CN113065421B - 一种充油设备多源光学火灾探测方法及系统 - Google Patents
一种充油设备多源光学火灾探测方法及系统 Download PDFInfo
- Publication number
- CN113065421B CN113065421B CN202110293667.5A CN202110293667A CN113065421B CN 113065421 B CN113065421 B CN 113065421B CN 202110293667 A CN202110293667 A CN 202110293667A CN 113065421 B CN113065421 B CN 113065421B
- Authority
- CN
- China
- Prior art keywords
- signal
- oil
- image
- equipment
- ultraviolet
- 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
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 230000003321 amplification Effects 0.000 claims abstract description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 9
- 230000000877 morphologic effect Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 2
- 229910044991 metal oxide Inorganic materials 0.000 claims description 2
- 150000004706 metal oxides Chemical class 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 claims description 2
- 230000036760 body temperature Effects 0.000 claims 1
- 239000000779 smoke Substances 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Abstract
一种充油设备多源光学火灾探测方法及系统,使用传感单元采集充油设备的视频信号、紫外信号和红外信号;将所述视频信号上传至图像处理单元,基于从视频信号逐帧提取采集的图像判断充油设备中是否存在火焰信号;将紫外信号和红外信号上传至信号处理单元,分别进行滤波、放大预处理;当分别基于预处理后的紫外信号和红外信号均判断充油设备产生光信号,且同时判断充油设备中存在火焰信号;将充油设备实时数据,与当前同一时刻的历史数据进行比对,不超过设定阈值时,判断充油设备发生火灾,并触发火灾报警。本发明利用光学设备的高灵敏度、高抗干扰能力,避免传统感温,感烟传感器造成的误判、误动作,实现对大型充油设备火焰探测与预警。
Description
技术领域
本发明属于电站、换流站安全技术领域,涉及一种充油设备多源光学火灾探测方法及系统。
背景技术
随着电网规模的不断扩大,变电站、换流站内的充油设备容量也逐渐变大。随之带来的则是设备内绝缘油含量也逐渐增多,特高压变压器内的充油量目前已达到百吨级别,如此多烃类绝缘油,一旦设备发生故障,设备存在起火、爆炸的可能,严重威胁站内临近设备和工作人员的人身安全。同时高电压等级变电站往往作为区域电网的枢纽,一旦发生故障,往往会影响当地电网的稳定性,造成更大规模的经济损失。据统计,国内变压器火灾发生概率约为0.01%~0.03%/年,而换流变、电抗器等充油设备也面临着同样的问题。
对充油设备火灾进行早期探测,可以有助于及早布置消防措施,避免事故蔓延,造成更加恶劣的损失。目前变电站、换流站内常用的火灾探测设备以感烟探头和感温电缆为主。由于现场不可避免会有粉尘,同时大负荷条件下,大型充油设备温度会升高,此类探头容易产生误判,导致现场消防设备误动作,带来不必要的损失。燃烧物在燃烧时,火焰会发出红外及紫外光,相比较于温度、烟雾信号,光信号具有更好的抗干扰能力和更高的灵敏度。
发明内容
为了解决现有技术存在的问题,本发明的目的在于,提供了一种大型充油设备多源光学火灾探测系统及方法。
本发明采用如下的技术方案:
一种充油设备多源光学火灾探测方法,其特征在于,所述方法包括以下步骤:
步骤1:使用传感单元采集充油设备的视频信号、紫外信号和红外信号;
步骤2:将所述视频信号上传至图像处理单元,基于从视频信号逐帧提取采集的图像判断充油设备中是否存在火焰信号;
步骤3:将紫外信号和红外信号上传至信号处理单元,分别进行滤波、放大预处理;
步骤4:当基于预处理后的紫外信号或基于红外信号均判断充油设备产生光信号,且根据步骤2也同时判断充油设备中存在火焰信号,进入步骤5,否则判断返回步骤1;
步骤5:将充油设备实时数据,与当前同一时刻的往年历史数据进行比对,如果变化超出设定判断阈值,则判断充油设备发生火灾,并触发火灾报警。
本发明进一步包括以下优选技术方案。
在步骤1中,所述传感单元包括视频传感器、紫外传感器和红外传感器,其中,所述紫外传感器的波段范围为185-260nm;
所述红外传感器为三波段红外传感器,其中第一波段中心波长为4.26μm,波段范围为[4.24μm,4.28μm];第二波段中心波长为3.8μm,波段范围为[3.78μm,3.82μm];第三波段中心波长为4.8μm,波段范围为[4.78μm,4.82μm]。
在步骤2中,具体包括以下内容:
2.1图像处理单元逐帧提取采集到的图像,根据第一阈值对图像进行灰度处理;
2.2对灰度图像进行二值化处理,然后判断是否存在明显特征轮廓的火焰二值化图像,其中,所述明显特征轮廓的火焰二值化图像是指该图像的边缘至少具备一个及以上的尖角凸起;
2.3对带有明显特征轮廓的火焰二值化图像进行形态学滤波处理;
2.4将连续两帧经过2.2-2.3处理后图像进行比对,计算连续两帧图像之间的像素差值,当相邻帧图像的像素差值大于设定的像素阈值时,则判断充油设备图像中出现火焰信号,否则为外部干扰信号。
在2.1中,对逐帧提取采集的图像RGB分量进行加权平均,得到灰度图像各分量为:
R1=G1=B1=0.5R+0.1G+0.4B;
其中,R、G、B分别为逐帧提取采集的图像中的红、绿、蓝分量;
R1、G1、B1分别为图像灰度化处理后的红、绿、蓝分量。
在2.2中,所述尖角凸起的角度小于等于30°,且灰度图像圆度小于0.6。
在2.4中,所述像素阈值为4000个像素点。
在步骤4中,当满足以下任何一个条件时,被认为充油设备产生光信号:
(1)当紫外传感器检测到的185-260nm的紫外信号;
(2)红外传感器同时检测到第一至第三波段信号,且第一波段信号幅值同时大于第二、第三波段信号幅值。
当红外传感器同时检测到第一至第三波段信号,且第一波段信号幅值大于等于1.75倍的第二波段信号幅值且大于2.5倍的第三波段信号幅值时,判断充油设备产生光信号。
在步骤5中,所述充油设备的实时数据包括充油设备本体温度T1、环境温度T2、紫外信号幅值AZ、红外信号中第一波段信号幅值AH1、第三波段信号幅值AH3;
当同时满足条件1和条件2时则判断充油设备发生火灾:
条件1:T1≥1.2T10,或者(T1-T2)≥1.5(T10-T20);
条件2:AZ≥1.5AZ0,或者,AH1≥1.5AH10并且AH3≤1.3AH30;
其中,T10为充油设备本体温度在同一时刻下的往年历史数据均值,T20为充油设备环境温度在同一时刻下的往年历史数据均值,AZ0为充油设备紫外信号幅值在同一时刻下的往年历史数据均值,AH10为红外信号中第一波段信号幅值在同一时刻下的往年历史数据均值,AH30为红外信号中第三波段信号幅值在同一时刻下的往年历史数据均值。
所述往年历史数据是指1年、2年或3年内的历史数据均值。
本申请同时公开了一种利用前述火灾探测方法的充油设备多源光学火灾探测系统,包括传感单元、图像处理单元、信号处理单元和主控单元,其特征在于:
所述传感单元用于检测充油设备的视频信号、紫外信号、红外信号,并将所检测到的视频信号上传至图像处理单元,将检测得到的紫外信号、红外信号上传至信号处理单元;
所述图像处理单元对采集的视频信号进行逐帧提取充油设备图像,进行充油设备的火焰追踪识别,并将识别结果上传至主控单元;
所述信号处理单元对所采集的红外信号、紫外信号分别进行滤波、放大后上传至主控单元;
所述主控单元根据火焰追踪识别结果、以及滤波放大后的红外信号、紫外信号进行充油设备火灾判断,发出火灾预警信号。
进一步优选地,
所述传感单元包括视频传感器、日盲型紫外传感器和红外传感器;
其中,所述视频传感器为CMOS结构,
其中,CMOS为互补金属氧化物半导体;
紫外传感器的检测波段为185-260nm;
所述红外传感器为三波段红外传感器,
第一波段信号的中心波长为4.26μm,第二波段信号的中心波长为3.8μm,第三波段信号的中心波长为4.8μm。
所述图像处理单元包括帧提取模块、灰度处理模块、二值化处理模块、形态学滤波模块和差值计算模块;
所述帧提取模块用于从视频信号中逐帧提取图像;
所述灰度处理模块对图像进行灰度处理,得到灰度图像;
所述二值化处理模块用于对灰度图像进行二值化处理,得到二值化图像;
所述形态学滤波模块用于对二值化图像采用形态学滤波处理,用于滤除二值化图像中的干扰噪音;
所述差值计算模块用于对滤波处理后的相邻帧的图像进行像素差值计算处理。
所述图像处理单元还进一步包括火焰追踪识别模块,当所述差值计算模块所计算的连续范围内相邻帧之间的像素差值小于设定的像素阈值,则判断为外部干扰,当连续范围内的相邻帧之间的像素差值大于设定的像素阈值,则判断为火焰信号。
所述主控单元包括边缘计算模块、历史数据记录模块、火灾判别模块和火灾预警模块;
所述边缘计算模块计算红外信号中的三波段幅值信号,并基于红外三波段幅值信号、紫外信号判断充电设备是否出现光信号,并结合图像处理单元上传的火焰追踪识别结果判断是否存在火灾信号;然后将检测到的充油设备实时数据与同期实力数据进行比较,最终判断充油设备是否发生火灾,如果判断发生火灾,则触发火灾报警模块发出报警信号。
与现有技术相比,本发明的有益效果在于:
本发明采用红外、紫外、可见光等多源信号,综合多路信号的信息,可以对充油设备早期火灾进行快速、准确相应,避免火势进一步蔓延,提高电力系统稳定性。
附图说明
图1为一种充油设备多源光学火灾探测系统整体框图;
图2为一种充油设备多源光学火灾探测系统中图像处理单元功能示意图;
图3为一种充油设备多源光学火灾探测系统中主控单元判断逻辑示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明的保护范围。
一种充油设备多源光学火灾探测方法,其特征在于,所述方法包括以下步骤:
步骤1:使用传感单元采集充油设备的视频信号、紫外信号和红外信号;
在本申请的实施例中,所述传感单元包括视频传感器、紫外传感器和红外传感器,其中,所述紫外传感器的波段范围为185-260nm;
所述红外传感器为三波段红外传感器,其中第一波段中心波长为4.26μm,波段范围为[4.24μm,4.28μm];第二波段中心波长为3.8μm,波段范围为[3.78μm,3.82μm];第三波段中心波长为4.8μm,波段范围为[4.78μm,4.82μm]。
步骤2:将所述视频信号上传至图像处理单元,基于从视频信号逐帧提取采集的图像判断充油设备中是否存在火焰信号;
在步骤2中,具体包括以下内容:
2.1图像处理单元逐帧提取采集到的图像,根据第一阈值对图像进行灰度处理;
在本申请的优选实施例中,对逐帧提取采集的图像RGB分量进行加权平均,得到灰度图像各分量为:
R1=G1=B1=0.5R+0.1G+0.4B;
其中,R、G、B分别为逐帧提取采集的图像中的红、绿、蓝分量;
R1、G1、B1分别为图像灰度化处理后的红、绿、蓝分量。
2.2对灰度图像进行二值化处理,然后判断是否存在明显特征轮廓的火焰二值化图像,其中,所述明显特征轮廓的火焰二值化图像是指该图像的边缘至少具备一个及以上的尖角凸起;
需要说明的是,判断图像是否具有明显火焰轮廓的方式有很多,例如,包括一个及以上竖直向上的不规则尖角凸起、上部轮廓飘忽起伏等特征,本领域普通技术人员基于这些特征都可以对火焰二值化图像进行初步判断。
本申请优选采用以下判据判断图像是否为存在明显特征轮廓的火焰二值化图像:所述尖角凸起的角度小于等于30°,且灰度图像圆度小于0.6。
2.3对带有明显特征轮廓的火焰二值化图像进行形态学滤波处理;
本申请采用经典的形态学滤波器对火焰二值化图像进行滤波处理。
2.4将连续两帧经过2.2-2.3处理后图像进行比对,计算连续两帧图像之间的像素差值,当相邻帧图像的像素差值大于设定的像素阈值时,则判断充油设备图像中出现火焰信号,否则为外部干扰信号。
在本申请实施例中,所述像素阈值为4000个像素点。
步骤3:将紫外信号和红外信号上传至信号处理单元,分别进行滤波、放大预处理;
步骤4:当基于预处理后的紫外信号或基于红外信号均判断充油设备产生光信号,且根据步骤2也同时判断充油设备中存在火焰信号,进入步骤5,否则判断返回步骤1;
在本发明中,采用以下两种实施例来根据预处理后的紫外信号或基于红外信号均判断充油设备是否产生光信号:
实施例1:当满足以下任何一个条件时,被认为充油设备产生光信号:
条件(1),当紫外传感器检测到的185-260nm的紫外信号;
条件(2),红外传感器同时检测到第一至第三波段信号,且第一波段信号幅值同时大于第二、第三波段信号幅值。
实施例2:当满足以下任何一个条件时,被认为充油设备产生光信号:
条件(1),当紫外传感器检测到的185-260nm的紫外信号;
条件(2),当红外传感器同时检测到第一至第三波段信号,且第一波段信号幅值大于等于1.75倍的第二波段信号幅值且大于2.5倍的第三波段信号幅值时,判断充油设备产生光信号。
步骤5:将充油设备实时数据,与当前同一时刻的往年历史数据进行比对,如果变化超出设定判断阈值,则判断充油设备发生火灾,并触发火灾报警。
历史数据包括温度、湿度环境因素及测量得到的紫外、红外信号。历史数据为往年该时刻的平均值,可以是1年、2年甚至3年内或其它时间段内的历史数据平均值。
需要说明的是,步骤5不属于必选的步骤,在步骤4中,当基于预处理后的紫外信号或基于红外信号均判断充油设备产生光信号,且根据步骤2也同时判断充油设备中存在火焰信号。通常就可以判断充油设备发生火灾,并触发火灾报警。
但为了避免误判,可以将步骤5作为进一步优选的技术手段。例如,如果在往年该时刻附近,存在麦秸秆燃烧的现象,为避免误判,仅仅红外波段响应时,不作为燃烧判据。
作为优选实施例,本发明在步骤5中,采用以下方式来结合与历史数据的比对进一步判断:
在步骤5中,所述充油设备的实时数据包括充油设备本体温度T1、环境温度T2、紫外信号幅值AZ、红外信号中第一波段信号幅值AH1、第三波段信号幅值AH3;
当同时满足条件1和条件2时则判断充油设备发生火灾:
条件1:T1≥1.2T10,或者(T1-T2)≥1.5(T10-T20);
条件2:AZ≥1.5AZ0,或者,AH1≥1.5AH10并且AH3≤1.3AH30;
其中,T10为充油设备本体温度在同一时刻下的往年历史数据均值,T20为充油设备环境温度在同一时刻下的往年历史数据均值,AZ0为充油设备紫外信号幅值在同一时刻下的往年历史数据均值,AH10为红外信号中第一波段信号幅值在同一时刻下的往年历史数据均值,AH30为红外信号中第三波段信号幅值在同一时刻下的往年历史数据均值。
本申请同时公开一种利用前述多源光学火灾探测方法的充油设备多源光学火灾探测系统,整体框图如图1所示。
一种大型充油设备多源光学火灾探测系统包括传感单元、图像处理单元、信号处理单元和主控单元四个部分组成。
传感单元包括视频传感器、日盲型紫外传感器、三波段红外传感器组成。
将传感单元安装在充油设备的预设位置,综合各传感单元的探测效果,布置范围为3~10m,对于紫外传感器和红外传感器,距离过远存在干扰增加的可能,而对于视频传感器,距离过近,存在画面视角过窄,过远存在探测画面不情绪的可能。
在本申请实施例中,视频传感器为120帧4k高清摄像头,焦距范围为3.6mm~8mm,可以进行光学变焦,传感器为CMOS结构。
紫外传感器为日盲型,其相应波段范围为185~260nm,该波段属于日盲紫外波段,可以避免日光中紫外光信号的干扰,当检测到185~260nm的紫外信号时,可以认为充油设备产生了光信号。
红外传感器为三波段红外传感器,其中第一波段信号中心波长为4.26μm,波段范围为[4.24μm,4.28μm];第二波段中心波长为3.8μm,波段范围为[3.78μm,3.82μm];第三波段中心波长为4.8μm,波段范围为[4.78μm,4.82μm]。当第一波段信号幅度分别大于第二波段信号幅度和第三波段信号幅度时,则判断为产生光信号。
所述图像处理单元包括帧提取模块、灰度处理模块、二值化处理模块、形态学滤波模块、差值计算模块、火焰追踪识别模块。
其中,所述帧提取模块用于从视频信号中逐帧提取图像;所述灰度处理模块对图像进行灰度处理,得到灰度图像;所述二值化处理模块用于对灰度图像进行二值化处理,得到二值化图像;所述形态学滤波模块用于对二值化图像采用形态学滤波处理,用于滤除二值化图像中的干扰噪音;所述差值计算模块用于对滤波处理后的相邻帧的图像进行像素差值计算处理。
所述图像处理单元还进一步包括,当所述差值计算模块所计算的连续范围内相邻帧之间的像素差值小于设定的像素阈值,则判断为外部干扰,当连续范围内的相邻帧之间的像素差值大于设定的像素阈值,则判断为火焰信号。
在本申请的优选实施例中,图像处理单元包含DSP芯片,实现对视频采集到的信息进行处理,首先图像处理单元会逐帧提取采集到的图像,由于大型充油设备内烃类绝缘油或者金属部件燃烧具有明显特征的火焰颜色,而在变电站或换流站内,火焰颜色与设备颜色有明显的不同,图像处理单元首先选择合适的阈值,对图像进行灰度处理,对彩色图像RGB分量进行加权平均,由于火焰中红色为特征颜色,得到的灰度图像各分量R1=G1=B1=0.5R+0.1G+0.4B。之后对获得的灰度图像进行二值化处理,获得具有明显特征轮廓的火焰二值化图像,由于图片中可能存在反光等其他与火焰颜色类似的情况,对二值化图像采用形态学滤波的方法,进行开闭运算,滤除图片中的杂散的干扰噪音,保留明确的大面积的火焰特征图像,得到明确的火焰特征图像。此外现场中可能会存在大面积的与火焰类似的物品,例如现场工作人员的红色安全帽等,此类物品往往运动范围较小,能在一定的时间内保持相对稳定,而燃烧物火焰由于其产生的热量,引起周围空气流动等影响,火焰会不断发生运动,因此图像处理单元会对采集处理后得到的相邻帧之间的像素进行对比,进行差值计算,如连续范围内相邻帧之间的像素差值小于设定阈值,则判断为外部干扰,如连续范围内的相邻帧之间的像素大于设定阈值,则判断为火焰信号。
所述信号处理单元包括第一滤波模块、第一放大模块、第二滤波模块和第二放大模块。
所述第一滤波模块对紫外传感器接收到的紫外波段信号进行滤波处理;所述第一放大模块对第一滤波模块处理后的紫外波段信号进行放大处理;当放大处理后的紫外波段信号检测存在紫外脉冲时,则判断为产生光信号。
所述第二滤波模块对红外传感器接收到的红外波段信号进行滤波处理;所述第二放大模块对第二滤波模块处理后的红外波段信号进行放大处理。当放大处理后的红外波段信号中的第一波段信号的幅度大于第二波段信号的幅度和第三波段信号的幅度时,则判断为充油设备产生光信号。
在本申请实施例中,信号处理单元,分别对紫外传感器接收到的信号和红外传感器接收到的信号进行滤波与放大处理,滤波模块为带通滤波器,由K7 GTX gen2 FPGA实现,放大模块可根据需要选择放大倍数,由INA128芯片实现,放大倍数可调节为1、20、50、100倍。
所述主控单元包括边缘计算模块、历史数据记录模块、火灾判别模块和火灾预警模块。
所述边缘计算模块计算红外信号中的三波段幅值信号,并基于红外三波段幅值信号、紫外信号判断充电设备是否出现光信号,并结合图像处理单元上传的火焰追踪识别结果判断是否存在火灾信号;然后将检测到的充油设备实时数据与同期实力数据进行比较,最终判断充油设备是否发生火灾,如果判断发生火灾,则触发火灾报警模块发出报警信号。
充油设备多源光学火灾探测系统中主控单元判断逻辑示意图如图3所示。
在本申请实施例中,主控单元主要有Arm Cortex-M55边缘计算模块组成,具有较低的功耗和良好的计算性能。边缘计算模块对视频信号、紫外信号和红外信号进行判断。为了避免现场可能存在的干扰,当视频信号检测到火焰信号时,只有当紫外或者红外任一传感器同时产生光信号,则主控单元认为产生火焰,发出火灾预警。同时考虑到大型换油设备在高负荷时期本身具有较高的温度,边缘计算模块同时会记录历史数据,并在每次火灾判断前与历史数据进行比较,避免设备正常过热导致误判发生报警。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种充油设备多源光学火灾探测方法,其特征在于,所述方法包括以下步骤:
步骤1:使用传感单元采集充油设备的视频信号、紫外信号和红外信号;
步骤2:将所述视频信号上传至图像处理单元,基于从视频信号逐帧提取采集的图像判断充油设备中是否存在火焰信号;
步骤3:将紫外信号和红外信号上传至信号处理单元,分别进行滤波、放大预处理;
步骤4:当基于预处理后的紫外信号或基于红外信号均判断充油设备产生光信号,且根据步骤2也同时判断充油设备中存在火焰信号,进入步骤5,否则判断返回步骤1;
步骤5:将充油设备实时数据与当前同一时刻的往年历史数据进行比对,如果变化超出设定判断阈值,则判断充油设备发生火灾,并触发火灾报警;充油设备实时数据包括设备本体温度T1、环境温度T2、紫外信号幅值AZ、红外信号中第一波段信号幅值AH1、第三波段信号幅值AH3;当同时满足条件1和条件2时则判断充油设备发生火灾:
条件1:T1≥1.2T10,或者(T1-T2)≥1.5(T10-T20);
条件2:AZ≥1.5AZ0,或者,AH1≥1.5AH10并且AH3≤1.3AH30;
其中,T10为充油设备本体温度在同一时刻下的往年历史数据均值,T20为充油设备环境温度在同一时刻下的往年历史数据均值,AZ0为充油设备紫外信号幅值在同一时刻下的往年历史数据均值,AH10为红外信号中第一波段信号幅值在同一时刻下的往年历史数据均值,AH30为红外信号中第三波段信号幅值在同一时刻下的往年历史数据均值。
2.根据权利要求1所述的充油设备多源光学火灾探测方法,其特征在于:
在步骤1中,所述传感单元包括视频传感器、紫外传感器和红外传感器,其中,所述紫外传感器的波段范围为185-260nm;
所述红外传感器为三波段红外传感器,其中第一波段中心波长为4.26μm,波段范围为[4.24μm,4.28μm];第二波段中心波长为3.8μm,波段范围为[3.78μm,3.82μm];第三波段中心波长为4.8μm,波段范围为[4.78μm,4.82μm]。
3.根据权利要求1或2所述的充油设备多源光学火灾探测方法,其特征在于:
在步骤2中,具体包括以下内容:
2.1图像处理单元逐帧提取采集到的图像,根据第一阈值对图像进行灰度处理;
2.2对灰度图像进行二值化处理,然后判断是否存在明显特征轮廓的火焰二值化图像,其中,所述明显特征轮廓的火焰二值化图像是指该图像的边缘至少具备一个及以上的尖角凸起;
2.3对带有明显特征轮廓的火焰二值化图像进行形态学滤波处理;
2.4将连续两帧经过2.2-2.3处理后图像进行比对,计算连续两帧图像之间的像素差值,当相邻帧图像的像素差值大于设定的像素阈值时,则判断充油设备图像中出现火焰信号,否则为外部干扰信号。
4.根据权利要求3所述的充油设备多源光学火灾探测方法,其特征在于:
在2.1中,对逐帧提取采集的图像RGB分量进行加权平均,得到灰度图像各分量为:
R1=G1=B1=0.5R+0.1G+0.4B;
其中,R、G、B分别为逐帧提取采集的图像中的红、绿、蓝分量;
R1、G1、B1分别为图像灰度化处理后的红、绿、蓝分量。
5.根据权利要求3所述的充油设备多源光学火灾探测方法,其特征在于:
在2.2中,所述尖角凸起的角度小于等于30°,且灰度图像圆度小于0.6。
6.根据权利要求3所述的充油设备多源光学火灾探测方法,其特征在于:
在2.4中,所述像素阈值为4000个像素点。
7.根据权利要求3所述的充油设备多源光学火灾探测方法,其特征在于:
在步骤4中,当满足以下任何一个条件时,被认为充油设备产生光信号:
(1)当紫外传感器检测到的185-260nm的紫外信号;
(2)红外传感器同时检测到第一至第三波段信号,且第一波段信号幅值同时大于第二、第三波段信号幅值。
8.根据权利要求7所述的充油设备多源光学火灾探测方法,其特征在于:
当红外传感器同时检测到第一至第三波段信号,且第一波段信号幅值大于等于1.75倍的第二波段信号幅值且大于2.5倍的第三波段信号幅值时,判断充油设备产生光信号。
9.根据权利要求1所述的充油设备多源光学火灾探测方法,其特征在于:
所述往年历史数据是指1年、2年或3年内的历史数据均值。
10.一种利用权利要求1-9任一项权利要求所述火灾探测方法的充油设备多源光学火灾探测系统,包括传感单元、图像处理单元、信号处理单元和主控单元,其特征在于:
所述传感单元用于检测充油设备的视频信号、紫外信号、红外信号,并将所检测到的视频信号上传至图像处理单元,将检测得到的紫外信号、红外信号上传至信号处理单元;
所述图像处理单元对采集的视频信号进行逐帧提取充油设备图像,进行充油设备的火焰追踪识别,并将识别结果上传至主控单元;
所述信号处理单元对所采集的红外信号、紫外信号分别进行滤波、放大后上传至主控单元;
所述主控单元根据火焰追踪识别结果、以及滤波放大后的红外信号、紫外信号进行充油设备火灾判断,发出火灾预警信号。
11.根据权利要求10所述的充油设备多源光学火灾探测系统,其特征在于:
所述传感单元包括视频传感器、日盲型紫外传感器和红外传感器;
其中,所述视频传感器为CMOS结构,
其中,CMOS为互补金属氧化物半导体;
紫外传感器的检测波段为185-260nm;
所述红外传感器为三波段红外传感器,
第一波段信号的中心波长为4.26μm,第二波段信号的中心波长为3.8μm,第三波段信号的中心波长为4.8μm。
12.根据权利要求10所述的充油设备多源光学火灾探测系统,其特征在于:
所述图像处理单元包括帧提取模块、灰度处理模块、二值化处理模块、形态学滤波模块和差值计算模块;
所述帧提取模块用于从视频信号中逐帧提取图像;
所述灰度处理模块对图像进行灰度处理,得到灰度图像;
所述二值化处理模块用于对灰度图像进行二值化处理,得到二值化图像;
所述形态学滤波模块用于对二值化图像采用形态学滤波处理,用于滤除二值化图像中的干扰噪音;
所述差值计算模块用于对滤波处理后的相邻帧的图像进行像素差值计算处理。
13.根据权利要求12所述的充油设备多源光学火灾探测系统,其特征在于:
所述图像处理单元还进一步包括火焰追踪识别模块,当所述差值计算模块所计算的连续范围内相邻帧之间的像素差值小于设定的像素阈值,则判断为外部干扰,当连续范围内的相邻帧之间的像素差值大于设定的像素阈值,则判断为火焰信号。
14.根据权利要求10或13所述的充油设备多源光学火灾探测系统,其特征在于:
所述主控单元包括边缘计算模块、历史数据记录模块、火灾判别模块和火灾预警模块;
所述边缘计算模块计算红外信号中的三波段幅值信号,并基于红外三波段幅值信号、紫外信号判断充电设备是否出现光信号,并结合图像处理单元上传的火焰追踪识别结果判断是否存在火灾信号;然后将检测到的充油设备实时数据与同期历史数据进行比较,最终判断充油设备是否发生火灾,如果判断发生火灾,则触发火灾报警模块发出报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293667.5A CN113065421B (zh) | 2021-03-19 | 2021-03-19 | 一种充油设备多源光学火灾探测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293667.5A CN113065421B (zh) | 2021-03-19 | 2021-03-19 | 一种充油设备多源光学火灾探测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113065421A CN113065421A (zh) | 2021-07-02 |
CN113065421B true CN113065421B (zh) | 2022-09-09 |
Family
ID=76562307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110293667.5A Active CN113065421B (zh) | 2021-03-19 | 2021-03-19 | 一种充油设备多源光学火灾探测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065421B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050155A (zh) * | 2022-04-25 | 2022-09-13 | 苏州光格科技股份有限公司 | 火灾预警方法、装置、计算机设备、存储介质 |
CN116433035B (zh) * | 2023-06-13 | 2023-09-15 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的建筑电气火灾风险评估预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034329A (zh) * | 2010-12-29 | 2011-04-27 | 上海大学 | 一种基于多波段多特征的红外火灾探测方法 |
CN109188955A (zh) * | 2018-08-15 | 2019-01-11 | 江苏安科瑞电器制造有限公司 | 一种云端远程监控设备 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533549B (zh) * | 2009-04-17 | 2010-08-18 | 宁波振东光电有限公司 | 一种采用分布式光纤温度传感器系统进行火灾报警的方法 |
CN102708647B (zh) * | 2012-06-25 | 2013-11-20 | 北京中恩时代科技有限责任公司 | 图像和多波段红外紫外复合型火灾探测方法 |
CN102743830B (zh) * | 2012-07-10 | 2015-01-21 | 西安交通大学 | 一种电气开关柜自动灭火系统及火灾识别方法 |
CN202876167U (zh) * | 2012-07-10 | 2013-04-17 | 西安交通大学 | 一种电气开关柜自动灭火系统 |
CN103324910A (zh) * | 2013-05-06 | 2013-09-25 | 南京新奕天智能视频技术有限公司 | 一种基于视频检测的火灾报警方法 |
CN105069957A (zh) * | 2015-07-16 | 2015-11-18 | 苏州欧可罗电子科技有限公司 | 一种基于紫外火焰探测的无线火灾探测方法 |
CN106251568A (zh) * | 2016-10-26 | 2016-12-21 | 山东大学 | 一种基于紫外与图像检测技术的火灾报警安防系统及方法 |
CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
CN107123227A (zh) * | 2017-07-06 | 2017-09-01 | 合肥科大立安安全技术股份有限公司 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
CN109191761A (zh) * | 2018-09-06 | 2019-01-11 | 中国石油大学(华东) | 一种基于火焰多特征融合的火灾识别方法 |
CN110047241A (zh) * | 2019-04-27 | 2019-07-23 | 刘秀萍 | 一种森林火灾无人机巡航监控系统 |
CN111739250B (zh) * | 2020-07-01 | 2022-02-15 | 广东工业大学 | 结合图像处理技术与红外传感器的火灾探测方法及系统 |
CN111882812A (zh) * | 2020-08-28 | 2020-11-03 | 北京英特威视科技有限公司 | 一种火灾监测系统与方法 |
-
2021
- 2021-03-19 CN CN202110293667.5A patent/CN113065421B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034329A (zh) * | 2010-12-29 | 2011-04-27 | 上海大学 | 一种基于多波段多特征的红外火灾探测方法 |
CN109188955A (zh) * | 2018-08-15 | 2019-01-11 | 江苏安科瑞电器制造有限公司 | 一种云端远程监控设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113065421A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113065421B (zh) | 一种充油设备多源光学火灾探测方法及系统 | |
WO2020199538A1 (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN104966372B (zh) | 多数据融合的森林火灾智能识别系统和方法 | |
CN109028233B (zh) | 厨房油烟浓度划分方法及油烟图像识别系统及油烟机 | |
CN115691026B (zh) | 一种森林防火的智能预警监控管理方法 | |
CN101738394B (zh) | 室内烟雾检测方法及系统 | |
CN101556142B (zh) | 架空线路覆冰厚度的视觉检测方法 | |
CN202865254U (zh) | 一种转炉火焰温度检测系统 | |
CN104598895A (zh) | 一种基于视频图像分析的火焰检测方法与装置 | |
CN101908142A (zh) | 一种基于特征分析的视频火焰检测方法 | |
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN103324910A (zh) | 一种基于视频检测的火灾报警方法 | |
CN104601965A (zh) | 摄像头遮挡检测方法 | |
CN104269012A (zh) | 基于modis数据的输电线路附近山火监测方法 | |
CN106355580A (zh) | 一种杆塔倾倒的检测方法及装置 | |
CN109671240A (zh) | 一种基于气化炉火灾视频图像检测装置和方法 | |
CN113160513A (zh) | 基于多传感器的火焰探测装置 | |
CN103171875A (zh) | 一种矿用胶带纵向撕裂红外智能检测传感器及使用方法 | |
CN101764922A (zh) | 亮度阈值的自适应生成的方法及装置 | |
CN101930540A (zh) | 基于视频的多特征融合的火焰检测装置和方法 | |
CN103020588B (zh) | 基于视频图像分析的火焰检测方法 | |
CN107657260A (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN102542673A (zh) | 基于计算机视觉的atm机预警方法及系统 | |
CN113536440A (zh) | 一种基于bim运维管理系统的数据处理方法 | |
CN111667655A (zh) | 基于红外图像的高速铁路安全区入侵警报装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |