利用机器视觉技术对化工厂管道进行自动视觉泄漏检测与定位OA

作者：Mina Fahimipirehgalin^*; Emanuel Trunzer; Matthias Odenweller; Birgit Vogel-Heuser

来源：Engineering, 2021, 7(06): 123-161.

• 泄漏检测与定位
• 图像分析
• 图像预处理
• 主成分分析
• k-最近邻分类

在大型化工厂中,输送液体的管道的泄漏是一个重要的问题。管道的破损不仅会影响工厂的正常运行,同时也增加了维护成本。此外,还会使操作人员的生命安全受到威胁。因此,管道泄漏的检测与定位是维护和状态监测中的关键任务。近年来,大型工厂利用红外(IR)相机进行泄漏检测。红外相机可捕捉温度比周围环境温度高(或低)的液体泄漏。本文针对化工厂中的管道泄漏,提出了一种基于红外视频数据和机器视觉技术的检测与定位方法。由于所提出的方法是以视觉技术为基础,无需考虑泄漏液体的物理性质,因此其适用于任何类型的液体(水、油等)泄漏检测。在本方法中,首先对后续帧进行减影和分块处理,然后对每一分块进行主成分分析,提取特征;接着将分块内所有减影帧都转换为特征向量(作为块分类的依据),根据特征向量,采用k-最近邻算法将块分为正常(无泄漏)和异常(泄漏)两类;最后在各异常块上确定泄漏的位置。本文使用了两种不同格式的数据集(由红外相机拍摄的实验室工厂演示装置的视频图像组成)对上述方法进行评估。结果表明,本文提出的利用红外视频进行管道泄漏检测与定位的方法前景可观,具有较高的检测精度以及合理的检测时间。本文最后讨论了该方法在工厂进行实际推广的可能性及局限性。