CN115966063A - 一种气体泄漏红外成像自动报警方法 - Google Patents
一种气体泄漏红外成像自动报警方法 Download PDFInfo
- Publication number
- CN115966063A CN115966063A CN202211553030.6A CN202211553030A CN115966063A CN 115966063 A CN115966063 A CN 115966063A CN 202211553030 A CN202211553030 A CN 202211553030A CN 115966063 A CN115966063 A CN 115966063A
- Authority
- CN
- China
- Prior art keywords
- gas
- image
- gas leakage
- gas cloud
- video
- 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
Links
Images
Abstract
本发明公开一种气体泄漏红外成像自动报警方法,应用于使用光学气体成像技术进行气体泄漏视频监控领域。针对现有气体泄漏成像视频监控系统需要人眼识别是否存在气体泄漏的问题,本发明的方法通过深度学习算法结合视频图像运动分析算法自动识别是否存在气体泄漏,并提取气体泄漏图像进行自动报警,采用本发明的方案可以减少干扰目标引起的误报、降低虚警率,本发明的方法还计算气云体积浓度,并用伪彩编码在图像上进行可视化标识,实时显示气体泄漏的位置、分布及运动趋势。
Description
技术领域
本发明属于光学气体成像技术领域,特别涉及一种气体泄漏红外成像自动报警技术。
背景技术
气体泄漏不仅影响企业的正常生产,还会污染环境,甚至引发火灾、爆炸等事故,严重威胁社会和人民的生命财产安全。基于光学气体成像仪(OGI)气体泄漏红外成像系统,对石油化工重要区域、油气储存和运输过程中气体泄漏进行大范围、远距离、动态直观监测并实现自动报警。气体如甲烷等在红外波段具有特征吸收峰,可燃气体对背景的红外辐射具有吸收作用,当发生泄漏时,背景红外辐射透过气体吸收衰减后存在差异,红外成像探测器对有泄漏区域和无泄漏区域的差异成像,从而实现气体的被动探测。红外热成像系统将红外辐射经光学系统汇聚后进入红外成像探测器,这部分辐射能量经过光电转换、信号处理等过程,以视频图像的形式显示出来,实现了肉眼不可见气体的可视化。为了改善视觉效果,如美国FLIR公司产品采用高灵敏度模式(HSM)功能从后续帧的视频流帧中减去一定百分比的单像素信号(增强了帧之间的差异),使泄漏在最终图像上更清晰突出地显示出来,但需要人眼去判断图像中是否有气体泄漏的图像。对于7*24小时在线无人值守系统,不能自动分析红外图像中是否检测到气体泄漏并进行自动报警,使用受到极大的限制。
发明内容
为解决上述技术问题,本发明提出一种气体泄漏红外成像自动报警方法,可自动识别是否存在气体泄漏并报警。
本发明采用的技术方案为:一种气体泄漏红外成像自动报警方法,基于的气体泄漏红外成像自动报警系统包括:光学气体成像仪、视频图像采集处理装置和报警装置;
光学气体成像仪用于对视频监控区域进行成像,输出监控区域的视频图像;
视频图像采集处理装置通过采集光学气体成像仪输出的监控区域的视频图像,并对监控区域的视频图像进行分析,若监控区域的视频图像中存在气体泄漏时的气云图像,则向报警装置发送报警信息进行报警,并同时对气体泄漏进行定位;所述视频图像采集处理装置对监控区域的视频图像进行分析的过程为:
S1、采集监控区域的视频图像并进行降噪和增强处理;
S2、通过运动侦测经步骤S1处理后的监控区域的视频图像,判断是否存在运动特征的目标图像,如果没有运动目标就返回S1,反之则输出运动目标的二值化图像;
S3、从步骤S2得到的二值化图像中提取包含气体云团的所有运动目标的轮廓,并计算各个轮廓内的面积,将面积小于阈值的轮廓作为干扰去除后,通过对轮廓区域填充得到运动目标图像提取的掩膜图像,根据掩膜图像从经步骤S1处理后的视频图像中提取包含气体云团图像的所有运动目标图像;
S4、采用深度学习目标检测算法对步骤S1处理后的图像进行气云图像目标检测,若有气体泄漏形成的气云目标图像则执行步骤S5;否则返回步骤S1;
S5、采用基于深度学习的语义分割算法对经步骤S4检测到有气体泄漏的气云图像的视频图像进行语义分割,提取气云图像;
S6、分别对步骤S5提取的气云图像和步骤S3得到的包含气体云团图像的运动目标图像消除干扰处理,对消除干扰后的结果进行分析,若存在气体泄漏形成的气云图像,则向报警装置发送报警信息进行报警,并执行步骤S7;否则返回步骤S1;
S7、计算经步骤S6处理后的气云图像上各个像素点对应的气体体积浓度;
S8、对经步骤S6处理后的气云图像提取最大轮廓,并计算该最大轮廓的最大外接矩形,以3*3个像素为最小单元,对外接矩形进行网格化分割,利用S7的输出计算每个网格内的平均浓度值,通过比较找到最大平均浓度值所在的网格,从而确定泄漏位置。
还包括:以步骤S7得到的各像素点代表的气体浓度值为索引获得对应的伪彩编码表中的对应的RGB值,从而得到伪彩图像。
本发明的有益效果:本发明通过深度学习算法结合视频图像运动分析算法,自动识别提取气体泄漏图像并进行报警,采用本发明的方法可以减少干扰目标引起的误报、降低虚警率,本发明的方法还计算气云体积浓度,并用伪彩编码在图像上进行可视化标识,实时显示气体泄漏的位置、分布及运动趋势。
附图说明
图1为本发明方法的原理框图。
图2为自动报警系统原理框图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
本实施例实现了一种在线式气体泄漏红外成像自动报警方法,由光学气体成像仪(OGI)、视频图像采集处理装置和报警装置构成光学气体成像报警系统。在图像采集处理装置上通过算法实现一种气体成像泄漏自动报警方法,分析视频图像中是存在气体泄漏时的气云图像,若分析出视频图像中有气云图像时表示发现气体泄漏,通过向报警装置发送报警信息进行报警。
如图1所示,分析视频图像中是否有气体泄漏的过程包括以下处理模块:
红外图像采集模块1:通过光学气体成像仪(OGI)对监控区域进行成像,输出监控区域的视频图像;通过视频图像采集处理装置采集光学气体成像仪输出视频图像;
本实施例选用工作波段在3.1um~3.4um的窄带中波红外光学气体成像仪作为图2中光学气体成像仪(OGI)12,对甲烷等挥发性有机物(VOCs)可视化成像,选用具有千兆以太网接口的计算机或者边缘计算模块构成图2中视频图像采集处理装置13。视频采集处理装置13通过千兆以太网与窄带中波红外光学气体成像仪(OGI)通信,红外图像采集模块1通过运行于视频图像采集处理装置13上采集程序,采用TCP或UDP协议获得8bit/16bit气体成像的原始图像数据。
图像预处理模块2:基于图像滤波和增强方法对采集的视频图像进行降噪处理,基于双阈值自适应直方图均衡算法对降噪后的图像进行增强处理;
运动侦测模块3:基于帧间差积分算法或运动目标背景建模算法获得预处理后的视频图像中包含运动特征气体云团图像的所有运目标的二值化图像;
运动目标提取模块4:具体采用轮廓提取算法从运动侦测模块3输出的二值化图像中提取包含气体云团的所有运动目标轮廓,并计算所有轮廓区域内的面积,本实施例中设置最小面积阈值为10,对面积小于阈值的轮廓区域当作噪声去除,通过对轮廓区域填充得到运动目标图像提取的掩膜图像,根据该掩膜图像对图像预处理模块2输出的图像进行包含气体云团图像的运动目标图像提取。
目标检测模块5:通过部署具有较强实时性深度学习目标检测算法对图像预处理模块2输出的图像中是否有气体泄漏的气云图像进行检测,未检测到有泄漏气体图像则返回红外图像采集模块1。本实施例采用YOLOv5算法进行气云图像检测。预先利用气云图像样本训练目标检器,获得气体云团的目标检测特征模型,在视频图像采集处理装置13上进行部署实现气云图像的目标检测。
语义分割模块6:通过部署基于深度学习的语义分割算法对目标检测模块5输出的包含有气云图像的视频进行语义分割,提取气云图像。本实施例采用Unet算法进行气云图像分割。预先利用气云图像样本训练语义分割模型,获得气体云团的语义分割模型,并在视频图像采集处理装置13上进行部署实现气云图像的语义分割。
气云图像分析模块7:语义分割模块6提取的气云图像和运动目标提取模块4输出的包含气云图像的运动目标图像,可能提取到非气体运动的其它运动目标;目标检测5和语义分割6输出的图像包含了依据气体云团的目标特征、羽状特征的目标图像,但有可能出现错误目标检测和语义分割。通过综合分析目标特征、羽状特征、运动特征、质心运动规律等信息,排除行人、车辆、草地、树木、动物等其它物体的干扰,提高气云的识别准确率,减小误报、降低虚警率。综合语义分割模块6和运动前景提取模块4的图像排除干扰物形成的区域图像后,并进行对应区域图像取交集运算,若存在两个处理模块同时存在的剩余的区域图像即为气云图像,表示检测到有气体泄漏,作为气云图像分析模块7气云图像输出,同时通过报警处理模块(8)通过以太网、485总线或4G/5G通信接口向报警装置14发送报警信息进行报警,提示有气体泄漏。
气云浓度估计模块10:估算气云浓度,背景辐射穿过气体云层的路径上存在吸收,造成背景与气体之间存在温差,以1米为单位长度的气体吸收路径上气体均匀分布的百万分比浓度作为体积浓度表示,计算公式为(1)。
DLppm.m=α[|△T|]β (1)
其中DLppm.m为体积浓度,单位为ppm.m
α为仪器常数,β与探测气体类别有关,△T为气体温度与背景温度的差值,设背景温度为TB,气体温度为TG,得到温度差的计算式(2)。
|△T|=|TG-TB| (2)
根据黑体辐射定律建立目标温度与辐射能之间的关系、红外气体图像灰度与辐射能之间的对应关系建立数学模型,通过实验对红外气体成像仪进行标定,使其具备测温功能,建立图像灰度与温度之间的计算模型。在使用时,根据气体图像每个像素点灰度对应的温度之间计算模型进行计算得到气体的温度TG,在没有气体时背景图像的灰度依据计算模型计算得到背景温度TB,从而求出每个气体图像像素点所对应的温度差△T,代入公式(1)就可以计算出体积浓度。
为了简化计算,对公式(1)指数函数用多项式逼近,如式(3)所示。
其中ai为多项式的系数,△T为气体与背景温差,n为多项式的阶数。
在实验室条件下,对红外气体成像仪进行温度标定后,记录红外气体成像仪测得已知气体类型和体积浓度的气体在不同气体与背景温度差△T条件下的多组数据,进行最小二乘法多项式拟合,求得多项式的系数ai和阶数n,保存在图2视频采集处理装置13中。不同种类气体,通过同样的方法可以获得对应的多项式系数及阶数,保存在图2视频采集处理装置13中。
在使用时,根据待检测的气体种类,读出对应气体的多项式的系数ai和阶数n,计算气云图像上每个像素点灰度值对应的温度与背景温度的差值代入公式(3)得到对应的体积浓度。
气云图像伪彩增强模块9:对气云图像分析模块7输出的气云图像上对应的点通过气云浓度估计模块10获得该点浓度值,再以该浓度值为索引获得对应的伪彩编码表中的对一个的RGB值,将灰度图转换为伪彩图像,从而依据人眼对颜色更为敏感的特点增强视觉效果。
本实施例中根据伪彩编码表在图像上叠加一个对应颜色的浓度指示条,索引分别对应RGB值和该索引值对应的气云图像每个像素点对应的浓度值,建立颜色与浓度的对应关系。
气云伪彩图像与背景图像融合、气云最大外接矩形标记、浓度显示模块11:通过对气云图像分析模块7输出的气云图像提取最大轮廓,并计算该轮廓的最大外接矩形,以3*3个像素为最小单位,对外接矩形进行网格化分割,计算每个网格内平均浓度值,根据气体扩散的特点,在泄漏位置气体浓度最大,通过比较找到最大平均浓度值所在的网格,认定为泄漏位置,可以在图像上以带颜色的矩形框进行标记。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (5)
1.一种气体泄漏红外成像自动报警方法,其特征在于,基于的气体泄漏红外成像自动报警系统包括:光学气体成像仪、视频图像采集处理装置和报警装置;
光学气体成像仪用于对视频监控区域进行成像,输出监控区域的视频图像;
视频图像采集处理装置通过采集光学气体成像仪输出的监控区域的视频图像,并对监控区域的视频图像进行分析,若监控区域的视频图像中存在气体泄漏时的气云图像,则向报警装置发送报警信息进行报警,并同时对气体泄漏进行定位;所述视频图像采集处理装置对监控区域的视频图像进行分析的过程为:
S1、采集监控区域的视频图像并进行降噪和增强处理;
S2、通过运动侦测经步骤S1处理后的监控区域的视频图像,判断是否存在运动特征的目标图像,如果没有运动目标就返回S1,反之则输出运动目标的二值化图像;
S3、从步骤S2得到的二值化图像中提取包含气体云团的所有运动目标的轮廓,并计算各个轮廓内的面积,将面积小于阈值的轮廓作为干扰去除后,通过对轮廓区域填充得到运动目标图像提取的掩膜图像,根据掩膜图像从经步骤S1处理后的视频图像中提取包含气体云团图像的所有运动目标图像;
S4、采用深度学习目标检测算法对步骤S1处理后的图像进行气云图像目标检测,若有气体泄漏形成的气云目标图像则执行步骤S5;否则返回步骤S1;
S5、采用基于深度学习的语义分割算法对经步骤S4检测到有气体泄漏的气云图像的视频图像进行语义分割,提取气云图像;
S6、分别对步骤S5提取的气云图像和步骤S3得到的包含气体云团图像的运动目标图像消除干扰处理,对消除干扰后的结果进行分析,若存在气体泄漏形成的气云图像,则向报警装置发送报警信息进行报警,并执行步骤S7;否则返回步骤S1;
S7、计算经步骤S6处理后的气云图像上各个像素点对应的气体体积浓度;
S8、对经步骤S6处理后的气云图像提取最大轮廓,并计算该最大轮廓的最大外接矩形,以3*3个像素为最小单元,对外接矩形进行网格化分割,利用S7的输出计算每个网格内的平均浓度值,通过比较找到最大平均浓度值所在的网格,从而确定泄漏位置。
2.根据权利要求1所述的一种气体泄漏红外成像自动报警方法,其特征在于,步骤S6所述分别对步骤S5提取的气云图像和步骤S3得到的包含气体云团图像的运动目标图像消除干扰处理,具体为:
分别对步骤S5提取的气云图像和步骤S3得到的包含气体云团图像的运动目标图像,依据气体云团的目标特征、羽状特征、运动特征、质心运动规律消除其它物体的干扰。
3.根据权利要求2所述的一种气体泄漏红外成像自动报警方法,其特征在于,对消除干扰后的结果进行分析,具体为:若步骤S5提取的气云图像和步骤S3得到的运动图像消除干扰后有同时存在的对应区域图像,则表示检测到气体泄漏,将步骤S5提取的气云图像和步骤S3得到的运动图像排除干扰后求交集,作为最终的气云图像输出,从而得到气体泄漏形成的气云图像;否则表示未检测到气体泄漏,返回步骤S1。
5.根据权利要求4所述的一种气体泄漏红外成像自动报警方法,其特征在于,还包括以像素点代表的气体浓度为索引,获得对应的伪彩编码表中对应的RGB值,从而得到气云图像的伪彩图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211553030.6A CN115966063A (zh) | 2022-12-06 | 2022-12-06 | 一种气体泄漏红外成像自动报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211553030.6A CN115966063A (zh) | 2022-12-06 | 2022-12-06 | 一种气体泄漏红外成像自动报警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115966063A true CN115966063A (zh) | 2023-04-14 |
Family
ID=87351901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211553030.6A Pending CN115966063A (zh) | 2022-12-06 | 2022-12-06 | 一种气体泄漏红外成像自动报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115966063A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543241A (zh) * | 2023-07-07 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 泄露气体云团的检测方法、装置、存储介质和电子设备 |
CN116625582A (zh) * | 2023-07-24 | 2023-08-22 | 上海安宸信息科技有限公司 | 用于石油石化气田站场的可移动式气体泄漏监测系统 |
CN117147631A (zh) * | 2023-10-30 | 2023-12-01 | 南京沃唐光电科技有限公司 | 一种基于区域环境分析的气体智能检测预警方法及系统 |
CN117233119A (zh) * | 2023-11-10 | 2023-12-15 | 北京环拓科技有限公司 | 结合传感器校准模块识别和量化voc气云图像的方法 |
-
2022
- 2022-12-06 CN CN202211553030.6A patent/CN115966063A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543241A (zh) * | 2023-07-07 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 泄露气体云团的检测方法、装置、存储介质和电子设备 |
CN116543241B (zh) * | 2023-07-07 | 2023-09-15 | 杭州海康威视数字技术股份有限公司 | 泄露气体云团的检测方法、装置、存储介质和电子设备 |
CN116625582A (zh) * | 2023-07-24 | 2023-08-22 | 上海安宸信息科技有限公司 | 用于石油石化气田站场的可移动式气体泄漏监测系统 |
CN116625582B (zh) * | 2023-07-24 | 2023-09-19 | 上海安宸信息科技有限公司 | 用于石油石化气田站场的可移动式气体泄漏监测系统 |
CN117147631A (zh) * | 2023-10-30 | 2023-12-01 | 南京沃唐光电科技有限公司 | 一种基于区域环境分析的气体智能检测预警方法及系统 |
CN117233119A (zh) * | 2023-11-10 | 2023-12-15 | 北京环拓科技有限公司 | 结合传感器校准模块识别和量化voc气云图像的方法 |
CN117233119B (zh) * | 2023-11-10 | 2024-01-12 | 北京环拓科技有限公司 | 结合传感器校准模块识别和量化voc气云图像的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115966063A (zh) | 一种气体泄漏红外成像自动报警方法 | |
EP2118862B1 (en) | System and method for video detection of smoke and flame | |
CN111209876B (zh) | 一种漏油缺陷检测方法及系统 | |
CN111739250A (zh) | 结合图像处理技术与红外传感器的火灾探测方法及系统 | |
CN109190624B (zh) | 基于图像处理的厨房油烟浓度检测方法 | |
CN108564002B (zh) | 一种遥感影像时间序列变化检测方法及系统 | |
CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN106370668A (zh) | 一种咸蛋内部品质的在线视觉检测装置及其方法 | |
CN115797641A (zh) | 一种电子设备气体泄漏检测方法 | |
CN111652842B (zh) | 高速西林瓶轧盖生产线实时视觉检测方法及系统 | |
CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
CN114820626B (zh) | 一种汽车前脸零件配置智能检测方法 | |
CN111985314A (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN111368756A (zh) | 一种基于可见光的明火烟雾快速识别方法和系统 | |
CN114663821A (zh) | 基于视频高光谱成像技术的产品质量实时无损检测方法 | |
CN117333776A (zh) | VOCs气体泄漏检测方法、装置及存储介质 | |
CN116137067A (zh) | 一种基于系数分析协同表示的高光谱图像异常检测方法 | |
CN115063427A (zh) | 用于新型船舶的污染物排放监控图像处理方法 | |
CN115995059A (zh) | 一种施工现场安全帽佩戴检测方法和系统 | |
CN113222929A (zh) | 一种基于全变分的烟雾浓度检测方法及装置 | |
CN105719246B (zh) | 一种检测开敞水体的光谱成像可视化前处理方法 | |
JP7481956B2 (ja) | 推論装置、方法、プログラムおよび学習装置 | |
KR102414410B1 (ko) | 직교부분 공간투영 기법을 활용한 독성 화학 가스 탐지 장치, 탐지 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
CN117094995B (zh) | 一种反应釜气体泄漏检测方法、装置、介质及设备 |
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 |