基于图像识别的液体、气体跑冒滴漏识别方法及系统

摘要

本发明提出一种基于图像识别的液体、气体跑冒滴漏识别方法及系统，目的在于提高对跑冒滴漏现象识别的准确率；该方法是：通过摄像设备对监控现场进行视频素材收集；对视频素材进行分解以获得多个图片素材；通过线上标注工具对图片素材进行标注，即选中图片中的液体、气体跑冒滴漏区域；由以上来训练获得AI模型，并布局于监控设备当中；由布局有所述AI模型的监控设备对现场采集的视频素材进行分解和识别，当存在液体、气体跑冒滴漏区域时，对分解获得的图片素材进行标注，并进行告警。该系统包括布局于监控现场的若干个监控设备，所述监控设备包括：摄像模块、分解处理模块、检测模块、归类模块以及告警模块。

说明书

技术领域

本发明应用于电力能源或石油化工等领域的液体、气体跑冒滴漏识别，具体涉及一种基于图像识别的液体、气体跑冒滴漏识别方法及系统。

背景技术

在电力能源或石油化工等领域，需对对设备、管路等出现的油、水、蒸汽的跑冒滴漏现象进行监控，以便及时告警，保障设备运行与生产安全。目前国内主要的跑冒滴漏智能分析功能是依靠图像识别算法实现的功能，在实际环境中光照变化、目标运动复杂性、遮挡、目标与背景颜色相似、背景复杂等问题都会影响到行为分析的准确率及应用效果。

发明内容

为克服现有技术中存在的问题，提高对跑冒滴漏现象识别的准确率，本发明提出一种基于图像识别的液体、气体跑冒滴漏识别方法及系统，其具体通过以下技术手段实现：

一种基于图像识别的液体、气体跑冒滴漏识别方法，其执行以下操作：

S01，通过摄像设备对监控现场进行视频素材收集；

S02，对视频素材进行分解以获得多个图片素材；

S03，通过线上标注工具对图片素材进行标注，即选中图片中的液体、气体跑冒滴漏区域；

S04，由步骤S01至S03来训练获得AI模型，并布局于监控设备当中；

S05，由布局有所述AI模型的监控设备对现场采集的视频素材进行分解和识别，当存在液体、气体跑冒滴漏区域时，对分解获得的图片素材进行标注，并进行告警。

于本发明的一个或多个实施例当中，对视频素材的分解操作是采用定时截图的方式生成多个图片素材。

于本发明的一个或多个实施例当中，对图片素材中的液体、气体跑冒滴漏区域进行定义，利用图像技术对图片素材进行区别归类，即划分为无液体、气体跑冒滴漏的正常状态和存在液体、气体跑冒滴漏的非正常状态。

于本发明的一个或多个实施例当中，根据对图片素材中的液体、气体跑冒滴漏区域进行定义，对不同情冲下的图片素材区别标记上对应的字符特征值。

于本发明的一个或多个实施例当中，所述字符特征值分别对应于水、油、蒸汽。

于本发明的一个或多个实施例当中，存在液体、气体跑冒滴漏情况并告警时，将告警记录与对应的视频素材关联，点击进行播放。

于本发明的一个或多个实施例当中，通过至少位于两个拍摄角度的摄像设备对监控现场进行视频素材收集。

于本发明的一个或多个实施例当中，进行现场校验，当现场结果与监控设备反馈的结果不符时，重复步骤S01至S03来训练更新AI模型。

一种基于图像识别的液体、气体跑冒滴漏识别系统，其包括布局于监控现场的若干个监控设备，所述监控设备包括：

用于获取视频素材的摄像模块；

用于对视频素材进行分解以获得多个图片素材的分解处理模块；

用于对图片素材进行分析的检测模块，所述检测模块对识别到的液体、气体跑冒滴漏区域进行标注；

用于根据标注对图片素材进行分类的归类模块；以及

用于根据归类结果进行告警的告警模块。

于本发明的一个或多个实施例当中，所述监控设备连接有显示器。

本发明的有益效果是：利用足够的训练素材和多次校正生成AI模型，能够做到自动识别液体、气体跑冒滴漏情况并告警，在视频采集现场光线充足、照射角度合理、摄像设备像素充足的前提下，跑冒滴漏物态检测识别报警准确率95％以上，系统性能稳定、处理效率高。

附图说明

图1为本发明的方法流程图。

图2为正确识别漏水情形的显示界面截图。

图3为错识识别漏水情形的显示界面截图。

具体实施方式

如下结合附图对本申请方案作进一步描述：

参见附图1，一种基于图像识别的液体、气体跑冒滴漏识别方法，其执行以下操作：

S01，通过摄像设备对监控现场进行视频素材收集；

S02，对视频素材进行分解以获得多个图片素材；

S03，通过线上标注工具对图片素材进行标注，即选中图片中的液体、气体跑冒滴漏区域；

S04，由步骤S01至S03来训练获得AI模型，并布局于监控设备当中，所述监控设备可以是AI摄像机或超脑设备；

S05，由布局有所述AI模型的监控设备对现场采集的视频素材进行分解和识别，当存在液体、气体跑冒滴漏区域时，对分解获得的图片素材进行标注，并进行告警。

其中，对视频素材的分解操作是采用定时截图的方式生成多个图片素材。对图片素材中的液体、气体跑冒滴漏区域进行定义，利用图像技术对图片素材进行区别归类，即划分为无液体、气体跑冒滴漏的正常状态和存在液体、气体跑冒滴漏的非正常状态。根据对图片素材中的液体、气体跑冒滴漏区域进行定义，对不同情冲下的图片素材区别标记上对应的字符特征值,所述字符特征值分别对应于水、油、蒸汽。例如，通过线上标注工具，选图片素材中的水滴、水柱、水流或油滴、油柱、油雾，以及蒸汽的白色雾状等，并标记上字符特征值，水就是“water”，油就是“oil”，蒸汽就是“steam”。参见附图2，在检测到漏水情形后即将对应区域进行标注，并附上字符特征值“water”。

为方便监控人员查看并了解实际情况，在存在液体、气体跑冒滴漏情况并告警时，将告警记录与对应的视频素材关联，点击进行播放。通过视频回播可以更直接地了解警情，从而准备好维修、防护用具；而且，也可以发现误报情形，即虽然有告警，但画面显示并无警情的；参见附图3，虽然有告警并标注了漏水区域，但通过画图看到实际是并未有漏水情形的。

为提高识别的准确度，还需要进行现场校验，当现场结果与监控设备反馈的结果不符时，即在无跑冒滴漏的时候，视频画面上报出water等的标记；而在有跑冒滴漏的时候，视频画面上反而不报water等的标记；此时，就需重复步骤S01至S03来训练更新AI模型，直至检测准确率达到要求。

考虑到视频采集的角度、光暗、背景等有可能对识别结果产生影响，本实施例通过至少位于两个拍摄角度的摄像设备对监控现场进行视频素材收集。

为实施上述方法，本发明提出了一种基于图像识别的液体、气体跑冒滴漏识别系统，其包括布局于监控现场的若干个监控设备，所述监控设备包括：

用于获取视频素材的摄像模块；

用于对视频素材进行分解以获得多个图片素材的分解处理模块；

用于对图片素材进行分析的检测模块，所述检测模块对识别到的液体、气体跑冒滴漏区域进行标注；

用于根据标注对图片素材进行分类的归类模块；

用于根据归类结果进行告警的告警模块；以及

用于显示视频素材、标注和告警信息的显示器。

本发明的优点是：

1)采用智能视频监控技术、生物识别技术、非接触式热成像测温等多种高新技术手段，建设一套安全、可靠、高效的电厂工业电视及其辅控系统。针对现有火电厂的智能化程度低、安全监管不足等难点问题和技术瓶颈，基于人工智能领域的深度学习技术，研究适用于发电力能源或石油化工等领域的油、水、蒸汽的跑冒滴漏识别等人工智能AI算法，实现不同应用场景及多种特殊环境的设备状态实时视频监控，保障设备正常运行。

2)采用深度学习图像识别算法训练框架，通过素材的数据集管理、数据标注等方法，实现依据素材特征自定义训练算法，形成具有电厂行业特点的各类创新算法，并支持算法校验算法发布以及算法调度，通过算法灵活下发承载引擎，实现算法模型灵活管理。

3)直接在油、水、蒸汽滴漏的时候捕捉检测介质的动态视频、图像，与模型中的状态进行对比，得出是否发生跑冒滴漏的判断并标注，同时发出报警提示推送。

上述优选实施方式应视为本申请方案实施方式的举例说明，凡与本申请方案雷同、近似或以此为基础作出的技术推演、替换、改进等，均应视为本专利的保护范围。