科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对红外气体成像实现自动化的泄漏检测，提出了一种基于深度网络的气羽实例分割方法，可以同时实现泄漏检测、气羽分割以及多泄露源的区分。不同于现有的实例分割方法，针对泄漏气羽各向异性的空间特征，采用二维高斯模型下的概率函数作为嵌入空间的相似性度量，提出了一种新的聚类损失函数。该损失函数通过聚拢实例内的像素点，同时学习一个斜椭圆形的带宽来最大化每个气羽实例分割掩膜。为了获得更多的红外气体成像数据以及避免人工标注气羽轮廓的困难，提出了一种使用合成红外气体成像数据集来训练模型的方法。实验结果表明，经过合成数据的训练，本文方法可以成功地在真实的红外视频上进行自动泄漏检测。与其他先进的实例分割方法相比，本文方法在保持高精度的同时具有更快的处理速度，适用于实时泄漏检测场景。
- 单位
