CN117948541B - 一种基于机器视觉的液氨储罐泄露监控系统及方法 - Google Patents
一种基于机器视觉的液氨储罐泄露监控系统及方法 Download PDFInfo
- Publication number
- CN117948541B CN117948541B CN202410355078.9A CN202410355078A CN117948541B CN 117948541 B CN117948541 B CN 117948541B CN 202410355078 A CN202410355078 A CN 202410355078A CN 117948541 B CN117948541 B CN 117948541B
- Authority
- CN
- China
- Prior art keywords
- storage tank
- liquid ammonia
- ammonia storage
- image
- abnormal value
- 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
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims description 163
- 238000004364 calculation method Methods 0.000 claims description 73
- 239000007788 liquid Substances 0.000 claims description 52
- 230000007613 environmental effect Effects 0.000 claims description 33
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 30
- 239000001301 oxygen Substances 0.000 claims description 30
- 229910052760 oxygen Inorganic materials 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 229910021529 ammonia Inorganic materials 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Landscapes
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种基于机器视觉的液氨储罐泄露监控系统及方法,属于一般的控制系统领域,本发明将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值,将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算,将计算得到的整体异常值与设定的整体异常阈值进行对比,若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警,通过对液氨储罐的图像和液氨储罐所处的环境数据进行综合判断,对发生的故障信息进行准确掌握,提高了对液氨储罐泄露的监控准确性。
Description
技术领域
本发明属于一般的控制系统技术领域,具体的说是一种基于机器视觉的液氨储罐泄露监控系统及方法。
背景技术
基于机器视觉的液氨储罐泄露监控系统是一种利用机器视觉技术来监测液氨储罐泄露的系统。该系统通过安装摄像头等设备,实时监测液氨储罐及周围环境的情况,并利用机器学习和图像处理算法,进行实时的泄露监测和预警。
例如授权公告号为CN109765783B的中国专利中涉及一种液氨储罐泄露预警方法及预警装置,属于危险品仓储监控预警技术领域。所述预警方法及预警装置根据压力、温度、液位、储罐年限、储罐厂家的相应历史数据情况下,储罐泄露事故的历史数据采用logistic回归,得出最佳回归系数。之后根据当前压力、温度、液位、储罐年限、储罐厂家参数,对是否会发生液氨储罐泄露进行预测;一旦预测为会发生液氨储罐泄露,则进行报警并执行相应处理。本发明所述液氨储罐泄露预警方法及预警装置可自行设置预警裕度,避免了单一监控方法中对于较多综合因素相互作用引起的液氨储罐泄露的预警能力不足,以及对于因储罐老化等原因造成的预警能力缺失。
同时例如在授权公告号为CN217932489U的中国专利中公开一种用于液氨储罐泄露监控系统,包括电源,还包括中央处理器、氨气检测仪、液氨检测模块、声光报警器、视频监控装置、状态显示模块、排气装置、泄漏处理装置、通讯模块、接近报警装置、储罐监测模块、静电消除装置。液氨检测模块、声光报警器、视频监控装置、状态显示模块、排气装置、泄漏处理装置、通讯模块、接近报警装置、储罐监测模块与中央处理器连接;中央处理器、静电消除装置分别与电源连接;氨气检测仪与通讯模块通讯连接。检测空气中的氨气浓度以及液氨储罐内液氨的状态,当检测到空气中有氨气挥发时,触发报警器报警,提供视频监控装置,监控液氨储罐场地情况,泄漏处理装置可以避免氨气浓度过高四处散发造成危害。
以上专利均存在本背景技术提出的问题:对于液氨储罐泄露的预警方法,通过报警以及微处理器控制相应的执行机构(如喷淋阀、泄压阀)降低或排除危险。但是该类监控方法对于液氨储罐泄露的预警虽然具有一定作用,但对于因储罐老化等原因造成的预警往往效果不大;对于较多综合因素相互作用引起的液氨储罐泄露,也往往不能做到很好的预警,现有技术中均存在上述问题,为了解决这些问题,本申请设计了一种基于机器视觉的液氨储罐泄露监控系统及方法。
发明内容
针对现有技术的不足,本发明提出了一种基于机器视觉的液氨储罐泄露监控系统及方法。
为实现上述目的,本发明提供如下技术方案:
一种基于机器视觉的液氨储罐泄露监控方法,其包括以下具体步骤:
S1、通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集;
S2、将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值;
S3、将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值;
S4、将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算;
S5、将计算得到的整体异常值与设定的整体异常阈值进行对比,若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警。
具体的,所述S1包括以下具体步骤:
S11、通过摄像头对液氨储罐附近图像进行图像采集,获取设定周期的周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像,获取周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值,储存在第一储存模组中;
S12、通过液面高度采集模组采集液氨储罐的液面高度数据,通过压力采集模组采集液氨储罐的液体压力数据,储存在第二储存模组中;
S13、通过环境采集模组对液氨储罐所处的环境数据进行采集,其中环境数据包括温度和氧气浓度,储存在第三储存模组中。
具体的,所述S2中液氨储罐图像异常值计算策略的具体内容如下:
S21、获取周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值,这里的液氨储罐附近图像为通过固定在一个位置的摄像头进行拍摄的图像;
S22、将获取的周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值代入液氨储罐图像异常值计算公式中计算液氨储罐图像异常值,其中,液氨储罐图像异常值计算公式为:,其中,/>为像素占比系数,/>为液面高度占比系数,/>为液体压力数据占比系数,n为周期起始的液氨储罐附近图像的像素点个数,/>为周期起始的液氨储罐附近图像第i个像素点的像素值,/>为周期末尾的液氨储罐附近图像第i个像素点的像素值,/>为液面高度安全范围的中值,/>为周期末尾的液面高度,/>为液面高度安全范围的最大值,/>为液面高度安全范围的最小值,/>为液体压力数据安全范围的中值,/>为周期末尾的液体压力,/>为液体压力数据安全范围的最大值,/>为液体压力数据安全范围的最小值,其中,/>。
具体的,所述S3中液氨储罐环境异常值计算策略的具体内容为:
获取液氨储罐所处的环境温度和氧气浓度数据,同时获取液氨储罐所处的环境温度安全范围和氧气浓度安全范围,将得到的环境温度和氧气浓度数据、环境温度安全范围和氧气浓度安全范围代入液氨储罐环境异常值计算公式中进行液氨储罐环境异常值的计算,其中,液氨储罐环境异常值计算公式为:,其中,/>为环境温度占比系数,/>为氧气浓度占比系数,/>为测量周期内的温度平均值,/>为环境温度安全范围的中值,/>为环境温度安全范围的最大值,/>为环境温度安全范围的最小值,/>为测量周期内的氧气浓度平均值,/>为环境氧气浓度安全范围的中值,/>为环境氧气浓度安全范围的最大值,/>为环境氧气浓度安全范围的最小值,其中,。
具体的,所述S4中整体异常值计算策略包括以下具体内容:
获取计算得到的液氨储罐图像异常值和液氨储罐环境异常值,将得到的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算公式中计算整体异常值,整体异常值计算公式为:,其中,/>为液氨储罐图像异常值占比系数,/>为液氨储罐环境异常值占比系数,/>。
在此需要说明的是,这里的整体异常阈值、、/>、/>、/>、/>、/>和/>的取值方式为:获取5000组液氨储罐图像和环境数据采集进行人工故障判断,将判断结果和计算得到的整体异常值导入拟合软件中进行整体异常阈值、/>、/>、/>、/>、/>、/>和/>的最优值输出。
具体的,所述S5包括以下具体步骤:
获取计算得到的整体异常值,将计算得到的整体异常值与设定的整体异常阈值进行对比;
若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警。
具体的,一种基于机器视觉的液氨储罐泄露监控系统,其基于上述一种基于机器视觉的液氨储罐泄露监控方法实现,其具体包括:数据获取模块、图像异常值计算模块、液氨储罐环境异常值计算模块、整体异常值计算模块、数据对比模块、故障报警模块和控制模块,所述数据获取模块用于通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集,所述图像异常值计算模块用于将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值,所述液氨储罐环境异常值计算模块用于将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值。
具体的,所述整体异常值计算模块用于将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算,所述数据对比模块用于将计算得到的整体异常值与设定的整体异常阈值进行对比,所述故障报警模块用于对得到的整体异常值大于等于设定的整体异常阈值的情况进行故障报警。
具体的,所述控制模块用于控制数据获取模块、图像异常值计算模块、液氨储罐环境异常值计算模块、整体异常值计算模块、数据对比模块和故障报警模块的运行。
具体的,一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序。
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的一种基于机器视觉的液氨储罐泄露监控方法。
具体的,一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如上述的一种基于机器视觉的液氨储罐泄露监控方法。
与现有技术相比,本发明的有益效果是:
本发明通过摄像头对液氨储罐进行图像采集,获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集,将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值,将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值,将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算,将计算得到的整体异常值与设定的整体异常阈值进行对比,若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警,通过对液氨储罐的图像和液氨储罐所处的环境数据进行综合判断,对发生的故障信息进行准确掌握,提高了对液氨储罐泄露的监控准确性。
附图说明
图1为本发明一种基于机器视觉的液氨储罐泄露监控方法流程示意图;
图2为本发明一种基于机器视觉的液氨储罐泄露监控方法S1步具体流程示意图;
图3为本发明一种基于机器视觉的液氨储罐泄露监控方法S2步具体流程示意图;
图4为本发明一种基于机器视觉的液氨储罐泄露监控系统构架示意图。
具体实施方式
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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。
实施例1
请参阅图1-图3,本发明提供的一种实施例:一种基于机器视觉的液氨储罐泄露监控方法,其包括以下具体步骤:
S1、通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集;
S2、将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值;
S3、将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值;
S4、将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算;
S5、将计算得到的整体异常值与设定的整体异常阈值进行对比,若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警;
在本实施例中,S1包括以下具体步骤:
S11、通过摄像头对液氨储罐附近图像进行图像采集,获取设定周期的周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像,获取周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值,储存在第一储存模组中;
以下是一个基本的Python代码示例,使用OpenCV库来获取液氨储罐附近的图像。此代码将通过摄像头对液氨储罐进行图像采集,获取设定周期的周期起始和周期末尾的图像;注意,需要将代码中的一些参数(如摄像头设备的编号,采集图像的分辨率等)替换为你实际的环境参数;
import cv2
import schedule
import time
# 摄像头设备的编号,你可能需要根据你的摄像头型号进行调整
camera_device = 0
# 设置摄像头的分辨率
camera_resolution = (640, 480)
# 设定图像采集的周期(以秒为单位)
capture_interval = 60 # 每60秒采集一次图像
# 获取摄像头设备对象
cap = cv2.VideoCapture(camera_device)
# 设置摄像头分辨率
cap.set(cv2.CAP_PROP_FRAME_WIDTH, camera_resolution[0])
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, camera_resolution[1])
# 初始化一个空的队列来存储图像
images = []
while True:
# 从摄像头获取一帧图像
ret, frame = cap.read()
if not ret:
print("无法获取图像")
break
images.append(frame) # 将图像添加到队列中
# 每隔一段时间(例如,每60秒)采集一次图像
if len(images) >= capture_interval: # 队列中已经有足够的图像可以显示了
images.pop(0) # 删除队列中的第一张图像(也就是最新的图像)
start_image = images[capture_interval - 1] # 获取周期起始的图像
end_image = images[-1] # 获取周期末尾的图像
cv2.imshow('Nitrogen Tank', start_image) # 显示周期起始的图像
time.sleep(1) # 等待一秒再显示周期末尾的图像
cv2.imshow('Nitrogen Tank', end_image) # 显示周期末尾的图像
cv2.waitKey(1) # 等待用户按键,然后关闭窗口和队列
images =[] # 重置图像队列为空
注意:这个代码只是一个基本的示例,你=可能需要根据你的具体需求进行调整;
S12、通过液面高度采集模组采集液氨储罐的液面高度数据,通过压力采集模组采集液氨储罐的液体压力数据,储存在第二储存模组中;
S13、通过环境采集模组对液氨储罐所处的环境数据进行采集,其中环境数据包括温度和氧气浓度,储存在第三储存模组中;
在本实施例中,S2中液氨储罐图像异常值计算策略的具体内容如下:
S21、获取周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值,这里的液氨储罐附近图像为通过固定在一个位置的摄像头进行拍摄的图像;
S22、将获取的周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值代入液氨储罐图像异常值计算公式中计算液氨储罐图像异常值,其中,液氨储罐图像异常值计算公式为:,其中,/>为像素占比系数,/>为液面高度占比系数,/>为液体压力数据占比系数,n为周期起始的液氨储罐附近图像的像素点个数,/>为周期起始的液氨储罐附近图像第i个像素点的像素值,/>为周期末尾的液氨储罐附近图像第i个像素点的像素值,/>为液面高度安全范围的中值,/>为周期末尾的液面高度,/>为液面高度安全范围的最大值,/>为液面高度安全范围的最小值,/>为液体压力数据安全范围的中值,/>为周期末尾的液体压力,/>为液体压力数据安全范围的最大值,/>为液体压力数据安全范围的最小值,其中,/>。
在本实施例中,S3中液氨储罐环境异常值计算策略的具体内容为:
获取液氨储罐所处的环境温度和氧气浓度数据,同时获取液氨储罐所处的环境温度安全范围和氧气浓度安全范围,将得到的环境温度和氧气浓度数据、环境温度安全范围和氧气浓度安全范围代入液氨储罐环境异常值计算公式中进行液氨储罐环境异常值的计算,其中,液氨储罐环境异常值计算公式为:,其中,/>为环境温度占比系数,/>为氧气浓度占比系数,/>为测量周期内的温度平均值,/>为环境温度安全范围的中值,/>为环境温度安全范围的最大值,/>为环境温度安全范围的最小值,/>为测量周期内的氧气浓度平均值,/>为环境氧气浓度安全范围的中值,/>为环境氧气浓度安全范围的最大值,/>为环境氧气浓度安全范围的最小值,其中,。
在本实施例中,S4中整体异常值计算策略包括以下具体内容:
获取计算得到的液氨储罐图像异常值和液氨储罐环境异常值,将得到的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算公式中计算整体异常值,整体异常值计算公式为:,其中,/>为液氨储罐图像异常值占比系数,/>为液氨储罐环境异常值占比系数,/>。
在此需要说明的是,这里的整体异常阈值、、/>、/>、/>、/>、/>和/>的取值方式为:获取5000组液氨储罐图像和环境数据采集进行人工故障判断,将判断结果和计算得到的整体异常值导入拟合软件中进行整体异常阈值、/>、/>、/>、/>、/>、/>和/>的最优值输出。
在本实施例中,S5包括以下具体步骤:
获取计算得到的整体异常值,将计算得到的整体异常值与设定的整体异常阈值进行对比;
若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警。
通过本实施例能够实现:通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集,将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值,将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值,将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算,将计算得到的整体异常值与设定的整体异常阈值进行对比,若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警,通过对液氨储罐的图像和液氨储罐所处的环境数据进行综合判断,对发生的故障信息进行准确掌握,提高了对液氨储罐泄露的监控准确性。
实施例2
如图4所示,一种基于机器视觉的液氨储罐泄露监控系统,其基于上述一种基于机器视觉的液氨储罐泄露监控方法实现,其具体包括:数据获取模块、图像异常值计算模块、液氨储罐环境异常值计算模块、整体异常值计算模块、数据对比模块、故障报警模块和控制模块,数据获取模块用于通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集,图像异常值计算模块用于将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值,液氨储罐环境异常值计算模块用于将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值;整体异常值计算模块用于将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算,数据对比模块用于将计算得到的整体异常值与设定的整体异常阈值进行对比,故障报警模块用于对得到的整体异常值大于等于设定的整体异常阈值的情况进行故障报警;控制模块用于控制数据获取模块、图像异常值计算模块、液氨储罐环境异常值计算模块、整体异常值计算模块、数据对比模块和故障报警模块的运行。
实施例3
本实施例提供一种电子设备,包括:处理器和存储器,其中,存储器中存储有可供处理器调用的计算机程序;
处理器通过调用存储器中存储的计算机程序,执行上述的一种基于机器视觉的液氨储罐泄露监控方法。
该电子设备可因配置或性能不同而产生比较大的差异,能够包括一个或一个以上的处理器(Central Processing Units,CPU)和一个或一个以上的存储器,其中,该存储器中存储有至少一条计算机程序,该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种基于机器视觉的液氨储罐泄露监控方法。该电子设备还能够包括其他用于实现设备功能的部件,例如,该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件,以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质,其上存储有可擦写的计算机程序。
当计算机程序在计算机设备上运行时,使得计算机设备执行上述的一种基于机器视觉的液氨储罐泄露监控方法。
例如,计算机可读存储介质能够是只读存储器(Read-Only Memory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、只读光盘(Compact Disc Read-OnlyMemory,简称:CD-ROM)、磁带、软盘和光数据存储设备等。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,根据A确定B并不意味着仅仅根据A确定B,还能够根据A和/或其它信息确定B。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到所揭露的系统、装置和方法可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于机器视觉的液氨储罐泄露监控方法,其特征在于,其包括以下具体步骤:
S1、通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集;
S2、将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值;
S3、将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值;
S4、将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算;
S5、将计算得到的整体异常值与设定的整体异常阈值进行对比,若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警;所述S1包括以下具体步骤:
S11、通过摄像头对液氨储罐附近图像进行图像采集,获取设定周期的周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像,获取周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值,储存在第一储存模组中;
S12、通过液面高度采集模组采集液氨储罐的液面高度数据,通过压力采集模组采集液氨储罐的液体压力数据,储存在第二储存模组中;
S13、通过环境采集模组对液氨储罐所处的环境数据进行采集,其中环境数据包括温度和氧气浓度,储存在第三储存模组中;所述S2中液氨储罐图像异常值计算策略的具体内容如下:
S21、获取周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值,这里的液氨储罐附近图像为通过固定在一个位置的摄像头进行拍摄的图像;
S22、将获取的周期起始的液氨储罐附近图像和周期末尾的液氨储罐附近图像的各像素点的像素值代入液氨储罐图像异常值计算公式中计算液氨储罐图像异常值,其中,液氨储罐图像异常值计算公式为:,其中,/>为像素占比系数,/>为液面高度占比系数,/>为液体压力占比系数,n为周期起始的液氨储罐附近图像的像素点个数,/>为周期起始的液氨储罐附近图像第i个像素点的像素值,/>为周期末尾的液氨储罐附近图像第i个像素点的像素值,/>为液面高度安全范围的中值,/>为周期末尾的液面高度,/>为液面高度安全范围的最大值,/>为液面高度安全范围的最小值,/>为液体压力数据安全范围的中值,/>为周期末尾的液体压力,/>为液体压力数据安全范围的最大值,/>为液体压力数据安全范围的最小值,其中,/>。
2.如权利要求1所述的一种基于机器视觉的液氨储罐泄露监控方法,其特征在于,所述S3中液氨储罐环境异常值计算策略的具体内容为:
获取液氨储罐所处的环境温度和氧气浓度数据,同时获取液氨储罐所处的环境温度安全范围和氧气浓度安全范围,将得到的环境温度和氧气浓度数据、环境温度安全范围和氧气浓度安全范围代入液氨储罐环境异常值计算公式中进行液氨储罐环境异常值的计算,其中,液氨储罐环境异常值计算公式为:,其中,为环境温度占比系数,/>为氧气浓度占比系数,/>为测量周期内的温度平均值,/>为环境温度安全范围的中值,/>为环境温度安全范围的最大值,/>为环境温度安全范围的最小值,/>为测量周期内的氧气浓度平均值,/>为环境氧气浓度安全范围的中值,/>为环境氧气浓度安全范围的最大值,/>为环境氧气浓度安全范围的最小值,其中,。
3.如权利要求2所述的一种基于机器视觉的液氨储罐泄露监控方法,其特征在于,所述S4中整体异常值计算策略包括以下具体内容:
获取计算得到的液氨储罐图像异常值和液氨储罐环境异常值,将得到的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算公式中计算整体异常值,整体异常值计算公式为:,其中,/>为液氨储罐图像异常值占比系数,/>为液氨储罐环境异常值占比系数,/>。
4.如权利要求3所述的一种基于机器视觉的液氨储罐泄露监控方法,其特征在于,所述S5包括以下具体步骤:
获取计算得到的整体异常值,将计算得到的整体异常值与设定的整体异常阈值进行对比;
若得到的整体异常值大于等于设定的整体异常阈值,则进行故障报警,若得到的整体异常值小于设定的整体异常阈值,则不进行故障报警。
5.一种基于机器视觉的液氨储罐泄露监控系统,其基于如权利要求1-4任一项的所述一种基于机器视觉的液氨储罐泄露监控方法实现,其特征在于,其具体包括:数据获取模块、图像异常值计算模块、液氨储罐环境异常值计算模块、整体异常值计算模块、数据对比模块、故障报警模块和控制模块,所述数据获取模块用于通过摄像头对液氨储罐进行图像采集,同时获取液氨储罐的液面高度和压力数据,同时通过环境采集模组对液氨储罐所处的环境数据进行采集,所述图像异常值计算模块用于将获取的液氨储罐图像数据导入液氨储罐图像异常值计算策略中计算液氨储罐图像异常值,所述液氨储罐环境异常值计算模块用于将获取的液氨储罐所处的环境数据导入液氨储罐环境异常值计算策略中计算液氨储罐环境异常值。
6.如权利要求5中所述的一种基于机器视觉的液氨储罐泄露监控系统,其特征在于,所述整体异常值计算模块用于将获取的液氨储罐图像异常值和液氨储罐环境异常值代入整体异常值计算策略中进行整体异常值的计算,所述数据对比模块用于将计算得到的整体异常值与设定的整体异常阈值进行对比,所述故障报警模块用于对得到的整体异常值大于等于设定的整体异常阈值的情况进行故障报警。
7.如权利要求6中所述的一种基于机器视觉的液氨储罐泄露监控系统,其特征在于,所述控制模块用于控制数据获取模块、图像异常值计算模块、液氨储罐环境异常值计算模块、整体异常值计算模块、数据对比模块和故障报警模块的运行。
8.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行权利要求1-4任一项所述的一种基于机器视觉的液氨储罐泄露监控方法。
9.一种计算机可读存储介质,其特征在于:储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-4任意一项所述的一种基于机器视觉的液氨储罐泄露监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410355078.9A CN117948541B (zh) | 2024-03-27 | 2024-03-27 | 一种基于机器视觉的液氨储罐泄露监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410355078.9A CN117948541B (zh) | 2024-03-27 | 2024-03-27 | 一种基于机器视觉的液氨储罐泄露监控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117948541A CN117948541A (zh) | 2024-04-30 |
CN117948541B true CN117948541B (zh) | 2024-05-28 |
Family
ID=90793046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410355078.9A Active CN117948541B (zh) | 2024-03-27 | 2024-03-27 | 一种基于机器视觉的液氨储罐泄露监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117948541B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103712059A (zh) * | 2013-11-29 | 2014-04-09 | 中国海洋石油总公司 | 液化天然气储罐泄漏区域定位方法 |
CN109215296A (zh) * | 2018-10-08 | 2019-01-15 | 武汉爱迪科技股份有限公司 | 一种用于安全生产事故隐患监控的液氨泄露报警系统 |
CN109489717A (zh) * | 2018-10-08 | 2019-03-19 | 武汉爱迪科技股份有限公司 | 用于安全生产事故隐患监控的液氨设备监控系统 |
CN109519702A (zh) * | 2018-10-08 | 2019-03-26 | 武汉爱迪科技股份有限公司 | 一种用于安全生产事故隐患监控的液氨泄露紧急处理系统 |
CN208847389U (zh) * | 2018-10-08 | 2019-05-10 | 武汉爱迪科技股份有限公司 | 用于安全生产事故隐患监控的液氨设备监控系统 |
CN109765783A (zh) * | 2018-12-10 | 2019-05-17 | 常州机电职业技术学院 | 一种液氨储罐泄露预警方法及预警装置 |
CN114893724A (zh) * | 2022-07-15 | 2022-08-12 | 四川绵竹川润化工有限公司 | 一种液氨泄漏监测方法、监测装置及监测测试系统 |
CN115875601A (zh) * | 2022-11-28 | 2023-03-31 | 惠州凯美特气体有限公司 | 液氨生产安全监控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019213280A1 (en) * | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for gas leak detection |
-
2024
- 2024-03-27 CN CN202410355078.9A patent/CN117948541B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103712059A (zh) * | 2013-11-29 | 2014-04-09 | 中国海洋石油总公司 | 液化天然气储罐泄漏区域定位方法 |
CN109215296A (zh) * | 2018-10-08 | 2019-01-15 | 武汉爱迪科技股份有限公司 | 一种用于安全生产事故隐患监控的液氨泄露报警系统 |
CN109489717A (zh) * | 2018-10-08 | 2019-03-19 | 武汉爱迪科技股份有限公司 | 用于安全生产事故隐患监控的液氨设备监控系统 |
CN109519702A (zh) * | 2018-10-08 | 2019-03-26 | 武汉爱迪科技股份有限公司 | 一种用于安全生产事故隐患监控的液氨泄露紧急处理系统 |
CN208847389U (zh) * | 2018-10-08 | 2019-05-10 | 武汉爱迪科技股份有限公司 | 用于安全生产事故隐患监控的液氨设备监控系统 |
CN109765783A (zh) * | 2018-12-10 | 2019-05-17 | 常州机电职业技术学院 | 一种液氨储罐泄露预警方法及预警装置 |
CN114893724A (zh) * | 2022-07-15 | 2022-08-12 | 四川绵竹川润化工有限公司 | 一种液氨泄漏监测方法、监测装置及监测测试系统 |
CN115875601A (zh) * | 2022-11-28 | 2023-03-31 | 惠州凯美特气体有限公司 | 液氨生产安全监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117948541A (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4705090B2 (ja) | 煙感知装置及びその方法 | |
CN107809615A (zh) | 视频质量诊断装置及方法 | |
KR20210049555A (ko) | 시설의 센싱 데이터를 이미지화하여 시설의 상태를 판단하는 시스템 및 방법 | |
CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN106131502B (zh) | 用于管廊隧道的视频监控方法及装置 | |
CN114492580A (zh) | 水利监控方法、装置、设备及存储介质 | |
CN117948541B (zh) | 一种基于机器视觉的液氨储罐泄露监控系统及方法 | |
CN116052103A (zh) | 监控数据处理方法、装置、计算机设备和存储介质 | |
CN112637568A (zh) | 基于多节点边缘计算设备的分布式安全监控方法和系统 | |
CN115311829A (zh) | 一种基于海量数据的精准告警方法及系统 | |
CN107330884A (zh) | 着火点检测方法及装置 | |
CN112594207B (zh) | 风机温升监测方法、系统、计算机设备及存储介质 | |
CN107124425A (zh) | 监测设备安全的方法及计算设备 | |
CN113222370B (zh) | 电力系统风险预警方法、装置、设备及存储介质 | |
CN114387391A (zh) | 变电站设备的安全监测方法、装置、计算机设备和介质 | |
JP5309069B2 (ja) | 煙検出装置 | |
CN113823067A (zh) | 一种红外、紫外、可见光的图像处理融合系统及方法 | |
CN112579665A (zh) | 能源设备控制方法、装置及能源设备 | |
CN113225525A (zh) | 一种室内监控方法及系统 | |
CN112556867A (zh) | 风机温度检测方法、系统、计算机设备及存储介质 | |
CN117173847B (zh) | 一种智能门窗防盗警报系统及其工作方法 | |
CN116877355B (zh) | 一种海上风电结构状态监测方法、装置、设备和介质 | |
CN113990044B (zh) | 废液运输安全预警方法、安全预警装置及相关产品 | |
CN117392471B (zh) | 基于多参数协同的3d打印监测方法及系统 | |
US20230115408A1 (en) | Information processor |
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 |