CN113892111A - 用于通过计算机视觉应用检测流体的方法和设备 - Google Patents

用于通过计算机视觉应用检测流体的方法和设备 Download PDF

Info

Publication number
CN113892111A
CN113892111A CN202080034571.0A CN202080034571A CN113892111A CN 113892111 A CN113892111 A CN 113892111A CN 202080034571 A CN202080034571 A CN 202080034571A CN 113892111 A CN113892111 A CN 113892111A
Authority
CN
China
Prior art keywords
dye
scene
fluid
light source
radiation data
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.)
Pending
Application number
CN202080034571.0A
Other languages
English (en)
Inventor
Y·E·库尔特奥卢
M·I·柴尔德斯
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.)
BASF Coatings GmbH
Original Assignee
BASF Coatings GmbH
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 BASF Coatings GmbH filed Critical BASF Coatings GmbH
Publication of CN113892111A publication Critical patent/CN113892111A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00Investigating fluid-tightness of structures
    • G01M3/38Investigating fluid-tightness of structures by using light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00Investigating fluid-tightness of structures
    • G01M3/02Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/04Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
    • G01M3/20Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using special tracer materials, e.g. dye, fluorescent material, radioactive material
    • G01M3/22Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using special tracer materials, e.g. dye, fluorescent material, radioactive material for pipes, cables or tubes; for pipe joints or seals; for valves; for welds; for containers, e.g. radiators
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64Fluorescence; Phosphorescence
    • G01N21/645Specially adapted constructive features of fluorimeters
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • G06V10/12Details of acquisition arrangements; Constructional details thereof
    • G06V10/14Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141Control of illumination
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • G06V10/12Details of acquisition arrangements; Constructional details thereof
    • G06V10/14Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143Sensing or illuminating at different wavelengths
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64Fluorescence; Phosphorescence
    • G01N2021/6417Spectrofluorimetric devices
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64Fluorescence; Phosphorescence
    • G01N21/6428Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G01N2021/6439Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks
    • G01N2021/6441Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks with two or more labels

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Examining Or Testing Airtightness (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种用于经由计算机视觉应用识别和监测系统(110)中和/或系统(110)的周围环境中的流体(105)的设备,该设备至少包括以下组件:‑至少一种发光染料(106),每种发光染料(106)具有染料特定反射和发光光谱图案并且被配置为添加到流体(105)中,‑光源(101),其包括至少两个发光体并且被配置为通过在所述至少两个发光体之间切换来照射包括所述系统(110)和/或所述系统(110)的周围环境的场景(111),其中,所述两个发光体中的至少一个基于至少一个固态系统,‑传感器(102),其被配置为当所述场景由所述光源(101)照射时测量所述场景的辐射数据,‑数据处理单元(103),其被配置为当所述场景(111)由所述光源(101)照射时,确定是否可从所述场景(111)的辐射数据中检测到染料特定发光光谱图案,并且在染料特定发光光谱图案可从辐射数据中检测到的情况下,标识已添加了所述染料(106)的流体(105)。进一步地,本发明提供了相应方法。

Description

用于通过计算机视觉应用检测流体的方法和设备
技术领域
本发明涉及一种用于通过计算机视觉应用检测和/或监测流体的方法和设备。
背景技术
计算机视觉是一个快速发展的领域,因为大量使用能够经由传感器,诸如相机、诸如LiDAR或雷达的距离传感器以及基于结构光或立体视觉的深度相机系统(仅举几例),收集关于其周围环境的信息的电子设备。这些电子设备提供待由计算机处理单元处理的原始图像数据,并且因此使用人工智能和/或计算机辅助算法形成对环境或场景的理解。存在可以如何形成对环境的该理解的多种方式。通常,形成2D或3D图像和/或地图,并且分析这些图像和/或地图以形成对场景和该场景中的对象的理解。用于改进计算机视觉的一个前景是测量场景中的对象的化学组成的成分。虽然作为2D或3D图像获取的环境中的对象的形状和外观可用于形成对环境的理解,但是这些技术具有一些缺点。
计算机视觉领域中的一个挑战是能够使用最少的传感器、计算能力、光探针等资源,以高准确度和低延迟标识每个场景内尽可能多的对象。多年来,对象标识过程被称为遥感、对象标识、分类、认证或识别。在本公开的范围内,计算机视觉系统标识场景中的对象的能力被称为“对象识别”。例如,计算机分析图片并且标识/标记该图片中的球,有时甚至更进一步的信息,诸如球的类型(篮球、足球、棒球)、品牌、背景等被归入术语“对象识别”。
通常,计算机视觉系统中用于识别对象的技术可以如下分类:
技术1:物理标签(基于图像):条形码、二维码、序列号、文本、图案、全息图等。
技术2:物理标签(基于扫描/密切接触):视角相关颜料、上转换颜料、因光异色、颜色(红/绿)、发光材料。
技术3:电子标签(无源):RFID标签等。在没有电源的情况下连接到感兴趣对象的设备不一定可见但是可以以其他频率(例如无线电)操作。
技术4:电子标签(有源):无线通信、光、无线电、车辆对车辆、车辆对任何事物(X)等。以各种形式发射信息的感兴趣对象上的供电设备。
技术5:特征检测(基于图像):图像分析和标识,即,从侧视图对于汽车一定距离处的两个车轮;两只眼睛,鼻子和嘴巴(以该顺序)以用于面部识别等。这依赖于已知的几何形状/形状。
技术6:基于深度学习/CNN(基于图像):用标记的汽车、面部等的图像的许多图片训练计算机,并且计算机确定特征以检测和预测感兴趣的对象是否存在于新区域中。需要针对待标识的每类对象重复训练过程。
技术7:对象跟踪方法:以特定顺序组织场景中的项目,并且在开始时标记有序对象。此后跟随场景中的具有已知颜色/几何形状/3D坐标的对象。如果对象离开场景并且重新进入,则“识别”为丢失。
在以下中,呈现上文所提到的技术中的一些缺点。
技术1:当图像中的对象被遮挡或仅对象的一小部分在视图中时,条形码、标志等可能无法读取。此外,柔性物品上的条形码等可能变形,这限制了可见性。对象的所有侧面将必须携带大的条形码以从远处可见,否则仅在近距离并且仅以正确的取向可以识别对象。例如,当商店货架上对象上的条形码将被扫描时,这可能是一个问题。当在整个场景上操作时,技术1依赖于可能变化的环境照明。
技术2:由于归因于其小量子产率的低水平的发射光,因此上转换颜料在观看距离方面具有限制。它们需要强光探针。它们通常是不透明的和大颗粒的,这限制了涂料的选择。使它们的使用更加复杂的是以下事实:与荧光和光反射相比较,上转换响应更慢。虽然一些应用取决于所使用的化合物利用该独特响应时间,但是这仅在预先知道该传感器/对象系统的飞行距离时间时是可能的。在计算机视觉应用中,情况很少是这样。出于这些原因,防伪传感器具有用于读取的覆盖/黑暗部分、作为探针的1类或2类激光器以及与感兴趣对象的固定和有限距离以用于准确度。
类似地,视角相关颜料系统仅在近距离范围内工作并且需要以多个角度观看。而且,颜色对于视觉上令人愉悦的效果来说是不均匀的。必须管理入射光的光谱以获得正确的测量结果。在单个图像/场景内,具有角度相关彩色涂层的对象将具有沿着样本维度对相机可见的多种颜色。
基于颜色的识别是困难的,因为测量的颜色部分地取决于环境照明条件。因此,对于每个场景需要参考样本和/或受控照明条件。不同的传感器也将具有区分不同颜色的不同能力,并且将从一种传感器类型/制造商到另一种传感器类型/制造商而不同,需要用于每个传感器的校准文件。
在环境照明下基于发光的识别是富挑战性的任务,因为对象的反射和发光成分被添加在一起。通常,基于发光的识别将替代地使用暗测量条件和发光材料的激发区域的先验知识,因此可以使用正确的光探针/光源。
技术3:电子标签(诸如RFID标签)需要将电路、集电器和天线附接到感兴趣项目/对象,这增加了设计成本和复杂性。RFID标签提供存在或不存在的类型信息,但是不提供精确的位置信息,除非在场景上使用许多传感器。
技术4:这些主动方法需要将感兴趣对象连接到电源,这对于像足球、衬衫或一盒意大利面的简单物品来说成本高昂,并且因此不实际。
技术5:预测准确度很大程度上取决于图像的质量和在场景内的相机的位置,因为遮挡、不同的视角等可能容易地改变结果。标志类型图像可以存在于场景中的多个地方(即,标志可以在球、T恤、帽子或咖啡杯上)并且对象识别通过推理。对象的视觉参数必须以巨大的努力转换为数学参数。可以改变其形状的柔性对象是有问题的,因为每个可能的形状必须包括在数据库中。总是存在固有不确定性,因为类似形状的对象可能错误标识为感兴趣对象。
技术6:训练数据集的质量确定方法的成功。对于要识别/分类的每个对象,需要许多训练图像。与针对技术5相同的遮挡和柔性对象形状限制同样适用。需要用数千或更多的图像来训练每一类材料。
技术7:该技术在场景预先组织时有效,但是这很少是实际的。如果感兴趣对象离开场景或完全被遮挡,则除非与以上其他技术组合,否则无法识别该对象。
除了已经存在的技术的上文所提到的缺点之外,存在值得提到的一些其他挑战。看到远距离的能力、看到小对象的能力或看到具有足够细节的对象的能力全部需要高分辨率成像系统,即,高分辨率相机、LiDAR、雷达等。高分辨率的需求增加了相关联的传感器成本并且增加了要处理的数据量。
对于像自动驾驶或安全一样需要即时响应的应用,延迟是另一重要方面。需要处理的数据量确定是边缘计算还是云计算对于应用是适当的,后者仅在数据负载小的情况下是可能的。当边缘计算与繁重的处理一起使用时,操作系统的设备变得更大,并且限制易用性和因此实施性。
因此,需要适合于改进用于计算机视觉应用的对象识别能力的系统和方法。特别地,识别或感测不为固体表面的部分的分子提出了独特的挑战,因为利用电磁光谱的可见部分的计算机视觉系统不具有这样的能力,而是依赖于更多或更少静态的几何形状、2D或3D信息结构。对于不存在固定边界条件的流体,诸如气体和液体,这些基于形状的识别方法和感测技术不足。
发明内容
因此,本公开的目的是提供一种使得能够识别和监测流体(例如气体和液体)即,没有固态边界存在的分子的设备和方法。
本公开提供具有独立权利要求的特征的设备和方法。实施例是从属权利要求以及描述和附图的主题。
根据权利要求1,提供了一种用于经由计算机视觉应用识别和监测系统中和/或系统的周围环境中的流体的设备,该设备至少包括以下组件:
-至少一种发光染料,每种发光染料具有染料特定反射和发光光谱图案并且被配置为添加到流体中,
-被配置为将至少一种发光染料添加(例如,混合)到流体中的设备,
-光源,其由至少两个发光体组成并且其被配置为通过在至少两个发光体之间切换照射包括系统和/或系统的周围环境的场景,特别是在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-传感器,其被配置为当场景由光源照射时测量包括系统的场景的辐射数据,
-数据处理单元,其被配置为当场景由光源照射时,检查是否可从场景的辐射数据中检测到染料特定发光光谱图案,并且在染料特定发光光谱图案能够从辐射数据中检测到的情况下,标识已添加了染料的流体。
在本公开的范围内,术语“荧光的”和“发光的”同义使用。同样适用于术语“荧光”和“发光”。术语“流体”包括气体和液体,即,流体可以是气体或液体。
设备可特别用于检测系统内的泄漏。在该情况下,系统使用流体作为操作介质,该操作介质将被连续输送通过系统(的管道)。根据该实施例,设备还包括控制器,该控制器被配置为在染料被添加到流体之后运行系统以使染料在整个系统中循环。
根据所述可能的实施例,设备被配置为用于经由计算机视觉应用监测系统泄露,其中,系统使用流体作为操作介质,该操作介质被连续输送通过系统,其中,数据处理单元还被配置为在可以从辐射数据中检测到染料特定发光光谱图案的情况下标识系统的泄漏。
因此,提供了一种用于经由计算机视觉应用监测系统泄漏的设备,该系统使用流体作为操作介质,该操作介质将被连续输送通过系统(的管道),该设备至少包括以下组件:
-至少一种发光染料,每种发光染料具有染料特定反射和发光光谱图案并且被配置为添加到流体中,
-控制器,其被配置为运行系统以使染料在整个系统中循环,
-光源,其由至少两个发光体组成并且其被配置为通过在至少两个发光体之间切换照射包括系统和/或系统的周围环境的场景,特别是在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-传感器,其被配置为当场景由光源照射时测量包括系统和/或系统的周围环境的场景的辐射数据,
-数据处理单元,其被配置为当场景由光源照射时,检查是否可从场景的辐射数据中检测到染料特定发光光谱图案,并且在能够从辐射数据中检测到染料特定发光光谱图案的情况下,标识系统的泄露。
在本公开的范围内,流体将被理解为没有固态边界的物体,即,气体或液体。流体包括不为固体表面的一部分并且不存在固定边界条件的分子。
因此,可以监测玻璃、碗、盘、杯或透明玻璃或塑料容器中的液体。
根据所提出的设备的另一实施例,该设备还包括输出单元,该输出单元被配置为在能够从辐射数据中提取/检测到染料特定发光光谱图案的情况下执行预定义动作。因此,该设备可以输出所标识的流体的通知,特别是在设备用于泄漏检测的情况下系统泄漏的通知,和/或它可以停止泄漏系统和/或开始任何其他预防动作,诸如打开窗户、关闭电力等。
根据又一实施例,该设备包括多种不同的染料,不同的染料具有不同的染料特定反射和/或发光光谱图案并且被配置为添加到系统内的不同流体路径中的流体中,因此在能够从辐射数据中检测/提取到染料特定发光光谱图案之一的情况下,使能所标识的流体的定位以及因此在设备用于泄漏检测的情况下所标识的泄漏的定位。
根据另一实施例,该设备包括具有发光光谱图案以及恰当分配的相应染料的数据存储单元,其中,数据处理单元被配置为通过使用提取的染料特定发光光谱图案与存储在数据存储单元中的发光光谱图案之间的任何数量的匹配算法将提取的染料特定发光光谱图案与存储的发光光谱图案匹配,标识至少一种染料的染料特定发光光谱图案。匹配算法可以选自包括以下至少一项的组:最低均方根误差、最低平均绝对误差、最高确定系数、最大波长值的匹配。
传感器通常是具有光子计数能力的光学传感器。更具体地,它可以是单色相机,或RGB相机,或多光谱相机,或高光谱相机。传感器可以是以上任何一种的组合,或者以上任何一种与可调或可选择的滤波器组的组合,诸如,例如,单色传感器与特定滤波器。传感器可以测量场景的单个像素,或者一次测量多个像素。光学传感器可以被配置为对特定光谱范围内,特别是在超过三个频带中的光子进行计数。它可能是具有针对大视场的多个像素的相机,特别是在不同时间同时读取所有频带或不同频带。
多光谱相机在跨电磁光谱的特定波长范围内捕获图像数据。波长可以通过滤波器或通过使用对特定波长敏感的仪器进行分离,包括来自可见光范围之外的频率的光,即,红外线和紫外线。光谱成像可以允许提取人眼无法利用其红色、绿色和蓝色受体捕获的附加信息。多光谱相机测量少量(通常3至15个)光谱带中的光。高光谱相机是光谱相机的特殊情况,其中,常常数百个连续的光谱带是可用的。
光源可以被选择为具有两个发光体的可切换光源,每个发光体由一个或多个LED组成并且在两个发光体之间具有短的切换时间。光源优选被选择为能够在至少两种不同的发光体之间切换。对于一些方法可能需要三个或更多个发光体。发光体的总组合被称为光源。这样做的一种方法是从不同波长的发光二极管(LED)创建发光体。LED可以快速打开和关闭,从而允许在发光体之间快速切换。也可以使用具有不同发射的荧光光源。也可以使用具有不同滤波器的白炽光源。光源可以以人眼不可见的速率在发光体之间切换。也可以利用LED或其他光源创建类似正弦曲线的发光体,这对一些提出的计算机视觉算法有用。
被配置为测量场景的辐射数据的传感器与发光体之间的光源的切换链接并且同步。根据所提出的设备的另一实施例,传感器与光源的切换同步以一次仅发出来自至少两个发光体之一下的场景的辐射数据。那意味着传感器可以被配置为仅在一个发光体活动的时间段期间捕获信息。它可以被配置为在一个或多个发光体活动期间捕获/测量信息,并且使用各种算法来计算和发布用于发光体的子集的辐射。它可以被配置为在光源的激活之前、之后或期间的特定时段处捕获场景辐射并且可以比光脉冲持续更长或更短。那意味着传感器链接到切换,但是它不必需要在仅一个发光体活动的时间段期间捕获辐射数据。该过程在一些系统中可能有利于降低噪声,或者由于传感器定时限制。
可能的是,传感器与光源同步并且传感器在传感器积分时间期间跟踪发光体的状态。光源的光谱变化由控制单元经由网络管理,与传感器的积分时间同步工作。连接到网络的多个光源可以同步以具有相同的时间和光谱变化频率,这放大了效果。
通常,至少光源、传感器、数据处理单元和数据存储单元(数据库)经由相应的通信连接彼此联网。因此,监测设备的不同组件之间的通信连接中的每一个可以分别是直接连接或间接连接。每个通信连接可以是有线或无线连接。可以使用每种适合的通信技术。数据处理单元、传感器、数据存储单元、光源各自可以包括用于彼此通信的一个或多个通信接口。这样的通信可以使用有线数据传输协议来执行,诸如光纤分布式数据接口(FDDI)、数字用户线(DSL)、以太网、异步传输模式(ATM)或任何其他有线传输协议。可替代地,所述通信可以无线地经由使用各种协议中的任一种的无线通信网络,诸如通用分组无线电服务(GPRS)、通用移动电信系统(UMTS)、码分多址(CDMA)、长期演进(LTE)、无线通用串行总线(USB)和/或任何其他无线协议。相应通信可以是无线和有线通信的组合。
数据处理单元可以包括一个或多个输入单元或可以与一个或多个输入单元通信连接,诸如触摸屏、音频输入、运动输入、鼠标、键盘输入和/或类似物。进一步地,数据处理单元可以包括一个或多个输出单元或可以与一个或多个输出单元通信(即,通信连接),诸如音频输出、视频输出、屏幕/显示输出、和/或类似物。
本发明的实施例可以与计算机系统一起使用或并入计算机系统中,该计算机系统可以是独立单元或包括经由网络(诸如,例如,因特网或内联网)与例如位于云中的中央计算机通信的一个或多个远程终端或设备。如此,本文所描述的计算设备和相关组件可以是本地计算机系统或远程计算机或在线系统或其组合的一部分。本文所描述的数据库和软件可以存储在计算机内部存储器中或存储在非暂态计算机可读介质中。
在本公开的范围内,数据库可以是数据存储单元的一部分或者可以表示数据存储单元本身。术语“数据库”和“数据存储单元”同义使用。
根据另一方面,本发明的实施例涉及一种用于经由计算机视觉应用识别和监测系统中和/或系统的周围环境中的流体的方法,该方法至少包括以下步骤:
-将发光染料添加到流体中,该发光染料具有染料特定反射和发光光谱图案,
-用包括至少两个发光体的附加光源通过在至少两个发光体之间切换来照射包括系统和/或系统的周围环境的场景,优选在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-当场景由光源照射时,借助于传感器测量场景的辐射数据,
-通过数据处理单元检查是否可从场景的辐射数据中检测到染料特定发光光谱图案,以及
-在能够从辐射数据中检测到染料特定发光光谱图案的情况下,通过数据处理单元标识流体。
在另一方面中,本发明的实施例涉及一种用于经由计算机视觉应用监测系统泄漏的方法,该系统使用流体作为操作介质,例如作为冷却剂,其将被连续输送通过系统(的管道),该方法至少包括以下步骤:
-将发光染料添加到流体中,该发光染料具有染料特定反射和发光光谱图案,
-运行系统以使染料连同流体一起在整个系统中循环,
-用包括至少两个发光体的附加光源通过在至少两个发光体之间切换来照射包括系统和/或系统的周围环境的场景,优选在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-当场景由光源照射时,借助于传感器测量场景的辐射数据,
-通过数据处理单元检查是否可从场景的辐射数据中提取/检测到染料特定发光光谱图案,以及
-在能够从辐射数据中提取/检测到染料特定发光光谱图案的情况下,通过数据处理单元标识系统的泄露。
根据所提出的方法的一个实施例,方法还包括:提供数据存储单元,其具有发光光谱图案以及恰当分配的相应染料;以及通过使用提取的染料特定发光光谱图案与存储在数据存储单元中的发光光谱图案之间的任何数量的匹配算法将提取的染料特定发光光谱图案与存储的发光光谱图案匹配,标识至少一种染料的染料特定发光光谱图案。匹配算法可以选自包括以下至少一项的组:最低均方根误差、最低平均绝对误差、最高确定系数、最大波长值的匹配。
在进一步的实施例中,该方法还包括执行预定义的动作,例如在能够从辐射数据中提取染料特定发光光谱图案的情况下,经由输出单元输出所标识的系统泄漏的通知。附加地或可替代地,可以停止泄漏系统和/或可以执行任何其他预防动作,诸如打开窗户或关闭电力。
在所提出的方法的又一实施例中,提供了多种不同的染料,不同的染料具有不同的染料特定反射和发光光谱图案,并且在系统内的不同流体路径中将不同的染料添加到流体中,因此在能够从辐射数据中提取染料特定发光光谱图案之一的情况下,使能流体的定位以及因此在方法被执行用于泄漏检测的情况下所标识的泄漏的定位。
光源可以被选择为具有两个发光体的可切换光源,每个发光体由一个或多个LED组成并且在两个发光体之间具有短的切换时间。
在另一方面中,本发明的实施例涉及一种计算机程序产品,其具有用于经由计算机视觉应用识别和监测系统中和/或系统的周围环境中的流体的指令,其中,指令可由计算机执行,特别是由如之前所描述的数据处理单元执行,并且在执行时使得机器进行以下各项:
-将发光染料添加到流体中,该发光染料具有染料特定反射和发光光谱图案,
-用包括至少两个发光体的附加光源通过在至少两个发光体之间切换来照射包括系统和/或系统的周围环境的场景,优选在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-当场景由光源照射时,借助于传感器测量场景的辐射数据,
-确定/检查染料特定发光光谱图案是否可从场景的辐射数据中检测/提取,以及
-在能够从辐射数据中检测/提取到染料特定发光光谱图案的情况下标识流体。
在另一方面中,本发明的实施例涉及一种具有用于经由计算机视觉应用监测系统泄漏的指令的计算机程序产品,该系统使用流体作为操作介质,例如作为冷却剂,其将被连续输送通过系统(的管道),指令可由计算机执行,特别是如之前所描述的数据处理单元执行,并且在执行时使得机器进行以下各项:
-将发光染料添加到流体中,该发光染料具有染料特定反射和发光光谱图案,
-使用作为操作介质的流体运行系统以使染料连同流体一起在整个系统中循环,
-用包括至少两个发光体的附加光源通过在至少两个发光体之间切换来照射包括系统和/或系统的周围环境的场景,优选在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-当场景由光源照射时,借助于传感器测量场景的辐射数据,
-检查染料特定发光光谱图案是否可从场景的辐射数据中检测/提取,以及
-在能够从辐射数据中检测/提取到染料特定发光光谱图案的情况下,标识系统的泄露。
计算机程序产品还可包括如下指令:该指令通过使用提取/检测的染料特定发光光谱图案与存储在数据存储单元中的发光光谱图案之间的任何数量的匹配算法将提取/检测的染料特定发光光谱图案与存储的发光光谱图案匹配来标识至少一种染料的染料特定发光光谱图案。匹配算法可以选自包括以下至少一项的组:最低均方根误差、最低平均绝对误差、最高确定系数、最大波长值的匹配。
计算机程序产品还可包括执行预定义动作的指令,例如在能够从辐射数据中提取/检测到染料特定发光光谱图案的情况下,经由输出单元输出标识的流体和/或标识的系统泄漏的通知。
本公开还涉及一种非暂态计算机可读介质,其存储指令,所述指令当由一个或多个处理器执行时使得机器进行以下各项:
-将发光染料添加到流体中,该发光染料具有染料特定反射和发光光谱图案,
-用包括至少两个发光体的附加光源通过在至少两个发光体之间切换照射场景,优选在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-当场景由光源照射时,借助于传感器测量场景的辐射数据,
-检查染料特定发光光谱图案是否可从场景的辐射数据中检测/提取,以及
-在能够从辐射数据中检测/提取到染料特定发光光谱图案的情况下,标识流体。
在另一方面中,本公开还涉及一种非暂态计算机可读介质,其存储指令,所述指令当由一个或多个处理器执行时使得机器进行以下各项:
-将发光染料添加到流体中,该发光染料具有染料特定反射和发光光谱图案,
-使用作为操作介质的流体运行系统以使染料连同流体一起在整个系统中循环,
-用包括至少两个发光体的附加光源通过在至少两个发光体之间切换照射包括系统和/或系统的周围环境的场景,优选在环境照明条件下,其中,两个发光体中的至少一个基于至少一个固态系统,
-当场景由光源照射时,借助于传感器测量场景的辐射数据,
-检查染料特定发光光谱图案是否可从场景的辐射数据中检测/提取,以及
-在能够从辐射数据中检测/提取到染料特定发光光谱图案的情况下,标识系统的泄露。
术语“数据处理单元”、“处理器”、“计算机”同义使用并且将被宽广解释。
本发明在以下示例中进一步限定。应当理解,通过指示本发明的优选实施例,这些示例仅以说明性的方式给出。从以上讨论和示例,本领域技术人员可以确定本发明的基本特性并且在不脱离其精神和范围的情况下,可以做出本发明的各种改变和修改以使其适于各种用法和条件。
附图说明
图1示意性地示出了执行所提出的方法的实施例的所提出的设备的实施例。
具体实施方式
图1示出了用于经由计算机视觉应用监测系统泄露的设备100的实施例。系统此处由炉子110表示,该炉子110使用流体,即,气体105作为操作介质,该操作介质将被连续输送通过炉子110的管道。用于监测炉子110泄漏的设备100包括光源101、传感器102、数据存储单元104和数据处理单元103。用于监测炉子110泄漏的设备100还提供至少一种发光染料106,每种发光染料具有染料特定反射和发光光谱图案并且被配置为添加到气体105中。进一步地,此处未示出的控制器被提供以便在将染料添加到气体时运行炉子110以使染料在整个炉子110,即炉子110的管道循环。光源101包括至少两个发光体并且被配置为在环境照明条件下通过在至少两个发光体之间切换来照射包括炉子110和/或炉子110的周围环境的场景,其中,两个发光体中的至少一个基于至少一个固态系统。至少一个固态系统可以选自包括半导体发光二极管(LED)、有机发光二极管(OLED)或聚合物发光二极管(PLED)的固态系统的组。
数据存储单元104存储并且提供发光光谱图案以及恰当分配的相应染料。传感器102被配置为当场景由光源101照射时测量场景的辐射数据。场景此处包括炉子110的周围环境,如由源自传感器102的锥体111(传感器102的视场)所指示的。传感器102通常是具有光子计数能力的光学传感器。更具体地,它可以是单色相机或RGB相机或多光谱相机或高光谱相机。传感器102也可以是以上任何一种的组合,或者以上任何一种与可调或可选择的滤波器组的组合,诸如,例如,具有特定滤波器的单色传感器。传感器可以测量场景的单个像素,或者一次测量多个像素。光学传感器102可以被配置为对特定光谱范围内(特别是在超过三个频带中)的光子进行计数。它可能是具有针对大视场的多个像素的相机,特别是在不同时间同时读取所有频带或不同频带。在图1中,场景由包含炉子110的周围环境的锥体111定义。
到目前为止,荧光泄漏检测通常在液压和制冷系统上执行,以更容易地找到成本高昂、性能下降且破坏环境的泄漏源。通常,技术人员将荧光染料添加到相应的系统,运行系统使染料在整个系统中循环,并且然后通过将适当的光源(最常见的UV或蓝光)照射到系统的组件上来检查系统泄漏。如果环境照明足够暗,则可以容易地看到泄漏,因为系统流体中的荧光染料将在发生泄漏的地方发射可见光。虽然本领域中已知的该方法在发现泄漏方面是有效的,但是它需要技术人员在场并且不是连续监测的过程。如果对系统进行持续监测并自动检测泄漏,因此可以启动适当的措施、要求维护、部分或完全关闭系统等,则可以实现巨大的益处。
根据本公开的所提出的设备将在环境光下分离反射和荧光发射分量的技术与自动荧光泄漏检测配对。在许多情况下,应该监测泄漏的诸如炉子110的系统处于出于其他目的而需要明亮照明的环境中。虽然暂时将这些灯调暗以供技术人员检查系统泄漏可能是可接受的,但是如当前计算机视觉检测荧光泄漏所要求的那样连续调暗这些灯将是不可接受的。因此,所提出的设备100提供了在环境照明条件下区分荧光发射与反射的可能性。借助于所提出的设备100,将检测到的荧光发射与数据存储单元104中的对应染料相匹配以利于计算机视觉的染料标识是可能的。可能的是,设备还包括输出单元,该输出单元被配置为在能够从辐射数据中检测到染料特定发光光谱图案的情况下输出系统110的标识的泄漏的通知。这样的输出可以通过显示器和/或通过声学输出(诸如扬声器)来实现。可能的是,当检测到一定水平的荧光时,设备简单地发送和/或输出信号,并且可以与其荧光图案存储在数据存储单元104中的染料相匹配。
进一步可能的是,设备提供多种不同的染料,不同的染料具有不同的染料特定反射和发光光谱图案并且被配置为添加到系统110(此处是炉子)内的不同流体路径中的流体中,因此在能够从辐射数据中检测到染料特定发光光谱图案之一的情况下使能炉子110中的标识的泄露的定位。数据处理单元103将检测到的发光/发光光谱图案与连同恰当分配的相应染料一起存储在数据库103中的发光光谱图案匹配,数据处理单元103被配置为通过使用检测到的染料特定发光光谱图案与存储在数据存储单元中的发光光谱图案之间的任何数量的匹配算法将检测到的染料特定发光光谱图案与存储的发光光谱图案匹配,标识至少一种染料的染料特定发光光谱图案。匹配算法可以选自包括以下至少一项的组:最低均方根误差、最低平均绝对误差、最高确定系数、最大波长值的匹配。
用于液压和制冷系统的荧光泄漏检测材料已经是可商购的。用天然气、丙烷、氨等作为操作介质的监测气态系统也是可能的。在这种情况下,必须添加用于相应气体的合适的荧光团。
参考标记列表
100 设备
101 光源
102 传感器
103 数据处理单元,数据库
104 数据存储单元
105 流体
106 染料
110 系统(炉子)
111 场景(椎体)

Claims (15)

1.一种用于经由计算机视觉应用识别和监测系统(110)中和/或所述系统(110)的周围环境中的流体(105)的设备,所述设备至少包括以下组件:
-至少一种发光染料(106),每种发光染料(106)具有染料特定反射和发光光谱图案并且被配置为添加到所述流体(105)中,
-光源(101),其包括至少两个发光体并且被配置为通过在所述至少两个发光体之间切换来照射包括所述系统(110)和/或所述系统(110)的周围环境的场景(111),其中,所述两个发光体中的至少一个基于至少一个固态系统,
-传感器(102),其被配置为当所述场景由所述光源(101)照射时测量所述场景的辐射数据,
-数据处理单元(103),其被配置为当所述场景(111)由所述光源(101)照射时,确定是否能够从所述场景(111)的所述辐射数据中检测到所述染料特定发光光谱图案,并且在能够从所述辐射数据中检测到所述染料特定发光光谱图案的情况下,标识已添加了所述染料(106)的流体(105)。
2.根据权利要求1所述的设备,用于经由计算机视觉应用监测所述系统(110)泄露,所述系统(110)使用所述流体(105)作为操作介质,其将被连续输送通过所述系统(110),其中,
-所述数据处理单元(103)被配置为当所述场景(111)由所述光源(101)照射时,确定所述染料特定发光光谱图案是否能够从所述场景(111)的所述辐射数据提取,以及,在能够从所述辐射数据中提取所述染料特定发光光谱图案的情况下,标识所述系统(110)的泄露。
3.根据权利要求1或2所述的设备,还包括:输出单元,其被配置为在能够从所述辐射数据中提取所述染料特定发光光谱图案的情况下执行和/或启动预定义动作。
4.根据权利要求1、2或3所述的设备,其包括多种不同的染料(106),所述不同的染料(106)具有不同的染料特定反射和发光光谱图案并且被配置为添加到所述系统(110)内的不同流体路径中的流体(105)中,因此在能够从所述辐射数据中提取所述染料特定发光光谱图案之一的情况下,使能所标识的流体(105)的定位,特别是在所述设备用于泄露检测的情况下所标识的泄露的定位。
5.根据权利要求1至4中的任一项所述的设备,其包括具有发光光谱图案以及恰当分配的相应染料的数据存储单元(104),其中,所述数据处理单元(103)被配置为通过使用所提取的染料特定发光光谱图案与存储在所述数据存储单元(103)中的发光光谱图案之间的任何数量的匹配算法将所提取的染料特定发光光谱图案与存储的发光光谱图案匹配,来标识所述至少一种染料的所述染料特定发光光谱图案。
6.根据前述权利要求中的任一项所述的设备,其中,所述传感器(102)是高光谱相机或多光谱相机。
7.根据前述权利要求中的任一项所述的设备,其中,所述光源101是具有两个发光体的可切换光源,每个发光体包括一个或多个LED并且在所述两个发光体之间具有短的切换时间。
8.根据前述权利要求中的任一项所述的设备,其中,所述传感器(102)与所述光源(101)的切换同步以一次仅发出来自所述至少两个发光体之一下的所述场景(111)和/或所述场景(111)的周围环境的所述辐射数据。
9.一种用于经由计算机视觉应用识别和监测系统中和/或所述系统的周围环境中的流体的方法,所述方法至少包括以下步骤:
-将发光染料混合到流体中,所述发光染料具有染料特定反射和发光光谱图案,
-用包括至少两个发光体的附加光源通过在所述至少两个发光体之间切换来照射包括所述系统和/或所述系统的周围环境的场景,优选在环境照明条件下,其中,所述两个发光体中的至少一个基于至少一个固态系统,
-当所述场景由所述光源照射时,借助于传感器测量所述场景的辐射数据,
-通过数据处理单元确定是否能够从所述场景的所述辐射数据中检测到所述染料特定发光光谱图案,以及
-在能够从所述辐射数据中检测到所述染料特定发光光谱图案的情况下,通过所述数据处理单元标识所述流体。
10.根据权利要求9所述的方法,用于经由计算机视觉应用监测所述系统的泄露,所述系统使用所述流体作为操作介质,所述操作介质将被连续输送通过所述系统,所述方法还包括至少以下步骤:
-通过所述数据处理单元确定是否能够从所述场景的所述辐射数据中检测到所述染料特定发光光谱图案,以及
-在能够从所述辐射数据中提取到所述染料特定发光光谱图案的情况下,通过所述数据处理单元标识所述系统的泄露。
11.根据权利要求9或10所述的方法,还包括:提供具有发光光谱图案以及恰当分配的相应染料的数据存储单元,以及通过使用所提取的染料特定发光光谱图案与存储在所述数据存储单元中的发光光谱图案之间的任何数量的匹配算法将所提取的染料特定发光光谱图案与存储的发光光谱图案匹配,来标识所述至少一种染料的所述染料特定发光光谱图案。
12.根据权利要求9至11所述的方法,还包括:在能够从所述辐射数据中提取所述染料特定发光光谱图案的情况下启动和/或执行预定义动作。
13.根据权利要求9至12中的任一项所述的方法,其中,提供多种不同的染料,所述不同的染料具有不同的染料特定反射和发光光谱图案,并且不同的染料被混合到所述系统内的不同流体路径中的流体中,因此在能够从所述辐射数据中提取所述染料特定发光光谱图案之一的情况下,使能所标识的流体的定位。
14.根据权利要求9至13中的任一项所述的方法,其中,所述光源被选择为具有两个发光体的可切换光源,每个发光体包括一个或多个LED并且在所述两个发光体之间具有短的切换时间。
15.一种计算机程序产品,其具有用于经由计算机视觉应用监测系统中和/或所述系统的周围环境中的流体的指令,其中,所述指令被存储在功能上耦接到一个或多个处理器的非暂态计算机可读介质上并且当在所述一个或多个处理器上执行时使得机器进行以下各项:
-将发光染料混合到所述流体中,所述发光染料具有染料特定反射和发光光谱图案,
-用包括至少两个发光体的附加光源通过在所述至少两个发光体之间切换来照射包括所述系统和/或所述系统的周围环境的场景,优选在环境照明条件下,其中,所述两个发光体中的至少一个基于至少一个固态系统,
-当所述场景由所述光源照射时,借助于传感器测量所述场景的辐射数据,
-通过数据处理单元确定是否能够从所述场景的所述辐射数据中检测到所述染料特定发光光谱图案,以及
-在能够从所述辐射数据中检测到所述染料特定发光光谱图案的情况下,通过所述数据处理单元标识所述流体。
CN202080034571.0A 2019-06-07 2020-06-05 用于通过计算机视觉应用检测流体的方法和设备 Pending CN113892111A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962858353P 2019-06-07 2019-06-07
US62/858,353 2019-06-07
EP19179159 2019-06-07
EP19179159.9 2019-06-07
PCT/EP2020/065746 WO2020245439A1 (en) 2019-06-07 2020-06-05 Method and device for detecting a fluid by a computer vision application

Publications (1)

Publication Number Publication Date
CN113892111A true CN113892111A (zh) 2022-01-04

Family

ID=70977980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080034571.0A Pending CN113892111A (zh) 2019-06-07 2020-06-05 用于通过计算机视觉应用检测流体的方法和设备

Country Status (12)

Country Link
US (1) US20220307981A1 (zh)
EP (1) EP3980923A1 (zh)
JP (1) JP2022535925A (zh)
KR (1) KR20220004736A (zh)
CN (1) CN113892111A (zh)
AU (1) AU2020288335A1 (zh)
BR (1) BR112021018974A2 (zh)
CA (1) CA3140443A1 (zh)
MX (1) MX2021014834A (zh)
SG (1) SG11202113317QA (zh)
TW (1) TW202113673A (zh)
WO (1) WO2020245439A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023180178A1 (en) 2022-03-23 2023-09-28 Basf Coatings Gmbh System and method for object recognition utilizing color identification and/or machine learning

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05142088A (ja) * 1991-03-27 1993-06-08 Osaka Gas Co Ltd ガス漏れ検出装置
JP3224640B2 (ja) * 1993-07-30 2001-11-05 三菱重工業株式会社 Lifによる濃度計測装置及び方法
GB0717967D0 (en) * 2007-09-14 2007-10-24 Cascade Technologies Ltd Polarimetric hyperspectral imager
JP3157501U (ja) * 2009-12-04 2010-02-18 不二ラテックス株式会社 漏れ検出装置
JP6446357B2 (ja) * 2013-05-30 2018-12-26 株式会社ニコン 撮像システム
US9551616B2 (en) * 2014-06-18 2017-01-24 Innopix, Inc. Spectral imaging system for remote and noninvasive detection of target substances using spectral filter arrays and image capture arrays
CN106331442B (zh) * 2015-07-02 2021-01-15 松下知识产权经营株式会社 摄像装置
FI20155643A (fi) * 2015-09-08 2017-03-09 Procemex Oy Ltd Fluoresoivan nesteen optinen havainnointi puukuiturainasta
JP2017162022A (ja) * 2016-03-07 2017-09-14 株式会社東芝 画像読取装置、及び紙葉類処理装置

Also Published As

Publication number Publication date
SG11202113317QA (en) 2021-12-30
BR112021018974A2 (pt) 2022-01-04
EP3980923A1 (en) 2022-04-13
TW202113673A (zh) 2021-04-01
CA3140443A1 (en) 2020-12-10
AU2020288335A1 (en) 2022-01-06
MX2021014834A (es) 2022-01-18
WO2020245439A1 (en) 2020-12-10
KR20220004736A (ko) 2022-01-11
JP2022535925A (ja) 2022-08-10
US20220307981A1 (en) 2022-09-29

Similar Documents

Publication Publication Date Title
US11295152B2 (en) Method and system for object recognition via a computer vision application
JP7225435B2 (ja) コンピュータビジョンアプリケーションにおける3次元マッピングツールを用いた物体認識のためのシステム及び方法
CA3125937A1 (en) Method and system for object recognition via a computer vision application
KR20110076989A (ko) 아이템 식별 방법 및 시스템
CN114127797A (zh) 用于在自然光和/或人造光下进行对象识别的系统和方法
CN113892111A (zh) 用于通过计算机视觉应用检测流体的方法和设备
JP7277615B2 (ja) 光の3dマッピングとモデリングを使用した物体認識システム及び方法
CN113811890A (zh) 用于使用荧光和抗反射表面构造进行对象识别的系统和方法
JP2024521181A (ja) 反射光遮断を利用した物体認識システム及び方法

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