CN113008470A - 气体泄漏检测装置以及气体泄漏检测方法 - Google Patents
气体泄漏检测装置以及气体泄漏检测方法 Download PDFInfo
- Publication number
- CN113008470A CN113008470A CN202110239391.2A CN202110239391A CN113008470A CN 113008470 A CN113008470 A CN 113008470A CN 202110239391 A CN202110239391 A CN 202110239391A CN 113008470 A CN113008470 A CN 113008470A
- Authority
- CN
- China
- Prior art keywords
- images
- image
- module
- processing
- filtering
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 238000001914 filtration Methods 0.000 claims abstract description 44
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 238000007499 fusion processing Methods 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000004049 embossing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003348 petrochemical agent Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01M3/38—Investigating fluid-tightness of structures by using light
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提出一种气体泄漏检测装置以及气体泄漏检测方法。气体泄漏检测装置包括红外线摄影机以及处理模块。红外线摄影机取得检测目标的连续的多张红外线灰度影像。处理模块耦接红外线摄影机。处理模块对所述多张红外线灰度影像分别进行影像滤波处理,以产生对应于所述多张红外线灰度影像的多组滤波影像。处理模块对所述多组滤波影像分别进行通道融合处理,以产生多个融合影像。处理模块将所述多张融合影像输入至泄漏侦测模块,以使泄漏侦测模块输出泄漏位置信息。泄漏侦测模块为神经网络运算模块。由此,可自动地判断检测目标发生气体泄漏的位置。
Description
技术领域
本发明有关于一种检测技术,且特别有关于一种气体泄漏检测装置以及气体泄漏检测方法。
背景技术
对于传统的气体泄漏检测技术而言,检测人员必须要通过手持相关气体检测设备于工厂中的各式气体传输管线处进行巡逻检测,并且需由人工肉眼判断检测数据或检测影像中的检测目标(各式气体传输管线)是否有气体泄漏的情况发生。并且,若检测目标为轻微泄漏情况,则传统的气体泄漏检测技术可能无法有效地辨认发生气体泄漏的情况。换言之,传统的气体泄漏检测技术具有检测不易与检测效率不佳的问题。有鉴于此,以下将提出几个实施例的解决方案。
发明内容
本发明提供一种气体泄漏检测装置以及气体泄漏检测方法可通过影像感测的方式来自动地判断检测目标是否发生气体泄漏的情况。
本发明的气体泄漏检测装置包括红外线摄影机以及处理模块。红外线摄影机用以取得检测目标的连续的多张红外线灰度影像。处理模块耦接红外线摄影机。处理模块用以对所述多张红外线灰度影像分别进行影像滤波处理,以产生对应于所述多张红外线灰度影像的多组滤波影像。处理模块对所述多组滤波影像分别进行通道融合处理,以产生多个融合影像。处理模块将所述多张融合影像输入至泄漏侦测模块,以使泄漏侦测模块输出泄漏位置信息。泄漏侦测模块为神经网络运算模块。
本发明的气体泄漏检测方法包括以下步骤:取得检测目标的连续的多张红外线灰度影像;对所述多张红外线灰度影像分别进行影像滤波处理,以产生对应于所述多张红外线灰度影像的多组滤波影像;对所述多组滤波影像分别进行通道融合处理,以产生多个融合影像;以及输入所述多张融合影像至泄漏侦测模块,以使泄漏侦测模块输出泄漏位置信息。泄漏侦测模块为神经网络运算模块。
基于上述,本发明的气体泄漏检测装置以及气体泄漏检测方法可通过红外线影像感测的方式来检测检测目标,并且可自动地判断检测目标发生气体泄漏的位置。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合所附图式作详细说明如下。
附图说明
图1是本发明的一实施例的气体泄漏检测装置的示意图。
图2是本发明的一实施例的多个影像处理及分析模块的示意图。
图3是本发明的一实施例的气体泄漏检测方法的流程图。
图4是本发明的一实施例的产生融合影像的示意图。
图5是本发明的一实施例的对融合影像进行去噪声处理的示意图。
图6是本发明的一实施例的对融合影像进行影像对正处理的示意图。
图7是本发明的一实施例的判断在融合影像中气体泄漏位置的示意图。
其中,附图中符号的简单说明如下:
100:气体泄漏检测装置;110:处理模块;120:储存模块;121:影像正规化模块;122:影像滤波模块;123:影像融合模块;124:去噪声模块;125:影像对正模块;126:泄漏侦测模块;130:通讯模块;140:红外线摄影机;410:红外线灰度影像;420、510:正规化影像;431、432、433:滤波影像;440、520、530、610、620、620’、630、630’、710_1、710_2、710_N、720:融合影像;611、621、621’、631、631’、711:检测目标;721、722、723:泄漏位置;C1、C2、C2’、C3、C3’:图形中心轴;S310、S320、S330、S340、S350、S360、S370:步骤。
具体实施方式
为了使本发明的内容可以被更容易明了,以下特举实施例作为本发明确实能够据以实施的范例。另外,凡可能之处,在图式及实施方式中使用相同标号的元件/构件/步骤,代表相同或类似部件。
图1是本发明的一实施例的气体泄漏检测装置的示意图。参考图1,气体泄漏检测装置100包括处理模块110、储存模块120、通讯模块130以及红外线摄影机140。处理模块110耦接红外线摄影机140。在本实施例中,气体泄漏检测装置100可用以检测检测目标是否发生气体泄漏情况,并且可自动判断发生气体泄漏的位置,其中所述气体可以是指人眼无法或不易判断的无色气体、挥发性有机化合物气体(例如石化的挥发性有机物(VolatileOrganic Compounds;VOCs))或相关危险气体等,而本发明并不限于此。在本实施例中,红外线摄影机140可为一种手持式摄影机,以供检测人员手持于工厂中移动而可对各式设备进行远距且即时的影像拍摄操作。并且,红外线摄影机140可经由通讯模块130将连续的多张红外线灰度影像提供至处理模块110进行即时的影像处理与分析,而可实现即时的气体泄漏检测功能。在本实施例中,通讯模块130可例如提供有线或无线的通讯功能,并且处理模块110以及储存模块120可例如整合于云端服务器或远端计算机主机中。然而,在一实施例中,红外线摄影机140也可为一种固定式摄影机。或者,在另一实施例中,处理模块110、储存模块120、通讯模块130以及红外线摄影机140可整合为同一电子设备中。
在本实施例中,处理模块110可通过红外线摄影机140取得检测目标的所述连续的多张红外线灰度影像。处理模块110可对所述多张红外线灰度影像分别进行影像滤波处理,以产生对应于所述多张红外线灰度影像的多组滤波影像。处理模块110可对所述多组滤波影像分别进行通道融合处理,以产生多个融合影像。在本实施例中,储存模块120可储存泄漏侦测模块,其中所述泄漏侦测模块可为经训练后的神经网络运算模块(或描述为经深度学习后的深度学习模块)。因此,处理模块110可将所述多张融合影像输入至所述泄漏侦测模块,以使所述泄漏侦测模块可分析并且输出检测目标发生气体泄漏的泄漏位置信息。
在本实施例中,处理模块110可包括中央处理单元(Central Processing Unit;CPU),或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor;DSP)、可程序化控制器、专用集成电路(ApplicationSpecific Integrated Circuits;ASIC)、可程序化逻辑装置(Programmable LogicDevice;PLD)、其他类似处理装置或这些装置的组合。在本实施例中,储存模块120可为存储器(Memory),并且用以储存本发明各实施例所记载的多个影像处理模块以及相关影像数据等。处理模块110可存取储存模块120,以实现本发明各实施例所记载的相关影像处理与运算功能。
图2是本发明的一实施例的多个影像处理及分析模块的示意图。图3是本发明的一实施例的气体泄漏检测方法的流程图。参考图1至图3,本实施例的储存模块120可包括如图2所示的影像正规化模块121、影像滤波模块122、影像融合模块123、去噪声模块124、影像对正模块125以及泄漏侦测模块126。在本实施例中,处理模块110可依序将所述多张红外线灰度影像输入至如图2所示的多个影像处理及分析模块,以自动地判断检测目标发生气体泄漏的泄漏位置。对此,以下将搭配图3的步骤S310~S370进行说明。另外,先说明的是,在本发明的一些实施例中,处理模块110可不包括执行去噪声模块124以及影像对正模块125,或者储存模块120不包括去噪声模块124以及影像对正模块125。换言之,本发明的去噪声模块124以及影像对正模块125在一些实施例中为可选的。
在步骤S310。处理模块110可通过红外线摄影机140可取得检测目标的连续的多张红外线灰度影像。在步骤S320,处理模块110可依序将所述多张红外线灰度影像输入至影像正规化(Normalization)模块121,以对所述多张红外线灰度影像分别进行影像正规化处理。在步骤S330,处理模块110可对所述多张红外线灰度影像(经影像正规化处理后的多个正规化灰度影像)分别进行影像滤波处理,以产生对应于所述多张红外线灰度影像的多组滤波影像。在步骤S340,处理模块110可对所述多组滤波影像分别进行通道融合处理,以产生多个融合影像。
对此,请搭配参考图4,图4是本发明的一实施例的产生融合影像的示意图。以一张红外线灰度影像410为例,如图4的红外线灰度影像410输入至影像正规化模块121后,影像正规化模块121可输出正规化影像420(灰度影像)。接着,正规化影像420被输入至影像滤波模块122后,影像滤波模块122可对红外线灰度影像410进行多个不同角度的滤波处理(空间滤波),以产生一组滤波影像。值得注意的是,本实施例的影像滤波模块122是适于将影像中的人眼无法获知不易观察到的泄漏气体进行影像强化。举例而言,影像滤波模块122可例如通过浮雕(Emboss)滤波器进行45度、90度以及135度的浮雕滤波处理,以输出第一滤波影像431(45度浮雕处理)、第二滤波影像432(90度浮雕处理)以及第三滤波影像433(135度浮雕处理)至影像融合模块123。接着,影像融合模块123可将第一滤波影像431、第二滤波影像432以及第三滤波影像433各自的多个像素值作为对应的融合影像440中的多种子像素类型各自的多个子像素值,以输出融合影像440。
更详细而言,第一滤波影像431、第二滤波影像432以及第三滤波影像433为灰度影像。影像融合模块123可将第一滤波影像431的每一个像素的灰度值(像素值)例如作为融合影像440的每一个像素中的红色子像素的像素值。影像融合模块123可将第二滤波影像432的每一个像素的灰度值(像素值)例如作为融合影像440的每一个像素中的绿色子像素的像素值。影像融合模块123可将第三滤波影像433的每一个像素的灰度值(像素值)例如作为融合影像440的每一个像素中的蓝色子像素的像素值。换言之,若第一滤波影像431、第二滤波影像432以及第三滤波影像433的至少其中之一可凸显出气体泄漏的情况,则融合影像440中在对应泄漏位置可显示出对应颜色的影像变化。因此,处理模块110可通过判断连续的多张融合影像中是否出现具有特定颜色的影像变化,而有效地侦测出检测目标发生气体泄漏的情况以及发生气体泄漏的位置。在其他实施例中,处理模块110也可以执行其他角度的浮雕滤波处理或是使用浮雕滤波处理以外的其他空间滤波处理,并且在上述一组滤波影像中也可以包含其他数目的滤波影像以用于产生对应的融合影像。
回到图3,在步骤S350,处理模块110可依序将所述多张融合影像输入至去噪声模块124,以对所述多张融合影像进行去噪声处理。对此,请搭配参考图5,图5是本发明的一实施例的对融合影像进行去噪声处理的示意图。以一张正规化影像510(或一张红外线灰度影像)为例,由于红外线摄影机140的特性(大部分影像感测器的既有特性),红外线摄影机140在拍摄影像过程中会产生具有棋盘格线的噪声线段的红外线灰度影像。因此,如图5的正规化影像510(经正规化的红外线灰度影像)经由影像滤波模块122的Emboss滤波器滤波后,影像滤波模块122会强化出正规化影像510中明暗度不一的棋盘格线的噪声线段,而使影像融合模块123将具有棋盘格线的噪声线段的多个滤波影像融合后来产生如图5的融合影像520。因此,去噪声模块124可依据每一像素各自周围的多个像素的颜色信息来校正对应于噪声线段的多个像素的像素值(例如取周围的多个像素的多个像素值的平均值),以可输出去噪声的融合影像530。在其他实施例中,如果融合影像中的噪声不严重,处理模块110也可以不进行去噪声处理。或者,如果融合影像中的噪声不是棋盘格线噪声而属于其他类型的噪声,处理模块110也可以进行其他类型的去噪声处理。
接着,在步骤S360,处理模块110可依序将所述多张融合影像输入至影像对正模块125,以对所述多张融合影像进行影像对正处理。对此,请搭配参考图6,图6是本发明的一实施例的对融合影像进行影像对正处理的示意图。以连续的三张融合影像610、620、630为例,由于红外线摄影机140可能在移动状态中进行取像,而使融合影像610、620、630中的检测目标611、621、631或影像内容可能具有偏移的情况,因此影像对正模块125可将每一张融合影像与对应的前一张融合影像进行比对,并且利用光流法(Optical flow)来计算多个融合影像中像素的移动量。本领域技术人员可以运用多种已知的光流法运算,在此不赘述。如图6,融合影像610的检测目标611具有图形中心轴C1,因此影像对正模块125可将下一张融合影像620的检测目标621的图形中心轴C2移动以对正于前一张融合影像610的图形中心轴C1,以输出新的融合影像620’。新的融合影像620’的检测目标621’的图形中心轴C2’与图形中心轴C1重叠。接着,影像对正模块125可将下下一张融合影像630的检测目标631的图形中心轴C3移动以对正于前一张融合影像620的图形中心轴C2’,以输出新的融合影像630’。新的融合影像630’的检测目标631’的图形中心轴C3’与图形中心轴C2’重叠。然而,虽然上述以水平方向上的影像偏移为例,但本领域技术人员可以理解垂直方向或其他任意方向上的影像偏移也可用同样或类似的方式进行影像对正处理。因此,影像对正模块125可依序地输出具有检测目标611、621’、631’的位置为一致的融合影像610、620’、630’至泄漏侦测模块126进行有效的泄漏侦测。在其他实施例中,如果红外线摄影机140为固定式或是在较轻微的移动状态下进行取像,而使影像偏移的情况较不明显,处理模块110也可以不进行影像对正处理。
最后,在步骤S370,处理模块110可依序将所述多张融合影像输入至泄漏侦测模块126,以使泄漏侦测模块126输出泄漏位置信息。对此,请搭配参考图7,图7是本发明的一实施例的判断在融合影像中气体泄漏位置的示意图。以连续的多张融合影像710_1~710_N为例,其中N为大于1的正整数,连续的多张融合影像710_1~710_N经由前述各项影像前处理操作后,连续的多张融合影像710_1~710_N依时序地被输入至泄漏侦测模块126。泄漏侦测模块126可为经训练后的神经网络运算模块,例如区域卷积三维网络(RegionConvolutional 3D Network,R-C3D),但本发明不以此为限。对此,相较于融合影像710_1~710_N中的检测目标711为在影像中的固定位置,由于泄漏气体(例如挥发性气体)在融合影像710_1~710_N为动态变化的影像部分,因此泄漏侦测模块126可通过依序比较融合影像710_1~710_N之间的影像差异,而可有效地判断出融合影像720中的泄漏位置信息。例如泄漏侦测模块126可取融合影像710_1~710_N的最新一张来标示出泄漏位置721~723的范围,并且输出至显示设备来显示予检测人员可快速地获得泄漏侦测的结果以及泄漏位置,以实现高安全性、高便利性且高效率的气体泄漏检测功能。
另外,上述的步骤S320、S350、S360为用于对影像进行影像优化处理的相关步骤,因此上述的步骤S320、S350、S360为可选择性执行。换言之,在本发明的一些实施例中,气体泄漏检测装置100在执行图3的气体泄漏检测方法的过程中可依据不同检测情境或不同检测需求来选择执行步骤S320、S350、S360的全部或一部分,或选择不执行步骤S320、S350、S360。
综上所述,本发明的气体泄漏检测装置以及气体泄漏检测方法可通过即时的红外线影像感测来取得多张连续的红外线灰度影像,并且可通过对所述多张连续的红外线灰度影像分别进行不同角度的影像滤波,以强化影像中的人眼无法获知不易观察到的泄漏气体,而使气体泄漏检测装置可通过比对经影像处理后的连续影像来快速且自动地判断影像中的检测目标发生气体泄漏的位置。
以上所述仅为本发明较佳实施例,然其并非用以限定本发明的范围,任何熟悉本项技术的人员,在不脱离本发明的精神和范围内,可在此基础上做进一步的改进和变化,因此本发明的保护范围当以本申请的权利要求书所界定的范围为准。
Claims (10)
1.一种气体泄漏检测装置,其特征在于,包括:
红外线摄影机,用以取得检测目标的连续的多张红外线灰度影像;以及
处理模块,耦接该红外线摄影机,并且用以对该多张红外线灰度影像分别进行影像滤波处理,以产生对应于该多张红外线灰度影像的多组滤波影像,
其中该处理模块对该多组滤波影像分别进行通道融合处理,以产生多个融合影像,并且该处理模块将该多个融合影像输入至泄漏侦测模块,以使该泄漏侦测模块输出泄漏位置信息,其中该泄漏侦测模块为神经网络运算模块。
2.根据权利要求1所述的气体泄漏检测装置,其中,在该处理模块对该多张红外线灰度影像分别进行该影像滤波处理之前,该处理模块对该多张红外线灰度影像分别进行影像正规化处理。
3.根据权利要求1所述的气体泄漏检测装置,其中,该处理模块对该多张红外线灰度影像分别进行多个不同角度的浮雕滤波处理,以产生该多组滤波影像,其中该多组滤波影像的每一组包括对应于不同角度的浮雕滤波结果的多个滤波影像。
4.根据权利要求3所述的气体泄漏检测装置,其中,该处理模块将该多组滤波影像的每一组的该多个滤波影像各自的多个像素值作为对应的融合影像中的多种子像素类型各自的多个子像素值。
5.根据权利要求1所述的气体泄漏检测装置,其中,在该处理模块输入该多个融合影像至该泄漏侦测模块之前,该处理模块对该多个融合影像进行影像对正处理。
6.一种气体泄漏检测方法,其特征在于,包括:
取得检测目标的连续的多张红外线灰度影像;
对该多张红外线灰度影像分别进行影像滤波处理,以产生对应于该多张红外线灰度影像的多组滤波影像;
对该多组滤波影像分别进行通道融合处理,以产生多个融合影像;以及
输入该多个融合影像至泄漏侦测模块,以使该泄漏侦测模块输出泄漏位置信息,其中该泄漏侦测模块为神经网络运算模块。
7.根据权利要求6所述的气体泄漏检测方法,其中,在对该多张红外线灰度影像分别进行该影像滤波处理之前,该气体泄漏检测方法还包括:
对该多张红外线灰度影像分别进行影像正规化处理。
8.根据权利要求6所述的气体泄漏检测方法,其中,该影像滤波处理包括:
对该多张红外线灰度影像分别进行多个不同角度的浮雕滤波处理,以产生该多组滤波影像,其中该多组滤波影像的每一组包括对应于不同角度的浮雕滤波结果的多个滤波影像。
9.根据权利要求8所述的气体泄漏检测方法,其中,该通道融合处理包括:
将该多组滤波影像的每一组的该多个滤波影像各自的多个像素值作为对应的融合影像中的多种子像素类型各自的多个子像素值。
10.根据权利要求6所述的气体泄漏检测方法,其中,在输入该多个融合影像至该泄漏侦测模块之前,该气体泄漏检测方法还包括:
对该多个融合影像进行影像对正处理。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063054844P | 2020-07-22 | 2020-07-22 | |
US63/054,844 | 2020-07-22 | ||
TW109144362 | 2020-12-16 | ||
TW109144362A TWI753707B (zh) | 2020-07-22 | 2020-12-16 | 氣體洩漏檢測裝置以及氣體洩漏檢測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113008470A true CN113008470A (zh) | 2021-06-22 |
CN113008470B CN113008470B (zh) | 2024-02-13 |
Family
ID=76404994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110239391.2A Active CN113008470B (zh) | 2020-07-22 | 2021-03-04 | 气体泄漏检测装置以及气体泄漏检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113008470B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780138A (zh) * | 2021-08-31 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 自适应鲁棒性VOCs气体泄漏检测方法、系统及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5001346A (en) * | 1990-02-26 | 1991-03-19 | Rockwell International Corporation | Leak detection system with background compensation |
CN1489111A (zh) * | 2003-08-21 | 2004-04-14 | 上海交通大学 | 基于局部统计特性和彩色空间变换的遥感影像融合方法 |
US20090200466A1 (en) * | 2008-02-11 | 2009-08-13 | Flir Systems Inc. | Thermography camera configured for gas leak detection |
US20100020164A1 (en) * | 2005-11-04 | 2010-01-28 | Ronald Perrault | Surface Analysis Method and System |
CN101900567A (zh) * | 2009-05-29 | 2010-12-01 | 通用汽车环球科技运作公司 | 基于像素的无纹理畅通路径检测 |
CN104568806A (zh) * | 2013-10-28 | 2015-04-29 | 上海巨哥电子科技有限公司 | 一种气体检测装置 |
CN105989585A (zh) * | 2015-03-05 | 2016-10-05 | 深圳市朗驰欣创科技有限公司 | 一种红外图像与可见光图像融合的方法及系统 |
CN108240891A (zh) * | 2016-12-23 | 2018-07-03 | 财团法人工业技术研究院 | 气体泄漏检测方法 |
-
2021
- 2021-03-04 CN CN202110239391.2A patent/CN113008470B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5001346A (en) * | 1990-02-26 | 1991-03-19 | Rockwell International Corporation | Leak detection system with background compensation |
CN1489111A (zh) * | 2003-08-21 | 2004-04-14 | 上海交通大学 | 基于局部统计特性和彩色空间变换的遥感影像融合方法 |
US20100020164A1 (en) * | 2005-11-04 | 2010-01-28 | Ronald Perrault | Surface Analysis Method and System |
US20090200466A1 (en) * | 2008-02-11 | 2009-08-13 | Flir Systems Inc. | Thermography camera configured for gas leak detection |
CN101900567A (zh) * | 2009-05-29 | 2010-12-01 | 通用汽车环球科技运作公司 | 基于像素的无纹理畅通路径检测 |
CN104568806A (zh) * | 2013-10-28 | 2015-04-29 | 上海巨哥电子科技有限公司 | 一种气体检测装置 |
CN105989585A (zh) * | 2015-03-05 | 2016-10-05 | 深圳市朗驰欣创科技有限公司 | 一种红外图像与可见光图像融合的方法及系统 |
CN108240891A (zh) * | 2016-12-23 | 2018-07-03 | 财团法人工业技术研究院 | 气体泄漏检测方法 |
Non-Patent Citations (1)
Title |
---|
贾强;: "氨制冷压力管道不停机全面检验方法研究", 压力容器, no. 05, 30 May 2012 (2012-05-30), pages 75 - 80 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780138A (zh) * | 2021-08-31 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 自适应鲁棒性VOCs气体泄漏检测方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113008470B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345755B (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN101755190B (zh) | 校准方法、校准装置及具备该校准装置的校准系统 | |
CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
CN105574533B (zh) | 一种图像特征提取方法和装置 | |
JP5919212B2 (ja) | 目視照合支援装置およびその制御方法 | |
CN108716890A (zh) | 一种基于机器视觉的高精度尺寸检测方法 | |
CN105139384B (zh) | 缺陷胶囊检测的方法和装置 | |
CN106845314B (zh) | 一种二维码的快速定位方法 | |
CN113269762A (zh) | 屏幕不良检测方法、系统及计算机存储介质 | |
JP2020128877A (ja) | 線状体の異常検出装置及び異常検出方法 | |
CN110009651A (zh) | 用于复杂环境下对于仪表视觉读数在线监测系统的抗干扰算法 | |
CN112200790B (zh) | 布料缺陷检测方法、设备和介质 | |
CN104103069B (zh) | 图像处理装置、图像处理方法及记录介质 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
KR20140075042A (ko) | 표시패널 검사 장치 및 그 방법 | |
CN113008470B (zh) | 气体泄漏检测装置以及气体泄漏检测方法 | |
KR20210086078A (ko) | 입력 이미지로부터 전력선을 검출하는 인공신경망의 학습 방법 | |
US20190273845A1 (en) | Vibration monitoring of an object using a video camera | |
JP2008014842A (ja) | シミ欠陥検出方法及び装置 | |
CN115239801B (zh) | 一种对象定位方法及装置 | |
CN116402771A (zh) | 缺陷检测方法、装置和模型训练方法、装置 | |
TWI753707B (zh) | 氣體洩漏檢測裝置以及氣體洩漏檢測方法 | |
JP5904168B2 (ja) | 撮像画像の特徴点抽出方法および特徴点抽出装置 | |
CN115984197A (zh) | 基于标准pcb图像的缺陷检测方法及相关装置 |
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 |