基于机器视觉的注水泵智能监控方法研究

摘要

随着智慧油田建设的高速推进,对油田设备的智能监控技术提出了更高要求。目前油田储存有大量监控视频,面向人脸识别、泄漏检测等领域的视频已有研究,但面向旋转设备的视频还未被充分挖掘。针对某油田注水泵监控视频图像噪点多及干扰目标多等问题,本文提出基于Faster Region Convolution Neural Network(Faster R-CNN)的注水泵智能监控方法。利用特征提取网络(FEN)对输入图像的柱塞区域进行特征提取;利用区域推荐网络(RPN)基于已提取特征图生成一系列候选区域;利用目标检测网络(ODN)综合FEN提取的特征图及RPN产生的候选区域进行柱塞区域识别和柱塞区域坐标确定,实现了变化背景中泵柱塞区域的自动检测。通过二值化与高斯滤波对柱塞区域图像进行预处理,减少图像噪点以使柱塞运动期间的帧间差值显著增大。通过帧间差分法判别各帧中柱塞区域的当前运动状态,并基于多个帧间差值的运动状态判定标准判别柱塞区域的整体运动状态,实现了泵柱塞运动状态的智能监控。与传统的基于数据采集与监控系统(SCADA)中数值参数的监控方法相比,基于机器视觉的智能监控方法更加准确直观。油田生产现场的真实视频验证表明,该方法能够快速准确地对注水泵柱塞的运动状态进行检测,检测总准确率达到96.75%,显著高于传统的帧间差分法及光流法,能够为油田设备智能化管理提供技术支撑。