081957A (zh) * | 2022-08-18 | 2022-09-20 | 山东超华环保智能装备有限公司 | 一种危废暂存及监测的危废管理平台 |
CN115081957B (zh) * | 2022-08-18 | 2022-11-15 | 山东超华环保智能装备有限公司 | 一种危废暂存及监测的危废管理平台 |
Also Published As
Publication number | Publication date |
---|---|
CN112610905B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112610905B (zh) | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 | |
US20190331301A1 (en) | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing | |
CN113469177B (zh) | 基于深度学习的排水管道缺陷检测方法及系统 | |
CN111047568B (zh) | 一种漏汽缺陷检测识别方法及系统 | |
CN102654464A (zh) | 基于多特征模糊识别的铜带表面缺陷检测系统 | |
CN113592828B (zh) | 基于工业内窥镜的无损检测方法及系统 | |
Khan et al. | Subsea pipeline corrosion estimation by restoring and enhancing degraded underwater images | |
CN110555831B (zh) | 一种基于深度学习的排水管道缺陷分割方法 | |
CN115751203A (zh) | 一种基于红外热像仪的天然气管道泄漏监测系统 | |
CN116823839B (zh) | 基于热红外图像的管道泄漏检测方法 | |
CN114719749A (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
CN112927223A (zh) | 一种基于红外热成像仪的玻璃幕墙检测方法 | |
Hashmi et al. | Computer-vision based visual inspection and crack detection of railroad tracks | |
CN117036259A (zh) | 一种基于深度学习的金属板材表面缺陷检测方法 | |
Harshini et al. | Sewage Pipeline Fault Detection using Image Processing | |
O'Byrne et al. | Effects of turbidity and lighting on the performance of an image processing based damage detection technique | |
CN113781513B (zh) | 一种电厂供水管道泄漏检测方法及系统 | |
Zuo et al. | An X-Ray-Based Automatic Welding Defect Detection Method for Special Equipment System | |
Kopf et al. | Thermographic identification of hidden corrosion | |
Huang et al. | Research on pipe crack detection based on image processing algorithm | |
Sathyan et al. | Infrared Thermal Image Enhancement in Cold Spot Detection of Condenser Air Ingress. | |
CN114332069B (zh) | 一种基于机器视觉的接插件检测方法及装置 | |
Hosallimath et al. | Investigation of Corrosion Intensity on Metal Structures Using Image Processing Algorithms | |
CN117593300B (zh) | 一种pe管材裂纹缺陷检测方法及系统 | |
Inbavalli et al. | Non-Invasive Submerged Pipeline Inspection Through Advanced Image Analysis and Deep Learning Algorithms for Quantitative Deterioration Assessment |
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 |