CN116403165A - 一种危险化学品泄露应急处理方法、装置及可读存储介质 - Google Patents

一种危险化学品泄露应急处理方法、装置及可读存储介质 Download PDF

Info

Publication number
CN116403165A
CN116403165A CN202310652863.6A CN202310652863A CN116403165A CN 116403165 A CN116403165 A CN 116403165A CN 202310652863 A CN202310652863 A CN 202310652863A CN 116403165 A CN116403165 A CN 116403165A
Authority
CN
China
Prior art keywords
image
leakage
chemical
dangerous
dangerous chemical
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
CN202310652863.6A
Other languages
English (en)
Other versions
CN116403165B (zh
Inventor
崔迪
朱建华
占小跳
孙国庆
张霞
李筠
周亚飞
何龙军
赵文文
蔡靖
程霄楠
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.)
China Waterborne Transport Research Institute
Original Assignee
China Waterborne Transport Research Institute
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 China Waterborne Transport Research Institute filed Critical China Waterborne Transport Research Institute
Priority to CN202310652863.6A priority Critical patent/CN116403165B/zh
Publication of CN116403165A publication Critical patent/CN116403165A/zh
Application granted granted Critical
Publication of CN116403165B publication Critical patent/CN116403165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

本发明涉及危险化学品技术领域，提供了一种危险化学品泄露应急处理方法、装置及可读存储介质，所述方法包括，获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质；根据所述实时图像判断所述危险化学品是否发生泄露，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，确定出撤离路线。通过本发明中的方法可以自动对泄露的情况做出应急计划，不需要工作人员前去查看后再进行计划的制定，可以提高工作人员的人身安全性。

Description

一种危险化学品泄露应急处理方法、装置及可读存储介质
技术领域
本发明涉及危险化学品技术领域，具体而言，涉及一种危险化学品泄露应急处理方法、装置及可读存储介质。
背景技术
目前，危险化学品泄露后，一般会派工作人员前去查看泄露情况，通过此种方法虽然能够较为准确的判断泄露情况，做出泄露解决计划，但是这种办法效率较低，在泄露很严重的情况下，可能会耽搁逃生时间，同时还存在很大的危险系数，很有可能对工作人员造成人身伤害，因此需要一种能够快速的判断出泄露情况，同时还可以提高工作人员人身安全的泄露处理方法。
发明内容
本发明的目的在于提供一种危险化学品泄露应急处理方法、装置及可读存储介质，以改善上述问题。
为了实现上述目的，本申请实施例提供了如下技术方案：
一方面，本申请实施例提供了一种危险化学品泄露应急处理方法，所述方法包括：
获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质，每个所述实时图像由安装在所述危险化学品储存装置周围的图像采集装置所采集，每个所述图像采集装置与所述危险化学品储存装置的重心之间的距离相等，且每个所述图像采集装置采集的图像中包括所述危险化学品储存装置和以所述危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；
对所述分析结果进行解读，其中，若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线。
第二方面，本申请实施例提供了一种危险化学品泄露应急处理装置，所述装置包括获取模块、判断模块和解读模块。
获取模块，用于获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质，每个所述实时图像由安装在所述危险化学品储存装置周围的图像采集装置所采集，每个所述图像采集装置与所述危险化学品储存装置的重心之间的距离相等，且每个所述图像采集装置采集的图像中包括所述危险化学品储存装置和以所述危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
判断模块，用于根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；
解读模块，用于对所述分析结果进行解读，其中，若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线。
第三方面，本申请实施例提供了一种危险化学品泄露应急处理设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述危险化学品泄露应急处理方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述危险化学品泄露应急处理方法的步骤。
本发明的有益效果为：
本发明通过在危险化学品储存装置周围安装图像采集装置来实现对危险化学品储存装置的全方位监控，同时对每个监控的画面进行分析，判断是否发生泄露，在发生泄露的情况下，还对泄露的程度进行的分析，进而确定是进行堵塞还是逃生计划。通过本发明中的方法可以自动对泄露的情况做出应急计划，不需要工作人员前去查看后再进行计划的制定，可以提高工作人员的人身安全性。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1是本发明实施例中所述的危险化学品泄露应急处理方法流程示意图；
图2是本发明实施例中所述的危险化学品泄露应急处理装置结构示意图；
图3是本发明实施例中所述的危险化学品泄露应急处理设备结构示意图。
具体实施方式
为使本发明实施例的目的、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，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了一种危险化学品泄露应急处理方法，该方法包括步骤S1、步骤S2和步骤S3。
步骤S1、获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质，每个所述实时图像由安装在所述危险化学品储存装置周围的图像采集装置所采集，每个所述图像采集装置与所述危险化学品储存装置的重心之间的距离相等，且每个所述图像采集装置采集的图像中包括所述危险化学品储存装置和以所述危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
在本步骤中的危险化学品例如可以为汽油、浓硝酸等危险化学品；危险化学品储存装置的外形可以为圆柱形等形状；在本步骤中，为了保证对危险化学品储存装置的全方位监控，本步骤采取了：第一，安装了多个图像采集装置，图像采集装置的具体数量可以用户自定义设置，每个图像采集装置安装的高度最好要高于危险化学品储存装置，以保证采集的图像包括整个危险化学品储存装置；第二，除了采集整个危险化学品储存装置的图像，还考虑到泄露的危险化学品会流向地面，因此采集的图像还包括以危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
步骤S2、根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；
在本步骤中，对每个实时图像进行分析，分析是否发生泄露，具体的分析方法包括步骤S21和步骤S22；
步骤S21、获取第一样本图像集，所述第一样本图像集包括多个历史泄露图像，所述历史泄露图像为已人工标记有泄漏物的历史泄露图像，将所述历史泄露图像输入CycleGAN网络中，所述CycleGAN网络包括第一生成器和第二生成器；利用所述第一生成器生成所述历史泄露图像对应的第一生成图像；利用所述第二生成器和所述第一生成图像生成所述历史泄露图像对应的还原图像；
本步骤的方法为将每个实时图像输入训练好的危险化学品泄漏识别模型中，通过此种方法可以快速的识别出是否发生泄露，而构建危险化学品泄漏识别模型需要大量的泄露图像，考虑到现实中发生泄露的次数并不是太多，获取的泄露图像有限，因此本步骤在获取到的原始泄露图像的基础上，利用CycleGAN网络生成新的泄露图像，以提高训练图像的多样性，进而提高危险化学品泄漏识别模型的识别准确性；
在本步骤中，将历史泄露图像输入CycleGAN网络中，CycleGAN网络中的第一生成器根据历史泄露图像生成第一生成图像，第一生成图像输入第二生成器后，再生成还原图像，构成了一个环形网络；在生成第一生成图像时，可以基于对抗生成网络的风格迁移方法，以历史泄露图像的标注信息作为条件，基于历史泄露图像生成第一生成图像，其中，第一生成图像的计算公式为：
Figure SMS_2
,/>
Figure SMS_4
，公式中，/>
Figure SMS_7
为第一生成图像，/>
Figure SMS_9
表示历史泄露图像，s为历史泄露图像对应的标注信息，/>
Figure SMS_11
为第一生成图像对应的标注信息，/>
Figure SMS_12
,/>
Figure SMS_13
用于表示第一生成器的图像生成操作；在本步骤中，可以直接将历史泄露图像的标注信息作为第一生成图像的标注信息；还原图像的计算公式为：/>
Figure SMS_1
,s,/>
Figure SMS_3
,/>
Figure SMS_5
，公式中，/>
Figure SMS_6
为还原图像，/>
Figure SMS_8
,/>
Figure SMS_10
用于表示第二生成器的图像生成操作；
步骤S22、基于所述还原图像和所述第一生成图像完成对CycleGAN网络的训练，得到训练好的CycleGAN网络，根据所述训练好的CycleGAN网络和所述实时图像得到所述判断结果。本步骤的具体实施方法包括步骤S221和步骤S222；
步骤S221、根据所述历史泄露图像与其对应的还原图像，计算所述CycleGAN网络的生成损失，将所述历史泄露图像对应的标注信息和所述历史泄露图像对应的生成图像的标注信息之间的交叉熵作为预测损失；
在本步骤中，根据历史泄露图像与其对应的还原图像进行第一范式计算，获得生成损失；
步骤S222、根据所述生成损失、所述预测损失及其各自的权重计算总损失，将总损失大于预设的损失阈值作为更新条件，当不满足更新条件时，停止训练，得到训练好的CycleGAN网络，根据所述训练好的CycleGAN网络和所述实时图像，得到所述判断结果。
在本步骤中，各自的权重可以根据用户需求进行自定义设置，当训练完成后则获取到训练好的CycleGAN网络；
在本步骤中，根据所述训练好的CycleGAN网络和所述实时图像，得到所述判断结果的具体实现步骤包括步骤S2221和步骤S2222；
步骤S2221、获取第二样本图像集，所述第二样本图像集包括新的历史泄露图像，将所述第一样本图像集和第二样本图像集集合，得到第三样本图像集，将所述第三样本图像集输入训练好的CycleGAN网络中，得到多个第二生成图像；
在本步骤中，在第一样本图像集的基础上，还添加了新的历史泄露图像，以此来增加样本的多样性，若没有新的历史泄露图像，也可以不获取第二样本图像；同时，在本步骤中，根据训练好的CycleGAN网络可以获取到丰富的训练图像，即第二生成图像，并且生成的训练图像标注信息还与原始的训练图像一样，还可以省去人工标注的成本；
步骤S2222、基于所述第三样本图像集中的图像和每个所述第二生成图像对深度卷积神经网络进行训练生成危险化学品泄漏识别模型；对每个所述实时图像进行去噪和边缘增强处理，得到第一图像，其中，利用canny算子增强实时图像的边缘，将每个所述第一图像输入所述危险化学品泄漏识别模型中，得到所述判断结果。
在本步骤中，通过去噪和边缘增强处理，可以提高图像的质量，提高判断结果的准确性，另外，判断结果包括第一图像中有泄露物结果和没有泄露物的结果；
在步骤S2中，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果的具体的分析方法包括步骤S23和步骤S24；
步骤S23、将发生泄露的第一图像所对应的实时图像的图像采集装置记为第一采集装置；将所述第一采集装置在上一采集时刻采集到的图像记为第二图像，同时也对所述第二图像进行去噪和边缘增强处理，得到第三图像；
步骤S24、过滤掉所述第一图像和所述第三图像中红、绿、蓝三原色色值，过滤掉后再将所述第一图像的每一个像素的灰度值减去所述第三图像中的每一个像素的灰度值，得到第四图像；根据所述第四图像对所述第一图像进行分割，将泄露的化学品的图像分割出来；将泄露的化学品的图像分割出来，根据分割出的危险化学品图像计算所述危险化学品泄露的面积，将所述面积与所述预设条件进行比较分析，得到所述分析结果。
在本步骤中，考虑到发生泄露时是一个动态的过程，上一时刻和下一时刻泄露到地面的危险化学品的泄露面积也不一样，因此将第一图像的每一个像素的灰度值减去第三图像中的每一个像素的灰度值可以消除掉两帧图像中不变的物体对象，得到在变化的物体对象的图像；
在本步骤，根据所述第四图像对所述第一图像进行分割，将泄露的化学品的图像分割出来的具体步骤包括步骤S241；
步骤S241、对所述第四图像进行预处理，得到第五图像，确定所述第五图像中的物体沿水平方向的长度和沿竖直方向的长度，根据沿水平方向的长度和沿竖直方向的长度确定在所述第五图像中泄露的危险化学品的最小外接矩形；确定所述最小外接矩形每个顶点在所述第五图像中的坐标信息，将所述坐标信息作为泄露的化学品在所述第一图像中的位置信息，根据位置信息将泄露的化学品的图像从所述第一图像中分割出来。
在本步骤中，对第四图像进行预处理，其中，预处理包括对其依次进行二值化处理、腐蚀滤波处理和膨胀处理，其中，经过二值化处理可以提高第四图像中物体对象与其余图像之间的对比度，从而更加有利于确定物体对象在第四图像中的位置信息；
经过预处理得到的第五图像所呈现的通常为物体的轮廓，因此可以通过最小外接矩形来确定物体在第五图像中的位置信息，同时由于第五图像与第一图像的尺寸一致，物体对象在第五图像中的坐标与物体对象在第一图像中的坐标不变，因此可以通过最小外接矩形来确定物体对象在第一图像中的位置信息；分割出来之后，可以将最小外接矩形的面积当做危险化学品泄露的面积，然后再将计算得到的泄露面积与预设条件进行对比，其中，预设条件可以为一个预设的数值，当泄露面积大于预设的数值则认为达到预设条件，反之则认为未达到预设条件；
步骤S3、对所述分析结果进行解读，其中，若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线。
在本步骤中，预设条件可以自定义设置；启动堵住泄露口的计划即为发动工作人员，对泄漏口进行堵塞；同时，本步骤的具体实现步骤包括步骤S31和步骤S32；
步骤S31、根据所述危险化学品的化学性质确定需要采集的泄露数据，其中，若所述危险化学品属于易燃易爆化学品，则获取危险化学品储存装置所处环境的温度，若所述温度与所述危险化学品对应的燃点温度之间的差值小于预设阈值，则确定第一撤离路线，所述第一撤离路线为避开所述危险化学品储存装置的路线；若温度与燃点温度之间的差值大于等于预设阈值，则确定所述第一撤离路线的同时也启动所述堵住泄露口的计划；
步骤S32、根据所述危险化学品的化学性质确定需要采集的泄露数据，其中，若所述危险化学品属于易挥发的化学品，则获取当前风向，若当前风向与泄漏口的位置位于同侧，则根据当前风向确定第二撤离路线，所述第二撤离路线为避开所述危险化学品储存装置，且避开与当前风向处于同侧的道路的路线；若当前风向与泄漏口的位置不位于同侧，则确定所述第二撤离路线的同时也启动所述堵住泄露口的计划。
在本步骤中，在制定撤离路线时，考虑到了危险化学品的化学性质，通过此种方法，可以提高撤离路线的安全性。
实施例2
如图2所示，本实施例提供了一种危险化学品泄露应急处理装置，所述装置包括获取模块701、判断模块702和解读模块703。
获取模块701，用于获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质，每个所述实时图像由安装在所述危险化学品储存装置周围的图像采集装置所采集，每个所述图像采集装置与所述危险化学品储存装置的重心之间的距离相等，且每个所述图像采集装置采集的图像中包括所述危险化学品储存装置和以所述危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
判断模块702，用于根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；
解读模块703，用于对所述分析结果进行解读，其中，若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了危险化学品泄露应急处理设备，下文描述的危险化学品泄露应急处理设备与上文描述的危险化学品泄露应急处理方法可相互对应参照。
图3是根据一示例性实施例示出的危险化学品泄露应急处理设备800的框图。如图3所示，该危险化学品泄露应急处理设备800可以包括：处理器801，存储器802。该危险化学品泄露应急处理设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该危险化学品泄露应急处理设备800的整体操作，以完成上述的危险化学品泄露应急处理方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该危险化学品泄露应急处理设备800的操作，这些数据例如可以包括用于在该危险化学品泄露应急处理设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该危险化学品泄露应急处理设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，该危险化学品泄露应急处理设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital SignalProcessing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的危险化学品泄露应急处理方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的危险化学品泄露应急处理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该危险化学品泄露应急处理设备800的处理器801执行以完成上述的危险化学品泄露应急处理方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的危险化学品泄露应急处理方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的危险化学品泄露应急处理方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，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保护范围之内。

Claims (10)

1.一种危险化学品泄露应急处理方法，其特征在于，包括：
获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质，每个所述实时图像由安装在所述危险化学品储存装置周围的图像采集装置所采集，每个所述图像采集装置与所述危险化学品储存装置的重心之间的距离相等，且每个所述图像采集装置采集的图像中包括所述危险化学品储存装置和以所述危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；
对所述分析结果进行解读，其中，若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线。
2.根据权利要求1所述的危险化学品泄露应急处理方法，其特征在于，根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，包括：
获取第一样本图像集，所述第一样本图像集包括多个历史泄露图像，所述历史泄露图像为已人工标记有泄漏物的历史泄露图像，将所述历史泄露图像输入CycleGAN网络中，所述CycleGAN网络包括第一生成器和第二生成器；利用所述第一生成器生成所述历史泄露图像对应的第一生成图像；利用所述第二生成器和所述第一生成图像生成所述历史泄露图像对应的还原图像；
基于所述还原图像和所述第一生成图像完成对CycleGAN网络的训练，得到训练好的CycleGAN网络，根据所述训练好的CycleGAN网络和所述实时图像得到所述判断结果。
3.根据权利要求2所述的危险化学品泄露应急处理方法，其特征在于，基于所述还原图像和所述第一生成图像完成对CycleGAN网络的训练，得到训练好的CycleGAN网络，根据所述训练好的CycleGAN网络和所述实时图像得到所述判断结果，包括：
根据所述历史泄露图像与其对应的还原图像，计算所述CycleGAN网络的生成损失，将所述历史泄露图像对应的标注信息和所述历史泄露图像对应的生成图像的标注信息之间的交叉熵作为预测损失；
根据所述生成损失、所述预测损失及其各自的权重计算总损失，将总损失大于预设的损失阈值作为更新条件，当不满足更新条件时，停止训练，得到训练好的CycleGAN网络，根据所述训练好的CycleGAN网络和所述实时图像，得到所述判断结果。
4.根据权利要求3所述的危险化学品泄露应急处理方法，其特征在于，根据所述训练好的CycleGAN网络和所述实时图像，得到所述判断结果，包括：
获取第二样本图像集，所述第二样本图像集包括新的历史泄露图像，将所述第一样本图像集和第二样本图像集集合，得到第三样本图像集，将所述第三样本图像集输入训练好的CycleGAN网络中，得到多个第二生成图像；
基于所述第三样本图像集中的图像和每个所述第二生成图像对深度卷积神经网络进行训练生成危险化学品泄漏识别模型；对每个所述实时图像进行去噪和边缘增强处理，得到第一图像，其中，利用canny算子增强实时图像的边缘，将每个所述第一图像输入所述危险化学品泄漏识别模型中，得到所述判断结果。
5.根据权利要求1所述的危险化学品泄露应急处理方法，其特征在于，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果，包括：
将发生泄露的第一图像所对应的实时图像的图像采集装置记为第一采集装置；将所述第一采集装置在上一采集时刻采集到的图像记为第二图像，同时也对所述第二图像进行去噪和边缘增强处理，得到第三图像；
过滤掉所述第一图像和所述第三图像中红、绿、蓝三原色色值，过滤掉后再将所述第一图像的每一个像素的灰度值减去所述第三图像中的每一个像素的灰度值，得到第四图像；根据所述第四图像对所述第一图像进行分割，将泄露的化学品的图像分割出来；将泄露的化学品的图像分割出来，根据分割出的危险化学品图像计算所述危险化学品泄露的面积，将所述面积与所述预设条件进行比较分析，得到所述分析结果。
6.根据权利要求5所述的危险化学品泄露应急处理方法，其特征在于，根据所述第四图像对所述第一图像进行分割，将泄露的化学品的图像分割出来，包括：
对所述第四图像进行预处理，得到第五图像，确定所述第五图像中的物体沿水平方向的长度和沿竖直方向的长度，根据沿水平方向的长度和沿竖直方向的长度确定在所述第五图像中泄露的危险化学品的最小外接矩形；确定所述最小外接矩形每个顶点在所述第五图像中的坐标信息，将所述坐标信息作为泄露的化学品在所述第一图像中的位置信息，根据位置信息将泄露的化学品的图像从所述第一图像中分割出来。
7.根据权利要求1所述的危险化学品泄露应急处理方法，其特征在于，若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线，包括：
根据所述危险化学品的化学性质确定需要采集的泄露数据，其中，若所述危险化学品属于易燃易爆化学品，则获取危险化学品储存装置所处环境的温度，若所述温度与所述危险化学品对应的燃点温度之间的差值小于预设阈值，则确定第一撤离路线，所述第一撤离路线为避开所述危险化学品储存装置的路线；若温度与燃点温度之间的差值大于等于预设阈值，则确定所述第一撤离路线的同时也启动所述堵住泄露口的计划；
根据所述危险化学品的化学性质确定需要采集的泄露数据，其中，若所述危险化学品属于易挥发的化学品，则获取当前风向，若当前风向与泄漏口的位置位于同侧，则根据当前风向确定第二撤离路线，所述第二撤离路线为避开所述危险化学品储存装置，且避开与当前风向处于同侧的道路的路线；若当前风向与泄漏口的位置不位于同侧，则确定所述第二撤离路线的同时也启动所述堵住泄露口的计划。
8.一种危险化学品泄露应急处理装置，其特征在于，包括：
获取模块，用于获取危险化学品储存装置周围的每个实时图像和危险化学品的化学性质，每个所述实时图像由安装在所述危险化学品储存装置周围的图像采集装置所采集，每个所述图像采集装置与所述危险化学品储存装置的重心之间的距离相等，且每个所述图像采集装置采集的图像中包括所述危险化学品储存装置和以所述危险化学品储存装置底部的中心为圆心，预设数值为半径所形成的圆周范围；
判断模块，用于根据所述实时图像判断所述危险化学品是否发生泄露，得到判断结果，对所述判断结果进行解读，其中，若发生泄露则计算泄露的程度，将泄露程度与预设条件进行比较分析，得到分析结果；
解读模块，用于对所述分析结果进行解读，其中，若所述分析结果为未达到预设条件，则启动堵住泄露口的计划；若所述分析结果为达到所述预设条件则启动撤离计划，并根据所述危险化学品的化学性质确定需要采集的泄露数据，分析采集的所述泄露数据，确定出撤离路线。
9.一种危险化学品泄露应急处理设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述危险化学品泄露应急处理方法的步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述危险化学品泄露应急处理方法的步骤。
CN202310652863.6A 2023-06-05 2023-06-05 一种危险化学品泄露应急处理方法、装置及可读存储介质 Active CN116403165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310652863.6A CN116403165B (zh) 2023-06-05 2023-06-05 一种危险化学品泄露应急处理方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310652863.6A CN116403165B (zh) 2023-06-05 2023-06-05 一种危险化学品泄露应急处理方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN116403165A true CN116403165A (zh) 2023-07-07
CN116403165B CN116403165B (zh) 2023-08-04

Family

ID=87012655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310652863.6A Active CN116403165B (zh) 2023-06-05 2023-06-05 一种危险化学品泄露应急处理方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN116403165B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914622A (zh) * 2014-04-04 2014-07-09 清华大学 一种化学品泄漏快速预测预警应急响应决策方法
KR101926368B1 (ko) * 2018-06-08 2018-12-07 주식회사 주빅스 유해 화학물질 누출 시 실시간 피해 예측 모니터링 시스템
CN110082782A (zh) * 2019-04-17 2019-08-02 深圳易普森科技股份有限公司 一种危化品园区巡检系统及其实现方法
KR20210004038A (ko) * 2019-07-03 2021-01-13 제이엔케이히터(주) 유해화학물질 누출 방재를 위한 관제 시스템
CN114998838A (zh) * 2022-06-24 2022-09-02 无锡赛弗安全装备有限公司 一种危化品智能存储柜实时监测方法与装置
CN115631461A (zh) * 2022-11-05 2023-01-20 北京市永康药业有限公司 一种危险化学品存放监督预警方法及系统
CN115901108A (zh) * 2022-12-06 2023-04-04 生态环境部南京环境科学研究所 一种危化品生产企业突发流域水环境的风险评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914622A (zh) * 2014-04-04 2014-07-09 清华大学 一种化学品泄漏快速预测预警应急响应决策方法
KR101926368B1 (ko) * 2018-06-08 2018-12-07 주식회사 주빅스 유해 화학물질 누출 시 실시간 피해 예측 모니터링 시스템
CN110082782A (zh) * 2019-04-17 2019-08-02 深圳易普森科技股份有限公司 一种危化品园区巡检系统及其实现方法
KR20210004038A (ko) * 2019-07-03 2021-01-13 제이엔케이히터(주) 유해화학물질 누출 방재를 위한 관제 시스템
CN114998838A (zh) * 2022-06-24 2022-09-02 无锡赛弗安全装备有限公司 一种危化品智能存储柜实时监测方法与装置
CN115631461A (zh) * 2022-11-05 2023-01-20 北京市永康药业有限公司 一种危险化学品存放监督预警方法及系统
CN115901108A (zh) * 2022-12-06 2023-04-04 生态环境部南京环境科学研究所 一种危化品生产企业突发流域水环境的风险评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
邱士起;谭爱军;邹接华;李启萍;黄汉林;王玄玉;杜先林;: "突发化学中毒事故医学应急救援危害评估GIS系统", 实用预防医学, no. 06 *
顾毅;: "数字图像识别技术在对危险化学品船舶监控中的应用", 中国水运(理论版), no. 11 *

Also Published As

Publication number Publication date
CN116403165B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN112364715B (zh) 核电作业异常监控方法、装置、计算机设备和存储介质
CN112347916A (zh) 基于视频图像分析的电力现场作业安全监控方法及装置
CN108579094B (zh) 一种用户界面检测方法及相关装置、系统和存储介质
CN116168351B (zh) 电力设备巡检方法及装置
CN113343779B (zh) 环境异常检测方法、装置、计算机设备和存储介质
CN113066254A (zh) 核电设备工作环境异常预警方法、装置、设备和存储介质
CN113554008B (zh) 静态物体区域内检测方法、装置、电子设备及存储介质
CN111784681A (zh) 钢丝绳乱绳检测方法、装置、计算机设备和存储介质
CN113888514A (zh) 导地线缺陷检测方法、装置、边缘计算设备和存储介质
CN111815576B (zh) 金属部件腐蚀状况检测方法、装置、设备和存储介质
CN114241370A (zh) 基于数字孪生变电站的入侵识别方法、装置和计算机设备
CN112528825A (zh) 一种基于图像识别的车站乘客招援服务方法
CN114937023A (zh) 一种承压设备的缺陷识别方法及装置
CN112085721A (zh) 基于人工智能的水淹车定损方法、装置、设备及存储介质
US20240203128A1 (en) Systems and methods for determining target event
CN114445041A (zh) 一种危化品在途事故应急处理方法及系统
CN116403165B (zh) 一种危险化学品泄露应急处理方法、装置及可读存储介质
CN112001336A (zh) 行人越界报警方法、装置、设备及系统
CN117495804A (zh) 充电站安全监测方法、装置、计算机设备和存储介质
CN114445751A (zh) 视频关键帧图像轮廓特征的提取方法和装置
CN115100592A (zh) 一种输电通道外破隐患识别方法、装置及存储介质
CN117291859A (zh) 一种页面异常检测方法、装置、电子设备和存储介质
CN114387391A (zh) 变电站设备的安全监测方法、装置、计算机设备和介质
CN113869245A (zh) 一种安全区域的识别方法及装置
CN111709360A (zh) 一种安全绳佩戴识别方法及系统

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