一种基于图像识别的电厂设备滴漏检测方法及系统与流程

本发明涉及滴漏检测，具体而言，涉及一种基于图像识别的电厂设备滴漏检测方法及系统。

背景技术：

1、电厂设备的滴漏可能是指设备中的某些液体或者冷却介质因为某种原因而发生滴漏或泄漏的情况。这可能涉及到诸如冷却水、润滑油、燃料等在设备运行期间的非正常流失。

2、滴漏问题可能对设备的运行和环境造成不良影响，因此通常需要及时发现和解决。采用人工监测不容易及时发现问题，通常可以训练较为成熟的神经网络等来进行自动化识别。但采用这些图像识别技术的时候，如果设备在室外会有较多的干扰项，例如阴影，这些都加大了现有算法网络的识别难度。

3、因此需要对通过图像识别检测设备滴漏进行优化，简化网络处理复杂程度且减少阴影的干扰以提升识别可靠性。

技术实现思路

1、本发明的目的在于提供一种基于图像识别的电厂设备滴漏检测方法及系统，其可以在图像识别过程简化网络处理复杂程度且减少阴影的干扰以提升识别可靠性。

2、本发明的实施例通过以下技术方案实现：

3、一种基于图像识别的电厂设备滴漏检测方法，当所述电厂设备位于室外时，包括以下步骤：

4、周期性采集滴漏检测区域的地面检测图像；

5、对所述地面检测图像进行预处理，并除去所述地面检测图像中非地面区域，且转化为hsv图像；

6、提取疑似阴影或滴漏区域，并根据所述疑似阴影或滴漏区域判断是否存在阴影区域；

7、若不存在所述阴影区域，判断所述地面检测图像中是否存在疑似滴漏液体区域，若是则将所述地面检测图像标记为疑似滴漏图像，若否则不做标记；

8、若存在阴影区域，分别判断所述阴影区域中和所述阴影区域外是否存在疑似滴漏液体区域，若存在任意疑似滴漏液体区域则将所述地面检测图像标记为疑似滴漏图像，若否则不做标记；

9、若连续n个所述地面检测图像中至少n-1个被标记为疑似滴漏图像，则判断发生设备滴漏，否则判断为未发生滴漏。

10、优选地，所述周期性采集滴漏检测区域的地面检测图像时，采集周期为2-5分钟。

11、优选地，对所述地面检测图像进行预处理的方法包括降噪。

12、优选地，所述提取疑似阴影或滴漏区域的方法为：

13、提取所述地面检测图像中所有像素点的hsv参考值，αp，q代表第p行第q列像素点的hsv参考值：

14、

15、其中，s和v分别为像素点的饱和度和亮度；

16、获取所述地面检测图像中各个像素点的hsv参考值的平均值αaver；

17、选取hsv参考值αp，q低于参考阈值αref的像素点标记为疑似阴影像素点：

18、αref＝ω％*αaver；

19、将所述地面检测图像中所有未标记为疑似阴影像素点的像素点的s和v值均修改为1；

20、通过预先训练好的yolov5n网络框选出标记为疑似阴影像素点所构成的区域块，每个区域块为一个所述疑似阴影或滴漏区域。

21、优选地，根据所述疑似阴影或滴漏区域判断是否存在阴影区域的方法为，若没有所述疑似阴影或滴漏区域，直接判断不存在阴影区域，否则执行以下操作：

22、获取全部所述疑似阴影或滴漏区域r1、r2、…、rn，n≥1；

23、读取当时日期和时间，选择对应的参照阴影区域rref；

24、判断编号为i的所述疑似阴影或滴漏区域ri和所述参照阴影区域rref的相似度

25、

26、其中，为预先训练好的yolov5n网络框选出的所述疑似阴影或滴漏区域ri和所述参照阴影区域rref相交部分的面积，为预所述yolov5n网络框选出的所述疑似阴影或滴漏区域ri和所述参照阴影区域rref相并部分的面积；

27、获取所述相似度的最大值：

28、若大于预设的相似度阈值，则判断存在阴影区域且所述疑似阴影或滴漏区域rm为阴影区域，否则判断不存在所述阴影区域。

29、优选地，若不存在所述阴影区域，判断所述地面检测图像中是否存在疑似滴漏液体区域的方法为：

30、若存在疑似阴影或滴漏区域，则判断存在所述疑似滴漏区域；

31、若部存在疑似阴影或滴漏区域，则判断不存在所述疑似滴漏区域。

32、优选地，若存在阴影区域，判断所述阴影区域中是否存在疑似滴漏液体区域的方法为：

33、提取所述阴影区域中所有像素点的hsv参考值，αu代表第u个像素点的hsv参考值：

34、

35、其中，s和v分别为像素点的饱和度和亮度；

36、获取所述阴影区域中各个像素点的hsv参考值的标准差σ：

37、

38、其中，αaver为所述阴影区域中各个像素点的hsv参考值的平均值，y为所述阴影区域中的像素点总数；

39、若所述标准差σ大于预设偏差阈值，则判断所述阴影区域中存在疑似滴漏液体区域，否则判断所述阴影区域中不存在疑似滴漏液体区域。

40、优选地，若存在阴影区域，判断所述阴影区域外是否存在疑似滴漏液体区域的方法为：

41、若除去所述阴影区域后还有其他所述疑似阴影或滴漏区域，则判断存在疑似滴漏液体区域，否则判断为不存在疑似滴漏液体区域。

42、优选地，所述若连续n个所述地面检测图像中至少n-1个被标记为疑似滴漏图像，则判断发生设备滴漏时，n设置为5-10。

43、本发明还提供了一种基于图像识别的电厂设备滴漏检测系统，应用于以上任意一项所述的一种基于图像识别的电厂设备滴漏检测方法，包括：

44、图像采集模块，用于周期性采集滴漏检测区域的地面检测图像；

45、预处理模块，用于对所述地面检测图像进行预处理，并除去所述地面检测图像中非地面区域；

46、阴影区域判断模块，用于提取疑似阴影或滴漏区域，并根据所述疑似阴影或滴漏区域判断是否存在阴影区域；

47、滴漏判断模块，用于进行滴漏判断，若不存在所述阴影区域，判断所述地面检测图像中是否存在疑似滴漏液体区域，若是则将所述地面检测图像标记为疑似滴漏图像，若否则不做标记；

48、若存在阴影区域，分别判断所述阴影区域中和所述阴影区域外是否存在疑似滴漏液体区域，若存在任意疑似滴漏液体区域则将所述地面检测图像标记为疑似滴漏图像，若否则不做标记；

49、若连续n个所述地面检测图像中至少n-1个被标记为疑似滴漏图像，则判断发生设备滴漏，否则判断为未发生滴漏。

50、本发明实施例的技术方案至少具有如下优点和有益效果：

51、本发明周期性采集图像进行检测，通过连续检测的结构来判断是否滴漏，进一步降低了误检的可能性；

52、本发明在检测可能为阴影或滴漏的区域的时候，先进行了一个初始调整，加大可能为阴影或滴漏的区域和其他地面区域的图像差异；

53、本发明在采取yolov5相关网络进行目标框选的时候更准确迅速地框选，同时网络的训练和识别都更为简单，降低了网络识别的任务复杂度和难度；

54、本发明排除了阴影区域，防止了滴漏误判，进而提升了滴漏检测的可靠性；

55、本发明选取阴影区域的时候根据历史数据来进行确定，防止不同日期和时间阴影不同造成误判的情况发生；

56、本发明设计合理、执行和搭建过程均简单，具备很高的性价比，便于推广和实施。