CN115578379A - 一种纯电动船舶可燃气体检测系统 - Google Patents

一种纯电动船舶可燃气体检测系统 Download PDF

Info

Publication number
CN115578379A
CN115578379A CN202211437269.7A CN202211437269A CN115578379A CN 115578379 A CN115578379 A CN 115578379A CN 202211437269 A CN202211437269 A CN 202211437269A CN 115578379 A CN115578379 A CN 115578379A
Authority
CN
China
Prior art keywords
interval
pixel
obtaining
index
combustible gas
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
Application number
CN202211437269.7A
Other languages
English (en)
Other versions
CN115578379B (zh
Inventor
梁曦
罗翎
刘松
卢翔
蒋律
张干
张张
徐达
陈红兵
李学明
刘仲瑞
庄绪伟
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.)
Lianyungang Hongyun Industry Co ltd
Original Assignee
Lianyungang Hongyun Industry 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 Lianyungang Hongyun Industry Co ltd filed Critical Lianyungang Hongyun Industry Co ltd
Priority to CN202211437269.7A priority Critical patent/CN115578379B/zh
Publication of CN115578379A publication Critical patent/CN115578379A/zh
Application granted granted Critical
Publication of CN115578379B publication Critical patent/CN115578379B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及气体光谱检测领域，具体涉及一种纯电动船舶可燃气体检测系统，该系统包括图像采集器和控制器，采集器用于实时采集可燃气体的红外图像，所述控制器用于：实时采集红外图像，根据红外图像得到前景图像和背景图像，根据前景图像得到前景图像中各像素的局部浓度指数，根据所述局部浓度指数得到局部浓度指数分布概率直方图，根据局部浓度指数分布概率直方图得到区间密度指数；对区间密度指数进行阈值分割得到第一区间密度指数集合和第二区间密度指数集合；根据第一区间密度指数集合和第二区间密度指数集合得到增强后红外图像，根据增强后红外图像进行可燃气体检测；从而实现红外图像中可燃气体信息的增强，提高可燃气体检测的准确性。

Description

一种纯电动船舶可燃气体检测系统
技术领域
本申请涉及气体光谱检测领域，具体涉及一种纯电动船舶可燃气体检测系统。
背景技术
随着船舶相关规定的出台以及海洋环境保护的需求，纯电动船舶的航运方式不断发展，目前被中国船级社认可的常用船用能源锂电池是磷酸铁锂电池，磷酸铁锂电池的产品检验和系统检验都具有明确的规定。这是因为磷酸铁锂电池在过充放电以及热冲击条件下具有一定的潜在危险发生的可能性。
磷酸铁锂电池在在过量充电情况下会产生大量可燃气体，当电池处于热失控状态时，会产生大量的有毒气体或者可燃气体，例如CO，SO2，这些可燃气体不仅影响纯电动船舶的正常使用，还会危害到人员安全，甚至会对航运过的海洋环境产生一定的污染。传统的可燃气体检测方法主要是通过化学反应法或气相色谱法进行检测，这两种方法的实现需要采集到现场产生的可燃气体，时间久，效率低。光谱法的检测主要依赖于专业设备，这些设备价格昂贵，设备自身的体积较大，安装在船舶上占据较大的空间，适用性较弱。通过红外成像系统的检测结果容易受到环境噪声等各种复杂噪声影响，使得红外图像遭受到严重的噪声污染，造成红外图像的信噪比较低。通常来说，目标与背景的红外辐射强度差异较小，若场景中无强热目标源的出现，采集到的红外图像对比度就较差，细节不清晰。
因此，需要一种针对纯电动传播可燃气体的检测方法用于保证船舶的正常行驶。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种纯电动船舶可燃气体检测系统，所述系统包括红外光谱图像采集单元和光谱图像检测单元，所述红外光谱图像采集单元用于获取纯电动船舶的磷酸铁锂电池产生的可燃气体的红外图像，所述光谱图像检测单元用于：
根据红外图像得到前景图像和背景图像；
根据前景图像得到前景图像中各像素的局部浓度指数，根据局部浓度指数得到各第一区间的区间密度指数；对区间密度指数进行分割处理得到第一区间密度指数集合和第二区间密度指数集合；根据第一区间密度指数集合得到区间密度指数的映射增强比例，根据区间密度指数的映射增强比例得到增强后红外图像；
根据增强后红外图像进行可燃气体检测。
优选的，所述根据前景图像得到前景图像中各像素的局部浓度指数的方法，包括：
将前景图像中任意一个像素作为研究像素，获取研究像素的第一区域，获取第一区域中灰度值等于研究像素灰度值的像素个数记为第一个数，将第一区域内像素个数记为第二个数，根据第一个数和第二个数得到研究像素的局部浓度指数，所有像素作为研究像素时得到的局部浓度指数即为前景图像中各像素的局部浓度指数。
优选的，所述根据局部浓度指数得到各第一区间的区间密度指数的方法，包括：
根据所有像素的局部浓度指数得到局部浓度指数分布概率直方图，根据局部浓度指数分布概率直方图得到多个局部极小值点，将多个局部极小值点中两个邻接的局部极小值点组合得到局部极小值对，将局部极小值对中局部浓度指数较大的局部极小值点记为第一局部极小值点，局部浓度指数较小的局部极小值点记为第二局部极小值点，将第一局部极小值点到第二局部极小值点之间的区间记为第一区间，根据第一区间下边界与上边界以及第一区间内局部浓度指数概率之和得到第一区间的区间密度指数。
优选的，所述区间密度指数的公式为：
Figure 19253DEST_PATH_IMAGE001
其中，
Figure 624809DEST_PATH_IMAGE002
表示第x个第一区间内的局部浓度指数，
Figure 545492DEST_PATH_IMAGE003
表示局部浓度指数分布概率直方图上
Figure 127651DEST_PATH_IMAGE002
处对应的概率值，
Figure 676444DEST_PATH_IMAGE004
表示第
Figure 381796DEST_PATH_IMAGE005
个第一区间的下边界，同时也是第
Figure 586512DEST_PATH_IMAGE006
个第一区间的上边界，
Figure 972363DEST_PATH_IMAGE007
表示第
Figure 578925DEST_PATH_IMAGE005
个第一区间的上边界，
Figure 260704DEST_PATH_IMAGE008
为超参数，
Figure 952717DEST_PATH_IMAGE009
表示第
Figure 876679DEST_PATH_IMAGE005
个第一区间的区间密度指数。
优选的，所述研究像素的第一区域的获取，包括：
在前景图像上，以研究像素为中心获取四邻域像素作为研究像素的第一邻域像素集合，判断第一邻域像素集合是否满足第一判定条件；当第一邻域像素集合满足第一判定条件时，将第一邻域像素集合作为研究像素的目标邻域像素集合，当第一邻域像素集合不满足判定条件时，扩展第一邻域像素集合；重复判断第一邻域像素集合是否满足第一判定条件以及扩展第一邻域像素集合，直至第一邻域像素集合满足第一判定条件或者第一邻域像素集合扩展到前景图像四个边界时，将第一邻域像素集合作为研究像素的目标邻域像素集合，根据目标邻域像素集合所在的圆形区域记为研究像素的第一区域。
优选的，所述第一判定条件为：
Figure 337748DEST_PATH_IMAGE010
其中，以前景图像中的第i个像素为研究像素时，
Figure 718657DEST_PATH_IMAGE011
表示第
Figure 897965DEST_PATH_IMAGE012
个像素的灰度值，
Figure 563302DEST_PATH_IMAGE013
表示第
Figure 364030DEST_PATH_IMAGE012
个像素的第一邻域像素集合中的所有像素的灰度值均值，
Figure 636880DEST_PATH_IMAGE014
表示前景图像中所有像素的灰度值均值。
优选的，所述根据第一区间密度指数集合得到区间密度指数的映射增强比例的方法，包括：
根据第一区间密度指数集合得到第一区间密度指数集合中各区间密度指数的映射增强比例的公式为：
Figure 552752DEST_PATH_IMAGE015
其中，
Figure 569249DEST_PATH_IMAGE007
表示第x个第一区间的上边界，
Figure 758572DEST_PATH_IMAGE004
表示第x个第一区间的下边界，
Figure 264640DEST_PATH_IMAGE002
表示第x个第一区间内的密度指数，
Figure 402229DEST_PATH_IMAGE003
表示局部浓度指数分布概率直方图上
Figure 222417DEST_PATH_IMAGE002
对应概率值，
Figure 997738DEST_PATH_IMAGE016
表示第一区间密度指数集合中包含区间密度指数的个数，
Figure 877969DEST_PATH_IMAGE017
表示第一区间密度指数集合和第二区间密度指数集合中元素的总个数；
Figure 768433DEST_PATH_IMAGE018
表示第x个第一区间密度指数的映射增强比例。
优选的，所述根据红外图像得到前景图像和背景图像的方法，包括：
通过高斯滤波器对红外图像进行处理得到前景图像，将红外图像减除前景图像得到背景图像。
本发明实施例至少具有如下有益效果：现阶段基于化学反应法或气相色谱法对纯电动船舶锂电池产生的可燃气体的检测，上述两种方法需要采集可燃气体样本并且依赖装备的可靠性，费用昂贵且只适应较小面积的检测空间，另一方面，光谱仪的分析需要较高的熟练度和专业性，这就造成了方法的普适性较低。本发明提出一种纯电动船舶可燃气体检测系统，基于高斯滤波将采集图像分割得到前景图像和背景图像。基于可燃气体在红外图像中的分布特点对前景图像中的像素点有选择的进行增强，考虑前景图像中每个像素的局部浓度不同获取了局部浓度指数，考虑到可燃气体的流动性根据局部浓度指数将前景图像中的像素点划分到不同区间内，局部密度直方图准确反映了前景图像中可燃气体的分布情况，其次考虑到可燃气体区域纹理复杂的场景特点，根据区间密度指数判断直方图中哪些像素点对应的是可燃气体区域，对属于可燃气体的像素点进增强，增强后的前景图像中可燃气体像素点和非可燃气体像素点的差异更显著，有效消除了边缘模糊，在增强红外图像中可燃气体的检测结果具有更高的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明提供的一种纯电动船舶可燃气体检测系统的流程图；
图2为本发明提供的四邻域扩展示意图；
图3为本发明提供的局部浓度指数概率密度直方图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种纯电动船舶可燃气体检测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种纯电动船舶可燃气体检测系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种纯电动船舶可燃气体检测系统的步骤流程图，该方法包括以下步骤：
步骤S001，采集得到红外图像，对红外图像进行分割得到前景图像和背景图像。
1、采集得到红外图像。
在纯电动船舶内安置磷酸铁锂电池处安装气体传感器用于采集磷酸铁锂电池产生的可燃气体，由于磷酸铁锂电池在过热状态下产生的可燃气体主要是CO，SO2，进一步的，考虑船舶到的航运环境，因此本发明中选择傅里叶变换红外光谱仪FTIR作为可燃气体的相关数据采集装置。
红外光谱成像技术为非接触成像，既可以获取气体的光谱信息，又可以对气体在空间中的分布进行成像，本发明采用被动式红外光谱成像技术获取本发明中纯电动船舶的磷酸铁锂电池产生的可燃气体的红外图像。为了降低成像过程中的噪声干扰，利用双边滤波去噪技术对红外图像进行去噪预处理得到去噪后的红外图像，后续处理均基于去噪后的红外图像，为了更方便描述后续将去噪后的红外图像称为红外图像。
2、对红外图像进行分割得到前景图像和背景图像。利用高斯滤波器对红外图像进行滤波处理得到滤波后图像作为前景图像，将红外图像减去前景图像得到的差值图像作为背景图像。本实施例采用的高斯滤波器大小为9×9。
步骤S002，根据前景图像得到局部浓度指数分布概率直方图。
前景图像包含磷酸铁锂电池产生的可燃气体，产生可燃气体的在空间中的分布是不同的，这种不同反映到前景图中表现出可燃气体的浓度不同，对应的不同类像素点的局部密度也不相同，对比之下可燃气体是较为集中的，因而对前景图像进行浓度分析得到各像素的局部浓度指数，具体如下：
以第
Figure 126734DEST_PATH_IMAGE012
个像素为中心获取四邻域像素得到第
Figure 284789DEST_PATH_IMAGE012
个像素的第一邻域像素集合，判断第
Figure 539184DEST_PATH_IMAGE012
个像素的第一邻域像素集合是否满足第一判定条件
Figure 651365DEST_PATH_IMAGE019
，其中，
Figure 78936DEST_PATH_IMAGE011
表示第
Figure 828848DEST_PATH_IMAGE012
个像素的灰度值，
Figure 503412DEST_PATH_IMAGE013
表示第
Figure 650359DEST_PATH_IMAGE012
个像素的第一邻域像素集合中的所有像素的灰度值均值，
Figure 616041DEST_PATH_IMAGE014
表示前景图像中所有像素的灰度值均值，当第
Figure 703950DEST_PATH_IMAGE012
个像素的第一邻域像素集合满足第一判定条件时，将第
Figure 80574DEST_PATH_IMAGE012
个像素的第一邻域像素集合作为第
Figure 918080DEST_PATH_IMAGE012
个像素的目标邻域像素集合，当第
Figure 172606DEST_PATH_IMAGE012
像素的第一邻域像素集合不满足判定条件时，沿四邻域方向进行扩展获取更大的四邻域得到第
Figure 411957DEST_PATH_IMAGE012
像素的第一邻域像素集合，沿四邻域方向进行扩展获取更大的四邻域得到第
Figure 959482DEST_PATH_IMAGE012
像素的第一邻域像素集合的方法为：沿如图2所示的四邻域方向继续选取更大的四邻域得到新四邻域像素，将新四邻域像素和第
Figure 284284DEST_PATH_IMAGE012
个像素第一邻域像素集合构成的像素集合记为第
Figure 605151DEST_PATH_IMAGE012
像素的新的第一邻域像素集合，判断第一邻域像素集合是否满足第一判定条件，当第一邻域像素集合满足第一判定条件时，将第一邻域像素集合作为第
Figure 433430DEST_PATH_IMAGE012
个像素的目标邻域像素集合，当第一邻域像素集合不满足像素条件，继续沿四邻域方向进行扩展获取更大的四邻域得到第
Figure 417435DEST_PATH_IMAGE012
个像素的第一邻域像素集合，直至满足第
Figure 963954DEST_PATH_IMAGE012
个像素满足第一判定条件或者是第一邻域像素集合扩展到前景图像四个边界时，将第一邻域像素集合作为第
Figure 825862DEST_PATH_IMAGE012
个像素的目标邻域像素集合。
获取目标邻域像素集合的最小外接圆作为第
Figure 508647DEST_PATH_IMAGE012
个像素的第一区域。
获取第一区域中与第
Figure 663554DEST_PATH_IMAGE012
个像素点灰度值相等的像素的个数记为第
Figure 962948DEST_PATH_IMAGE012
个像素的第一个数，将第一区域中像素点的总个数作为第
Figure 365897DEST_PATH_IMAGE012
个像素的第二个数。将第一个数除以第二个数得到第
Figure 168768DEST_PATH_IMAGE012
个像素的局部浓度指数
Figure 494576DEST_PATH_IMAGE020
。
通过局部浓度指数反映了在一定区域内相同像素点分布的局部密度，局部浓度指数的值越小，对应像素点越有可能是前景图像中可燃气体区域内的像素点。
对前景图像中所有像素的局部浓度指数进行统计得到局部浓度指数分布概率直方图，如图3所示，所述局部浓度指数分布概率直方图横坐标表示从小到大排列的局部浓度指数值，纵坐标表示每个局部浓度指数值对应的像素出现概率。
步骤S003，根据局部浓度指数分布概率直方图得到区间密度指数，根据区间密度指数得到映射增强比例，根据映射增强比例得到增强后红外图像。
1、根据局部浓度指数分布概率直方图得到区间分布指数。
在本实施例中，确定局部浓度指数对应的是可燃气体区域的像素点还是其余区域的像素点，考虑到可燃气体在空中已扩散的特点，需要从一个局部浓度指数的大小区间上进行考虑，此处的大小区间是指局部浓度指数直方图中的横坐标的间隔，基于此来计算得到区间密度指数，具体如下：
根据局部浓度指数分布概率直方图得到多个局部极小值点，将多个局部极小值点中任意两个相邻的局部极小值点组合作为局部极小值对，得到多个局部极小值对，将局部极小值对中局部浓度指数较大的局部极小值点记为第一局部极小值点，局部浓度指数较小的局部极小值点记为第二局部极小值点，将第一局部极小值点处的局部浓度指数到第二局部极小值点处的局部浓度指数之间的区间记为第一区间，得到多个第一区间；根据局部极小值对得到各第一区间的区间密度指数的公式为：
Figure 15688DEST_PATH_IMAGE021
其中，
Figure 157081DEST_PATH_IMAGE002
表示第x个第一区间内的局部浓度指数，
Figure 80038DEST_PATH_IMAGE003
表示局部浓度指数分布概率直方图上
Figure 576747DEST_PATH_IMAGE002
处的概率值，
Figure 585154DEST_PATH_IMAGE004
表示如图3所示的第
Figure 324047DEST_PATH_IMAGE005
个第一区间的下边界，同时也是第
Figure 101510DEST_PATH_IMAGE006
个第一区间的上边界，
Figure 769121DEST_PATH_IMAGE007
表示如图3所示的第
Figure 999245DEST_PATH_IMAGE005
个第一区间的上边界，
Figure 544758DEST_PATH_IMAGE008
为超参数，该值表示增益系数，本方案中c取10，
Figure 176727DEST_PATH_IMAGE009
表示第
Figure 811977DEST_PATH_IMAGE005
个第一区间的区间密度指数。
对于前景图像中的平坦区域，其内部像素点的灰度通常集中在少量的灰度范围内，局部浓度指数也相对较大。进一步的，平坦面积越大，区间密度指数越大。对于那些包含大量纹理细节的可燃气体区域，内部像素点的局部浓度指数相对较小，又因为可燃气体区域灰度范围大，所以区间密度指数越小，对应的像素点越有可能是可燃气体区域内的。
2、根据区间分布指数得到映射增强比例。
通过上述方式得到各第一区间的区间密度指数，利用大津阈值法对所有第一区间的区间密度指数进行处理得到分割阈值，将小于分割阈值的区间密度指数划分至第一区间密度指数集合中，将大于分割阈值的区间密度指数划分至第二区间密度指数集合中，因而得到第一区间密度指数集合和第二区间密度指数集合。
由于可燃气体区域灰度范围大，所以区间密度指数越小，因而需对第一区间密度指数集合中的各第一区间密度指数值对应像素点灰度值进行增强处理，计算每个第一区间密度指数增强系数，具体实现方法为：
根据第一区间密度指数集合得到各第一区间密度指数的映射增强比例的公式为：
Figure 794977DEST_PATH_IMAGE022
其中，如图2所示，
Figure 869812DEST_PATH_IMAGE007
表示第x个第一区间的上边界，
Figure 559551DEST_PATH_IMAGE004
表示第x个第一区间的下边界，
Figure 631281DEST_PATH_IMAGE002
表示第x个第一区间内的密度指数，
Figure 39259DEST_PATH_IMAGE003
表示直方图上
Figure 926575DEST_PATH_IMAGE002
对应概率值。
Figure 533137DEST_PATH_IMAGE016
表示第一区间密度指数集合中包含区间密度指数的个数，
Figure 182293DEST_PATH_IMAGE017
表示第一区间密度指数集合和第二区间密度指数集合中元素的总个数；
Figure 622108DEST_PATH_IMAGE018
表示第x个第一区间密度指数的映射增强比例。
3、根据每个区间密度指数值的映射增强比例得到增强后的红外图像。
获取第一区间密度指数集合中第
Figure 562382DEST_PATH_IMAGE005
个第一区间的区间密度指数对应的像素构成的集合记为第一像素集合，将第
Figure 475981DEST_PATH_IMAGE005
个第一区间的区间密度指数的映射增强比例作为伽马因子，利用该伽马因子对第一像素集合中的各像素的灰度值进行伽马变换得到第一像素集合中各像素增强后的灰度值，同理根据每个第一区间密度指数集合中的每个区间密度指数对前景图像中对应像素进行增强处理。
获取第二区间密度指数集合中所有区间密度指数对应的像素构成的集合记为第二像素集合，将第二像素集合中各像素的灰度值保持不变，得到增强后的前景图像。
将增强后前景图像和背景图像进行融合处理得到增强后红外图像，具体如下：
Figure 109087DEST_PATH_IMAGE023
其中，
Figure 976811DEST_PATH_IMAGE024
表示增强后前景图像各像素的灰度值，
Figure 970044DEST_PATH_IMAGE024
表示背景图像各像素的灰度值，
Figure 754461DEST_PATH_IMAGE025
表示第一比例因子，该值为超参数，取值为0.8，
Figure 46551DEST_PATH_IMAGE026
表示第二比例因子，该值为超参数，取值为0.2，
Figure 713156DEST_PATH_IMAGE027
表示增强后红外图像的各像素的灰度值。
至此，根据局部浓度指数分布概率直方图得到区间密度指数，根据区间密度指数完成对红外图像的增强处理得到增强后红外图像。从而实现根据红外图像的浓度分布特征来对红外图像中可燃气体分布区域进行增强处理。
步骤S004，根据增强后红外图像进行可燃气体检测。
根据现有技术增强后红外图像进项光谱信息编码得到实现编码，将实验编码与库编码进行比对得到对应的可燃气体种类，至此实现可燃气体检测。
综上所述，本发明实施例提供了一种纯电动船舶可燃气体检测系统，基于高斯滤波将采集图像分割得到前景图像和背景图像。基于可燃气体在红外图像中的分布特点对前景图像中的像素点有选择的进行增强，考虑前景图像中每个像素的局部浓度不同获取了局部浓度指数，考虑到可燃气体的流动性根据局部浓度指数将前景图像中的像素点划分到不同区间内，局部密度直方图准确反映了前景图像中可燃气体的分布情况，其次考虑到可燃气体区域纹理复杂的场景特点，根据区间密度指数判断直方图中哪些像素点对应的是可燃气体区域，对属于可燃气体的像素点进增强，增强后的前景图像中可燃气体像素点和非可燃气体像素点的差异更显著，有效消除了边缘模糊，在增强红外图像中可燃气体的检测结果具有更高的精准度。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种纯电动船舶可燃气体检测系统，其特征在于，所述系统包括红外光谱图像采集单元和光谱图像检测单元，所述红外光谱图像采集单元用于获取纯电动船舶的磷酸铁锂电池产生的可燃气体的红外图像，所述光谱图像检测单元用于：
根据红外图像得到前景图像和背景图像；
根据前景图像得到前景图像中各像素的局部浓度指数，根据局部浓度指数得到各第一区间的区间密度指数；对区间密度指数进行分割处理得到第一区间密度指数集合和第二区间密度指数集合；根据第一区间密度指数集合得到区间密度指数的映射增强比例，根据区间密度指数的映射增强比例得到增强后红外图像；
根据增强后红外图像进行可燃气体检测。
2.如权利要求1所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述根据前景图像得到前景图像中各像素的局部浓度指数的方法，包括：
将前景图像中任意一个像素作为研究像素，获取研究像素的第一区域，获取第一区域中灰度值等于研究像素灰度值的像素个数记为第一个数，将第一区域内像素个数记为第二个数，根据第一个数和第二个数得到研究像素的局部浓度指数，所有像素作为研究像素时得到的局部浓度指数即为前景图像中各像素的局部浓度指数。
3.如权利要求1所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述根据局部浓度指数得到各第一区间的区间密度指数的方法，包括：
根据所有像素的局部浓度指数得到局部浓度指数分布概率直方图，根据局部浓度指数分布概率直方图得到多个局部极小值点，将多个局部极小值点中两个邻接的局部极小值点组合得到局部极小值对，将局部极小值对中局部浓度指数较大的局部极小值点记为第一局部极小值点，局部浓度指数较小的局部极小值点记为第二局部极小值点，将第一局部极小值点到第二局部极小值点之间的区间记为第一区间，根据第一区间下边界与上边界以及第一区间内局部浓度指数概率之和得到第一区间的区间密度指数。
4.如权利要求3所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述区间密度指数的公式为：
Figure DEST_PATH_IMAGE001
其中，
Figure 686453DEST_PATH_IMAGE002
表示第x个第一区间内的局部浓度指数，
Figure 948938DEST_PATH_IMAGE003
表示局部浓度指数分布概率直方图上
Figure 10085DEST_PATH_IMAGE002
处对应的概率值，
Figure 133636DEST_PATH_IMAGE004
表示第
Figure 69973DEST_PATH_IMAGE005
个第一区间的下边界，同时也是第
Figure 367225DEST_PATH_IMAGE006
个第一区间的上边界，
Figure 576270DEST_PATH_IMAGE007
表示第
Figure 272437DEST_PATH_IMAGE005
个第一区间的上边界，
Figure 505973DEST_PATH_IMAGE008
为超参数，
Figure 539788DEST_PATH_IMAGE009
表示第
Figure 703922DEST_PATH_IMAGE005
个第一区间的区间密度指数。
5.如权利要求2所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述研究像素的第一区域的获取，包括：
在前景图像上，以研究像素为中心获取四邻域像素作为研究像素的第一邻域像素集合，判断第一邻域像素集合是否满足第一判定条件；当第一邻域像素集合满足第一判定条件时，将第一邻域像素集合作为研究像素的目标邻域像素集合，当第一邻域像素集合不满足判定条件时，扩展第一邻域像素集合；重复判断第一邻域像素集合是否满足第一判定条件以及扩展第一邻域像素集合，直至第一邻域像素集合满足第一判定条件或者第一邻域像素集合扩展到前景图像四个边界时，将第一邻域像素集合作为研究像素的目标邻域像素集合，根据目标邻域像素集合所在的圆形区域记为研究像素的第一区域。
6.如权利要求5所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述第一判定条件为：
Figure 710055DEST_PATH_IMAGE010
其中，以前景图像中的第i个像素为研究像素时，
Figure DEST_PATH_IMAGE011
表示第
Figure 740590DEST_PATH_IMAGE012
个像素的灰度值，
Figure 510969DEST_PATH_IMAGE013
表示第
Figure 291843DEST_PATH_IMAGE012
个像素的第一邻域像素集合中的所有像素的灰度值均值，
Figure 38301DEST_PATH_IMAGE014
表示前景图像中所有像素的灰度值均值。
7.如权利要求1所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述根据第一区间密度指数集合得到区间密度指数的映射增强比例的方法，包括：
根据第一区间密度指数集合得到第一区间密度指数集合中各区间密度指数的映射增强比例的公式为：
Figure 767966DEST_PATH_IMAGE015
其中，
Figure 527106DEST_PATH_IMAGE007
表示第x个第一区间的上边界，
Figure 518196DEST_PATH_IMAGE004
表示第x个第一区间的下边界，
Figure 748189DEST_PATH_IMAGE002
表示第x个第一区间内的密度指数，
Figure 166532DEST_PATH_IMAGE003
表示局部浓度指数分布概率直方图上
Figure 693195DEST_PATH_IMAGE002
对应概率值，
Figure 550293DEST_PATH_IMAGE016
表示第一区间密度指数集合中包含区间密度指数的个数，
Figure 182263DEST_PATH_IMAGE017
表示第一区间密度指数集合和第二区间密度指数集合中元素的总个数；
Figure 551933DEST_PATH_IMAGE018
表示第x个第一区间密度指数的映射增强比例。
8.如权利要求1所述的一种纯电动船舶可燃气体检测系统，其特征在于，所述根据红外图像得到前景图像和背景图像的方法，包括：
通过高斯滤波器对红外图像进行处理得到前景图像，将红外图像减除前景图像得到背景图像。
CN202211437269.7A 2022-11-17 2022-11-17 一种纯电动船舶可燃气体检测系统 Active CN115578379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211437269.7A CN115578379B (zh) 2022-11-17 2022-11-17 一种纯电动船舶可燃气体检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211437269.7A CN115578379B (zh) 2022-11-17 2022-11-17 一种纯电动船舶可燃气体检测系统

Publications (2)

Publication Number Publication Date
CN115578379A true CN115578379A (zh) 2023-01-06
CN115578379B CN115578379B (zh) 2023-03-03

Family

ID=84589697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211437269.7A Active CN115578379B (zh) 2022-11-17 2022-11-17 一种纯电动船舶可燃气体检测系统

Country Status (1)

Country Link
CN (1) CN115578379B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115965773A (zh) * 2023-03-16 2023-04-14 深圳市特安电子有限公司 基于物联网大数据的气体泄漏检测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182690A (zh) * 2017-12-29 2018-06-19 中国人民解放军63861部队 一种基于前景加权局部对比度的红外微弱目标检测方法
CN114565535A (zh) * 2022-03-02 2022-05-31 北京锐影医疗技术有限公司 一种基于自适应梯度gamma校正的图像增强方法及装置
CN114972203A (zh) * 2022-04-29 2022-08-30 南通市立新机械制造有限公司 基于分水岭分割的机械零件轧制异常检测方法
CN115049664A (zh) * 2022-08-16 2022-09-13 金乡县强力机械有限公司 基于视觉的船舶发动机配件缺陷检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182690A (zh) * 2017-12-29 2018-06-19 中国人民解放军63861部队 一种基于前景加权局部对比度的红外微弱目标检测方法
CN114565535A (zh) * 2022-03-02 2022-05-31 北京锐影医疗技术有限公司 一种基于自适应梯度gamma校正的图像增强方法及装置
CN114972203A (zh) * 2022-04-29 2022-08-30 南通市立新机械制造有限公司 基于分水岭分割的机械零件轧制异常检测方法
CN115049664A (zh) * 2022-08-16 2022-09-13 金乡县强力机械有限公司 基于视觉的船舶发动机配件缺陷检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115965773A (zh) * 2023-03-16 2023-04-14 深圳市特安电子有限公司 基于物联网大数据的气体泄漏检测系统
CN115965773B (zh) * 2023-03-16 2023-05-16 深圳市特安电子有限公司 基于物联网大数据的气体泄漏检测系统

Also Published As

Publication number Publication date
CN115578379B (zh) 2023-03-03

Similar Documents

Publication Publication Date Title
US11221107B2 (en) Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing
CN101727662B (zh) Sar图像非局部均值去斑方法
CN111476120B (zh) 一种无人机智能船舶水尺识别方法及装置
CN115049664B (zh) 基于视觉的船舶发动机配件缺陷检测方法
CN115578379B (zh) 一种纯电动船舶可燃气体检测系统
CN113536963B (zh) 基于轻量化yolo网络的sar图像飞机目标检测方法
CN111598869B (zh) 一种对显示屏幕的Mura进行检测的方法、设备及存储介质
CN114549981A (zh) 一种基于深度学习的智能巡检指针式仪表识别及读数方法
CN107403433A (zh) 一种复杂云背景下红外小目标检测方法
CN114119462A (zh) 一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法
CN112215803B (zh) 一种基于改进生成对抗网络的铝板电涡流检测图像缺陷分割方法
CN116665095B (zh) 一种运动舰船检测方法、系统、存储介质和电子设备
CN116863342B (zh) 一种基于大尺度遥感影像的松材线虫病死木提取方法
CN115719463A (zh) 一种基于超分辨率重构和自适应挤压激励的烟火检测方法
CN115995041A (zh) 基于注意力机制的sar图像多尺度舰船目标检测方法和装置
CN112053299B (zh) 一种基于胶体金免疫层析法的图像处理方法
CN116188510B (zh) 一种基于多传感器的企业排放数据采集系统
CN115456957B (zh) 一种全尺度特征聚合的遥感影像变化检测的方法
CN115713620A (zh) 一种红外小目标检测方法、装置、计算设备及存储介质
CN115761606A (zh) 基于图像处理的箱体电能表识别方法及装置
CN113516187A (zh) 一种采用局部特征对比度的红外弱小目标检测算法
CN115330703A (zh) 基于上下文信息融合的遥感影像云与云阴影检测方法
CN112734745B (zh) 一种融合gis数据的无人机热红外影像供暖管道泄漏探测方法
CN115546099A (zh) 一种基于卷积神经网络的锻件探伤缺陷检测方法及装置
CN114049571A (zh) 高光谱影像的水体区域提取方法、装置及电子设备

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