CN117094995B - 一种反应釜气体泄漏检测方法、装置、介质及设备 - Google Patents
一种反应釜气体泄漏检测方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN117094995B CN117094995B CN202311346560.8A CN202311346560A CN117094995B CN 117094995 B CN117094995 B CN 117094995B CN 202311346560 A CN202311346560 A CN 202311346560A CN 117094995 B CN117094995 B CN 117094995B
- Authority
- CN
- China
- Prior art keywords
- image
- current
- infrared image
- historical
- reaction kettle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 36
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 239000007789 gas Substances 0.000 description 33
- 230000006870 function Effects 0.000 description 12
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003595 mist Substances 0.000 description 5
- 238000011897 real-time detection Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 229910000041 hydrogen chloride Inorganic materials 0.000 description 1
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 description 1
- 238000009854 hydrometallurgy Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Examining Or Testing Airtightness (AREA)
Abstract
本申请公开了一种反应釜气体泄漏检测方法、装置、介质及设备。其中，方法包括：对反应釜进行实时红外图像采集，获得当前红外图像；基于当前红外图像以及与当前红外图像相邻的历史红外图像，对当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；基于当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。本申请通过实时对反应釜进行红外图像采集，并基于当前红外图像及历史红外图像提取获得当前特征图像，后续就可以基于当前特征图像确定出疑似泄漏的目标位置，由此可根据该目标位置精准的检测出反应釜是否发生气体泄漏。
Description
技术领域
本发明涉及冶金设备检测技术领域，特别涉及一种反应釜气体泄漏检测方法、装置、介质及设备。
背景技术
高压反应釜是湿法冶金领域的常用设备，在实验过程中常涉及大量雾气溢出，如硫酸蒸汽（H2SO4）、氢气（H2）、二氧化硫（SO2）和氯化氢（HCL）。H2SO4为高酸的雾气，具有强腐蚀性；H2极易发生氧化反应，是易燃易爆气体，SO2和HCL都是有毒有害气体，一旦发生泄露就会对现场的人员和设备造成威胁，带来极大的损失。因此泄露检测对于保证现场财产和人员安全具有极大的意义。
现有的泄漏检测方式主要包括：化学方式检测、物理特性检测、泄露声音检测等。然而，化学方式检测只能检测雾气中某些具有特殊化学性质的气体，同时需要雾气积累量达到一定的阈值，因此检测实时性差。物理特性检测需要分析雾气的物理辐射波长，其所用设备成本高昂，并且由于冶化领域矿物质成分差异导致产生的雾气存在多样性，标定难度大，因此同时存在检测结果不够精准的问题。泄露声音检测着重于分析声音的时频特性，容易受到周围机械噪声干扰，因此检测结果不够精准。
发明内容
有鉴于此，本发明提供了一种反应釜气体泄漏检测方法、装置、介质及设备，主要目的在于解决目前泄漏检测存在的检测检测结果不精准、不及时的问题。
为解决上述问题，本申请提供一种反应釜气体泄漏检测方法，包括：
对反应釜进行实时红外图像采集，获得当前红外图像；
基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。
可选的，对反应釜进行实时红外图像采集，获得当前红外图像，具体包括：
基于预先设置在反应釜周围的红外相机阵列，实时对反应釜进行红外图像采集，获得与各相机对应的当前红外图像。
可选的，所述基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像，具体包括：
对所述当前红外图像以及历史红外图像分别进行颜色空间转换，获得HSV颜色空间的当前第一图像以及历史第一图像；
分别对所述当前第一图像以及历史第一图像进行帧间差分处理，获得与所述当前红外图像对应的帧间差分灰度图像；
对所述帧间差分灰度图像进行二值化处理，获得二值图像；
对所述二值图像进行干扰像素点消除处理，获得所述当前特征图像。
可选的，在对所述当前红外图像以及历史红外图像分别进行颜色空间转换之前，所述方法还包括：
对所述当前红外图像以及历史红外图像分别进行滤波处理，获得滤波后的当前红外图像以及滤波后的历史红外图像，以对滤波后的当前红外图像和滤波后的历史红外图像进行颜色空间转换。
可选的，所述反应釜气体泄漏检测方法还包括：
分别对当前第一图像以及历史第一图像进行图像分割，以获得与当前红外图像对应的当前干扰图像以及与历史红外图像对应的历史干扰图像；
基于所述当前干扰图像以及历史干扰图像，构建获得用于进行干扰像素点消除处理的修正图像。
可选的，所述基于所述当前特征图像确定目标位置，具体包括：
基于当前特征图像中各非零像素点的位置，确定所述当前特征图像中的白色区域；
基于所述当前特征图像中的白色区域，确定目标位置。
可选的，所述基于所述目标位置进行泄漏检测，进行泄漏检测，获得检测结果，具体包括：
基于所述目标位置，利用预定的多元高斯模型进行计算，获得泄漏概率值；
基于所述泄漏概率值以及预定的泄漏概率阈值，进行气体泄漏检测，获得所述检查结果。
为解决上述问题，本申请提供一种反应釜气体泄漏检测装置，包括：
采集模块，用于对反应釜进行实时红外图像采集，获得当前红外图像；
特征提取模块，用于基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
检测模块，用于基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。
为解决上述问题，本申请提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述反应釜气体泄漏检测方法的步骤。
为解决上述问题，本申请提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述反应釜气体泄漏检测方法的步骤。
本申请中的反应釜气体泄漏检测方法、装置、介质及设备，通过实时对反应釜进行红外图像采集，由此能够针对采集的当前红外图像以及历史红外图像快速准确的提取获得当前特征图像，后续就可以基于当前特征图像确定出疑似泄漏的目标位置，由此可以根据该目标位置精准的检测出反应釜是否发生气体泄漏，提高的检测结果的准确度。与此同时，由于是基于实时采集的反应釜红外图像进行检测的，因此能够实现对反应釜的实时检测，使得检测结果的更加及时。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例一种反应釜气体泄漏检测方法的流程图；
图2为本申请实施例中第一分割图像示意图；
图3本申请实施例中第二分割图像示意图；
图4为本申请实施例中当前干扰图像示意图；
图5为本申请实施例中当前特征图像示意图；
图6为本申请实施例中红外相机的布置示意图；
图7为本申请实施例中特征图像提取的流程图；
图8为本申请另一实施例一种反应釜气体泄漏检测装置的结构框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供一种反应釜气体泄漏检测方法，具体可以应用于终端、服务器等电子设备，如图1所示，本实施例中的方法包括如下步骤：
步骤S101，对反应釜进行实时红外图像采集，获得当前红外图像；
本步骤中，反应釜可以是高压反应釜，具体可以在高压反应釜周围设置红外相机，利用红外相机来对高压反应釜进行实时图像采集，从而获得当前红外图像。
步骤S102，基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
本步骤中，历史红外图像可以是与当前红外图像的采集时刻相邻的图像，例如历史红外图像为当前红外图像的前一帧图像。在具体实施过程中，可以采用帧间差分法来对当前红外图像和历史红外图像进行帧间差分处理，从而获得当前红外图像对应的当前特征图像，为后续基于当前特征图像进行泄漏检测奠定了基础。
步骤S103，基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。
本步骤在具体实施过程中，可以确定当前特征图像中疑似泄漏的目标位置，然后利用多元高斯模型基于目标位置，计算获得泄漏概率值，后续就可以基于泄漏概率值精准、快速的进行泄漏检测。
本实施例中的反应釜气体泄漏检测方法，通过实时对反应釜进行红外图像采集，由此能够针对采集的当前红外图像以及历史红外图像快速准确的提取获得当前特征图像，后续就可以基于当前特征图像精准的确定出疑似泄漏的目标位置，由此可以根据该目标位置精准的检测出反应釜是否发生气体泄漏，提高的检测结果的准确度。与此同时，由于是基于实时采集的反应釜红外图像进行检测的，因此能够实现对反应釜的实时检测，使得检测结果的更加及时。
本申请又一实施例提供一种反应釜气体泄漏检测方法，本实施例在进行特征图像提取时，具体过程如下：
步骤一、对所述当前红外图像以及历史红外图像分别进行颜色空间转换，获得HSV颜色空间的当前第一图像以及历史第一图像；
本步骤在具体实施过程中，在对红外图像进行颜色空间转换时，具体是将红外图像由RGB颜色空间转化到HSV颜色空间。其原因在于HSV颜色空间在颜色阈值上的范围比RGB颜色空间更大，更容易区分出不同颜色的区域。其转化公式如下公式(1)-(3)所示。
(1)
(2)
(3)
上述公式(1)-(3)中、/>、/>分别代表一个颜色对应的红、绿、蓝三原色的坐标，值在0到1之间，/>表示/>、/>、/>三个值中的最大值，/>则表示最小值。/>、/>、/>则分别表示色调、饱和度和亮度。
步骤二、分别对所述当前第一图像以及历史第一图像进行帧间差分处理，获得与所述当前红外图像对应的帧间差分灰度图像；
本步骤在具体实施过程中，可以利用帧差法计算前后数据帧（当前第一图像与历史第一图像）之间的差异。具体的，可以设定当前第一图像为，前一帧图像（历史第一图像）为/>，则两幅图像可以用如公式(4)和公式(5)表示。/>表示像素点位置坐标；/>、/>表示图像的宽度和高度；/>、/>表示图像中的像素点。
(4)
(5)
本步骤中，在进行帧差法计算时，首先可以利用公式（6）在RGB三个通道（SHV）数据分别相减；然后求绝对值；最后将三个通道的结果求平均值，从而获得帧间差分灰度图像。
(6)
其中，表示两个图像的差异计算结果。
步骤三、对所述帧间差分灰度图像进行二值化处理，获得二值图像；
本步骤在具体实施过程中，可以利用公式(7)对帧间差分灰度图像进行二值化处理，获得二值图像。具体的，可以根据预定的阈值T，对帧间差分灰度图像中的各像素点进行二值化处理，即将像素点大于阈值T的像素点值设置为255，其余值设置为0，由此完成图像的二值化。具体的，可以设置阈值T为7，将帧间差分灰度图像像素点值大于7的像素点设置为255，小于或等于7的像素点设置为0。
(7)
其中，表示灰度图中坐标为/>的像素点值，阈值T是根据工程经验多次调整和测试得到，具体可以设定为7。
步骤四、对所述二值图像进行干扰像素点消除处理，获得所述当前特征图像。
本步骤在具体实施过程中，可以利用修正图像来对二值图像进行干扰像素点消除处理，以消除二值图像中的干扰像素点。
其中，修正图像具体可以通过对当前第一图像以及历史第一图像进行图像分割来获得，具体修正图像的获取过程如下：利用HSV分割算法分别对当前第一图像以及历史第一图像进行图像分割，以获得与当前红外图像对应的当前干扰图像以及与历史红外图像对应的历史干扰图像；基于所述当前干扰图像以及历史干扰图像，构建获得用于进行干扰像素点消除处理的修正图像。也就是，设某一像素点分割后的值为，/>、/>、/>、/>、、/>分别表示在/>、/>、/>三个通道上某一颜色的阈值最小值和最大值，那么HSV分割算法计算过程可以用公式(8)表示。
(8)
本实施中，由于当前第一图像为彩色图像，且图像内包含最高温度“19.8oC”字样，同时也包含红色的“十”字样，以利用“十”标明了该像素点的位置，并且，由于最高温度的“19.8oC”字样以及“十”字样每次在图像中的位置会不同，因此使用帧差法计算两帧图像之间的差异所获得的帧间差分灰度图像会存在干扰。故需要通过上述的HSV图像分割算法分别分割出白色的文字“19.8oC”和红色的“十”，即获得如图2和图3所示的第一分割图像以及第二分割图像，然后将第一分割图像以及第二分割图像进行“与”运算，即将第一分割图像和第二分割图像进行叠加，即可获得与当前第一图像对应的当前干扰图像，具体可以如图4所示。其中，历史干扰图像的获取过程与上述当前干扰图像的获取过程类似，也是先针对历史第一图像采用HSV分割算法分割获得历史第一分割图像以及历史第二分割图像，然后将历史第一分割图像以及历史第二分割图像进行叠加获得历史干扰图像，详细的获取过程在此不再赘述。
在获取到当前干扰图像和历史干扰图像之后，就可以将二者进行叠加，以此来获得修正图像，然后利用修正图像对二值图像进行干扰像素点消除。也即，在获取到二值化的特征图像之后，可以根据修正图像中相机干扰的对应位置，直接将二值图像中这些位置的像素点设置为0，由此就能消除相机的干扰，获得如图5所示的当前特征图像。
本实施例在具体实施过程中，在对所述当前红外图像以及历史红外图像分别进行颜色空间转换之前，还可以对所述当前红外图像以及历史红外图像分别进行滤波处理，获得滤波后的当前红外图像以及滤波后的历史红外图像，以对滤波后的当前红外图像和滤波后的历史红外图像进行颜色空间转换，获得HSV颜色空间的当前第一图像以及历史第一图像。本实施例中通过对当前红外图像以及历史红外图像进行滤波处理，由此能够消除图像的噪声，为后续精准的提取获得当前特征图像提供了保障。
本申请另一实施例提供一种反应釜气体泄漏检测方法，本实施例中，在基于当前特征图像确定目标位置时，具体可以采用如下方式：基于当前特征图像中各非零像素点的位置，确定所述当前特征图像中的白色区域；基于所述当前特征图像中的白色区域，确定疑似泄漏的目标位置。本实施例在具体实施过程中，可以针对当前特征图像，确定图像中所有非零像素块的轮廓，并根据轮廓区域的大小筛选出合适的白色像素块（白色区域），然后白色像素块（白色区域）的中心位置，作为疑似泄漏位置，即获得目标位置。
本申请另一实施例提供一种反应釜气体泄漏检测方法，在确定白色区域后，由于白色区域可能是异物干扰，也可能是气体泄漏，而两种情况的区别在于对于时间的依赖性和持久性。如果是泄露，由于泄漏点的位置是基本不变化的，所以提取到的特征图白色区域中心位置变化在一定范围内，而异物则不同，它在空气中基本是运动的，因此如果是异物，则在特征图中白色区域的中心点是不固定的。
因此需要进一步判断目标位置具体为泄漏位置还是异物闯入，因此在基于目标位置进行泄漏检测时，具体可以利用目标多元高斯函数以及目标位置，计算获得泄漏概率值，从而基于泄漏概率值来进行泄漏检测。即，当泄漏概率值小于或等于预定的泄漏概率阈值时，确定该点为短闯入的异常数据点、即未发生泄漏，当泄漏概率值大于预定的泄漏概率阈值时，确定该点为泄漏位置，从而获得最终的检测结果。
本实施例中，目标多元高斯函数可以为二元高斯函数，具体公式如下：
(9)
其中，表示输入变量，即目标位置的位置坐标；/>代表预定时间段内横、纵坐标的均值；/>、/>表示预定时间段内横、纵坐标的方差。也就是，可以利用预定时间段内各目标位置的横坐标计算获得第一均值μ1以及第一方差/>，同时利用预定时间段内各目标位置的纵坐标计算获得第二均值μ1以及第二方差/>，然后再根据目标位置的横坐标、纵坐标、第一均值、第二均值、第一方差以及第二方差，计算获得泄漏概率值。
本实施例在具体实施过程中，具体可以预先通过如下方式来确定上述的目标多元高斯函数，即二元高斯函数。
步骤一、确定多元高斯模型的概率密度公式，如下公式(10)所示。
(10)
公式（10）中，代表输入的变量，其是一个矩阵；/>代表均值，其是与/>相对应的均值矩阵；/>代表多元高斯的维度，即变量的个数，/>代表协方差矩阵。
步骤二、由于建立多元高斯模型是针对泄漏点位置（目标位置）来计算泄漏概率的，而位置在图像中用横坐标和纵坐标两个量来表示，所以公式(10)中值为2，故公式(10)可以简化为公式(11)。
(11)
步骤三、由于横轴和纵轴两个变量是互不干扰相互独立的，设、/>为两个变量的方差，则公式(11)中的协方差矩阵可以表示为：
(12)
步骤四、利用代替公式(11)中的输入变量/>，用/>代表/>这两个变量的均值，然后再将公式(12)带入公式(11)，由此可以得到上述目标二元高斯函数/模型，即得到公式(9)。
本实施例中，在获得目标二元高斯函数/模型之后，就可以预先采集若干发生泄漏的第一样本图像以及为发生泄漏的第二样本图像，然后分别对各第一样本图像以及各第二样本图像依次进行滤波处理以及特征提取处理，由此获得与各第一样本图像对应的第一样本特征图像、以及与各第二样本图像对应的第二样本特征图像。然后针对第一各样本特征图像以及各第二样本特征图像分别确定对应的样本目标位置，并利用上述目标二元高斯函数针对各样本目标位置计算获得样本概率值，最后根据各第一样图像对应的第一样本概率值以及各第二样本图像对应的各第二样本概率值确定泄漏临界值，并将其作为预定的泄漏概率阈值，后续就可以利用该泄漏概率阈值进行是否发生气体泄漏的判断了，使得最终的检测结果更加精准可靠。
在上述实施例的基础上，以下结合具体的应用场景对本申请中的方法进行详细的说明，本实施例中反应釜气体泄漏的检测过程如下：
步骤一、如图6所示，首先根据现场的实际情况，确定相机的红外工作距离，然后根据红外相机的工作距离和视场范围确定红外相机阵列的位置，要求能够360o无死角的实时监测高压反应釜。以海康威视红外相机为例，每个红外相机的工作距离为1.5米，视场范围则可以通过以下两种方式来实现：1）使用以下公式计算视场：2 x 1/2的切线x角度x距离；2)通过快速的现场测试来确定实际的视场范围。
步骤二：实时将多路红外图像（各红外相机拍摄的当前红外图像）通过局域网连接到边缘计算终端，利用边缘计算终端对各路图像分别进行高斯滤波、中值滤波以消除热噪声和椒盐噪声，并对消除噪声后的高压釜红外图像进行压缩处理，然后传输到服务器。
本步骤中，通过消除噪声处理，以及压缩处理，能够减轻服务器处理多路图像数据的压力和局域网中高分辨率数据传输的网络压力。边缘计算终端可以厦门能算科技有限公司的AI计算盒。
步骤三、服务器分别针对每一路当前红外图像（同一相机拍摄的当前红外图像）进行泄漏检测，具体可以如图7所示，流程包括：
（1）服务器获取到各当前红外图像后，分别对各当前红外图像进行滤波处理，以消除传输过程中产生的噪声。
（2）对滤波后的各当前红外图像进行颜色空间转换，获得HSV颜色空间的当前第一图像。
（3）分别对各当前第一图像进行图像分割，以获得与当前红外图像对应的当前干扰图像；基于同一相机对应的当前干扰图像、以及上一采集时刻采集的历史红外图像所对应的历史干扰图像，构建获得与相机对应的、用于进行干扰像素点消除处理的修正图像。
（4）针对同一相机对应的当前第一图像以及历史第一图像，进行帧间差分处理，获得与各当前红外图像对应的帧间差分灰度图像。
（5）对各帧间差分灰度图像进行二值化处理，获得二值图像。
（6）针对各二值图像，分别利用同一相机对应的修正图像，对相对应的二值图像进行干扰像素点消除处理，获得与各当前红外图像对应的当前特征图像。
（7）查找各当前特征图像中所有非零像素块的轮廓，并根据轮廓区域的大小筛选出合适的白色像素块，计算白色像素块的中心位置，作为可能的泄漏位置，即获得与各当前红外图像对应的目标位置。
（8）利用目标二元高斯函数以及各目标位置分别进行计算，获得与各当前红外图像对应的泄漏概率值。其中，目标二元高斯函数公式如下：
其中，表示输入变量，即目标位置的位置坐标；/>代表/>这两个变量的均值；/>、/>表示/>这两个变量的方差。
（9）将各当前红外图像对应的泄漏概率值分别与预定的泄漏概率阈值比较；当泄漏概率值小于或等于预定的泄漏概率阈值时，确定该点为闯入的异常数据点、未发生泄漏；当泄漏概率值大于预定的泄漏概率阈值时，确定该点为泄漏位置；从而获得与各当前红外图像对应的泄漏检测结果。
（10）在检测到泄露后，按照预定方式输出报警提示信息，以进行泄漏提示。
同时进行报警提示，可以使现场的工作人员及时发现异常，并指明算法检测到的泄露位置，同时记录相关红外图像数据，以便后续原因分析与查看。
如上所述需要在一段时间范围内来统计分析数据、以精准的确定泄漏概率阈值，才能消除短时闯入对于定位结果的影响。考虑到算法的实时性，本申请分别对以1秒、2秒、3秒、4秒为划分区间的不同情况下雾气的检测精度进行了分析，实验结果如表1所示。
表1 不同时间间隔下的检测精度对比
如表1所示当时间划分大于等于2s时检测精度基本不在变化。因此实际应用中，可以在算法运行两秒后才开始对缓存的数据进行实时分析。同时，经过实际测试算法处理一帧数据时间为25ms，并且每一个被判定为泄露的数据帧中泄漏点的位置都是准确的，完全满足现场的处理需求。
本实施例，通过阵列式排布红外相机能够实现360o无死角实时监测高压釜雾气泄露情况，并定位泄露发生的位置；通过边缘计算终端对阵列中各路红外相机采集到的红外图像进行预处理后再上传到服务器能过够有效降低局域网数据传输和服务器数据处理的压力。通过利用多元高斯函数/模型对目标位置进行泄漏概率计算，能够消除短时闯入异物对于泄露定位的影响，使得最终的检测结果更加精准，泄漏检测精度更高可以达到98%。
本申请另一实施例提供一种反应釜气体泄漏检测装置，如图8所示，包括：
采集模块11，用于对反应釜进行实时红外图像采集，获得当前红外图像；
特征提取模块12，用于基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
检测模块13，用于基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。
本实施例在具体实施过程中，所述采集模块具体用于：基于预先设置在反应釜周围的红外相机阵列，实时对反应釜进行红外图像采集，获得与各相机对应的当前红外图像。
本实施例在具体实施过程中，所述特征提取模块具体用于：对所述当前红外图像以及历史红外图像分别进行颜色空间转换，获得HSV颜色空间的当前第一图像以及历史第一图像；分别对所述当前第一图像以及历史第一图像进行帧间差分处理，获得与所述当前红外图像对应的帧间差分灰度图像；对所述帧间差分灰度图像进行二值化处理，获得二值图像；对所述二值图像进行干扰像素点消除处理，获得所述当前特征图像。
本实施例在具体实施过程中，所述特征提取模块还用于，在对所述当前红外图像以及历史红外图像分别进行颜色空间转换之前，对所述当前红外图像以及历史红外图像分别进行滤波处理，获得滤波后的当前红外图像以及滤波后的历史红外图像，以对滤波后的当前红外图像和滤波后的历史红外图像进行颜色空间转换。
本实施例在具体实施过程中，所述反应釜气体泄漏检测装置还包括图像分割模块，所述图像分割模块用于：分别对当前第一图像以及历史第一图像进行图像分割，以获得与当前红外图像对应的当前干扰图像以及与历史红外图像对应的历史干扰图像；基于所述当前干扰图像以及历史干扰图像，构建获得用于进行干扰像素点消除处理的修正图像。
本实施例在具体实施过程中，所述检测模块具体用于：基于当前特征图像中各非零像素点的位置，确定所述当前特征图像中的白色区域；基于所述当前特征图像中的白色区域，确定目标位置。
本实施例在具体实施过程中，所述检测模块具体还用于：基于所述目标位置，利用预定的多元高斯模型进行计算，获得泄漏概率值；
基于所述泄漏概率值以及预定的泄漏概率阈值，进行气体泄漏检测，获得所述检查结果。
本实施例中的反应釜气体泄漏检测装置，通过实时对反应釜进行红外图像采集，由此能够针对采集的当前红外图像以及历史红外图像快速准确的提取获得当前特征图像，后续就可以基于当前特征图像确定出疑似泄漏的目标位置，由此可以根据该目标位置精准的检测出反应釜是否发生气体泄漏，提高的检测结果的准确度。与此同时，由于是基于实时采集的反应釜红外图像进行检测的，因此能够实现对反应釜的实时检测，使得检测结果的更加及时。
本申请另一实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
步骤一、对反应釜进行实时红外图像采集，获得当前红外图像；
步骤二、基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
步骤三、基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。
上述方法步骤的具体实施过程可参见上述任意反应釜气体泄漏检测方法的实施例，本实施例在此不再重复赘述。
本申请中的存储介质，通过通过实时对反应釜进行红外图像采集，由此能够针对采集的当前红外图像以及历史红外图像快速准确的提取获得当前特征图像，后续就可以基于当前特征图像确定出疑似泄漏的目标位置，由此可以根据该目标位置精准的检测出反应釜是否发生气体泄漏，提高的检测结果的准确度。与此同时，由于是基于实时采集的反应釜红外图像进行检测的，因此能够实现对反应釜的实时检测，使得检测结果的更加及时。
本申请另一实施例提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现如下方法步骤：
步骤一、对反应釜进行实时红外图像采集，获得当前红外图像；
步骤二、基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
步骤三、基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果。
上述方法步骤的具体实施过程可参见上述任意反应釜气体泄漏检测方法的实施例，本实施例在此不再重复赘述。
本申请中的电子设备，通过实时对反应釜进行红外图像采集，由此能够针对采集的当前红外图像以及历史红外图像快速准确的提取获得当前特征图像，后续就可以基于当前特征图像确定出疑似泄漏的目标位置，由此可以根据该目标位置精准的检测出反应釜是否发生气体泄漏，提高的检测结果的准确度。与此同时，由于是基于实时采集的反应釜红外图像进行检测的，因此能够实现对反应釜的实时检测，使得检测结果的更加及时。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (7)
1.一种反应釜气体泄漏检测方法，其特征在于，包括：
对反应釜进行实时红外图像采集，获得当前红外图像；
基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果；
所述基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像，具体包括：
对所述当前红外图像以及历史红外图像分别进行颜色空间转换，获得HSV颜色空间的当前第一图像以及历史第一图像；
分别对所述当前第一图像以及历史第一图像进行帧间差分处理，获得与所述当前红外图像对应的帧间差分灰度图像；
对所述帧间差分灰度图像进行二值化处理，获得二值图像；
对所述二值图像进行干扰像素点消除处理，获得所述当前特征图像；
所述基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果，具体包括：
基于当前特征图像中各非零像素点的位置，确定所述当前特征图像中的白色区域；
基于所述当前特征图像中的白色区域，确定目标位置；
基于所述目标位置的位置坐标，预定时间段内横、纵坐标的均值，预定时间段内横、纵坐标的方差，利用预定的多元高斯模型进行计算，获得泄漏概率值；
基于所述泄漏概率值以及预定的泄漏概率阈值，进行气体泄漏检测，获得所述检测结果。
2.如权利要求1所述的方法，其特征在于，对反应釜进行实时红外图像采集，获得当前红外图像，具体包括：
基于预先设置在反应釜周围的红外相机阵列，实时对反应釜进行红外图像采集，获得与各相机对应的当前红外图像。
3.如权利要求1所述的方法，其特征在于，在对所述当前红外图像以及历史红外图像分别进行颜色空间转换之前，所述方法还包括：
对所述当前红外图像以及历史红外图像分别进行滤波处理，获得滤波后的当前红外图像以及滤波后的历史红外图像，以对滤波后的当前红外图像和滤波后的历史红外图像进行颜色空间转换。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
分别对当前第一图像以及历史第一图像进行图像分割，以获得与当前红外图像对应的当前干扰图像以及与历史红外图像对应的历史干扰图像；
基于所述当前干扰图像以及历史干扰图像，构建获得用于进行干扰像素点消除处理的修正图像。
5.一种反应釜气体泄漏检测装置，其特征在于，包括：
采集模块，用于对反应釜进行实时红外图像采集，获得当前红外图像；
特征提取模块，用于基于所述当前红外图像以及与当前红外图像相邻的历史红外图像，对所述当前红外图像进行特征提取，获得与当前红外图像对应的当前特征图像；
检测模块，用于基于所述当前特征图像确定目标位置，并基于所述目标位置进行泄漏检测，获得检测结果；
所述特征提取模块具体用于：
对所述当前红外图像以及历史红外图像分别进行颜色空间转换，获得HSV颜色空间的当前第一图像以及历史第一图像；
分别对所述当前第一图像以及历史第一图像进行帧间差分处理，获得与所述当前红外图像对应的帧间差分灰度图像；
对所述帧间差分灰度图像进行二值化处理，获得二值图像；
对所述二值图像进行干扰像素点消除处理，获得所述当前特征图像；
所述检测模块具体用于：
基于当前特征图像中各非零像素点的位置，确定所述当前特征图像中的白色区域；
基于所述当前特征图像中的白色区域，确定目标位置；
基于所述目标位置，的位置坐标，预定时间段内横、纵坐标的均值，预定时间段内横、纵坐标的方差，利用预定的多元高斯模型进行计算，获得泄漏概率值；
基于所述泄漏概率值以及预定的泄漏概率阈值，进行气体泄漏检测，获得所述检测结果。
6.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-4任一项所述反应釜气体泄漏检测方法的步骤。
7.一种电子设备，其特征在于，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述权利要求1-4任一项所述反应釜气体泄漏检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311346560.8A CN117094995B (zh) | 2023-10-18 | 2023-10-18 | 一种反应釜气体泄漏检测方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311346560.8A CN117094995B (zh) | 2023-10-18 | 2023-10-18 | 一种反应釜气体泄漏检测方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117094995A CN117094995A (zh) | 2023-11-21 |
| CN117094995B true CN117094995B (zh) | 2024-02-06 |
Family
ID=88777643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311346560.8A Active CN117094995B (zh) | 2023-10-18 | 2023-10-18 | 一种反应釜气体泄漏检测方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094995B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006268200A (ja) * | 2005-03-22 | 2006-10-05 | Nagasaki Univ | 炎・ガス煙検出システムおよび炎・ガス煙検出方法 |
| CN105389814A (zh) * | 2015-11-03 | 2016-03-09 | 浙江工业大学 | 一种用于气密性试验的气泡检测方法 |
| CN105447471A (zh) * | 2015-12-04 | 2016-03-30 | 国网技术学院 | 基于红外检测的设备气体泄漏识别方法和装置 |
| CN107016694A (zh) * | 2017-04-12 | 2017-08-04 | 国网山东省电力公司电力科学研究院 | 一种基于红外视频的sf6气体泄漏自动检测方法 |
| CN107197473A (zh) * | 2017-06-15 | 2017-09-22 | 三星电子（中国）研发中心 | 一种终端异常状态确定方法和装置 |
| CN109727202A (zh) * | 2017-10-27 | 2019-05-07 | 清华大学 | 气体红外视频增强方法、装置及存储介质 |
| CN111325721A (zh) * | 2020-02-13 | 2020-06-23 | 北京信息科技大学 | 一种基于红外热成像的气体泄漏检测方法及系统 |
-
2023
- 2023-10-18 CN CN202311346560.8A patent/CN117094995B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006268200A (ja) * | 2005-03-22 | 2006-10-05 | Nagasaki Univ | 炎・ガス煙検出システムおよび炎・ガス煙検出方法 |
| CN105389814A (zh) * | 2015-11-03 | 2016-03-09 | 浙江工业大学 | 一种用于气密性试验的气泡检测方法 |
| CN105447471A (zh) * | 2015-12-04 | 2016-03-30 | 国网技术学院 | 基于红外检测的设备气体泄漏识别方法和装置 |
| CN107016694A (zh) * | 2017-04-12 | 2017-08-04 | 国网山东省电力公司电力科学研究院 | 一种基于红外视频的sf6气体泄漏自动检测方法 |
| CN107197473A (zh) * | 2017-06-15 | 2017-09-22 | 三星电子（中国）研发中心 | 一种终端异常状态确定方法和装置 |
| CN109727202A (zh) * | 2017-10-27 | 2019-05-07 | 清华大学 | 气体红外视频增强方法、装置及存储介质 |
| CN111325721A (zh) * | 2020-02-13 | 2020-06-23 | 北京信息科技大学 | 一种基于红外热成像的气体泄漏检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117094995A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416968B (zh) | 火灾预警方法和装置 | |
| EP2871610B1 (en) | Infrared image based early detection of oil spills in water | |
| CN107292879B (zh) | 一种基于图像分析的金属板材表面异常检测方法 | |
| CN111563896B (zh) | 一种用于接触网异常检测的图像处理方法 | |
| CN114742799B (zh) | 基于自监督异构网络的工业场景未知类型缺陷分割方法 | |
| CN110991493B (zh) | 一种协同表示和异常剔除的高光谱异常检测方法 | |
| 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 | |
| CN116229668A (zh) | 基于红外视频监测的火灾定位系统 | |
| CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
| CN116721107A (zh) | 一种电缆生产质量智能监控系统 | |
| CN115310555A (zh) | 一种基于局部感知知识蒸馏网络的图像异常检测方法 | |
| CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
| JP6954242B2 (ja) | 定置式ガス検知装置の設置箇所の調査方法 | |
| CN112927459B (zh) | 一种基于无人机视觉的九宫格火势预测方法及应用 | |
| CN117094995B (zh) | 一种反应釜气体泄漏检测方法、装置、介质及设备 | |
| CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
| CN113096103A (zh) | 一种面向放空火炬的烟气智能影像感知方法 | |
| CN112465747A (zh) | 一种输电杆塔金具锈蚀的智能识别方法 | |
| CN111967323A (zh) | 一种基于深度学习算法的电力带电作业安全检测方法 | |
| CN115841609A (zh) | 基于红外热图像分析的石化区火源检测方法、系统及应用 | |
| 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 | |
| CN115965796A (zh) | 一种基于图像识别的金属锈蚀检测方法及系统 | |
| CN115439319A (zh) | 一种电滑线防护装置裸露检测方法 | |
| CN111723808B (zh) | 一种基于最大值背景预测的红外弱目标提取方法 | |
| CN111191575B (zh) | 一种基于火苗跳动建模的明火检测方法及系统 |
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 |