[发明专利]一种监控装置泄露的智能预警系统

说明书

本发明提供了一种监控装置泄露的智能预警系统，实现了夜间以及恶劣天气情况下，装置发生液体泄漏后系统自动识别并发出报警信息的快速预警处理。其包括视频采集模块、视频图像增强模块、数据标注模块、模型构建模块、模型学习模块、数据验证模块和泄漏预警模块，视频图像增强模块通过采用基于闭运算的自适应增强算法、模糊C均值算法和Retinex算法分别处理夜间、雨天和雾霾天气情况下的视频图像；数据标注模块将液体泄漏状态分为渗透、滴漏和喷射三类；模型构建模块构建五层的深度神经网络模型，采取有监督训练获取特征参数，通过数据验证模块验证并优化深度神经网络。该系统还具有反应及时，智能化程度高等优点。

技术领域

本发明涉及一种智能视频监控系统，尤其是涉及一种基于深度学习神经网络模型的监控装置泄露的智能预警系统。

背景技术

石油化工装置存在大量生产、储存和运输过程中易燃、易爆或易腐蚀液体的输送管道、塔、罐等设备，这些设备在使用过程中容易发生泄漏，进而可能火灾爆炸，给企业带来损失。根据相关标准，各企业在现场设置了一定数量的监控设备，但针对海量的视频数据，管控平台的工作人员注意力难以长时间保持高度集中，人工搜索效率低，受到现场光线强弱、雨雪天气以及雾霾的影响从而影响工作人员对监控视频的判断，这极大的影响了利用视频监控现场装置泄漏的进行预警的准确度。

目前，针对装置泄漏监测的技术有很多，如CN103596824B《夜压产生装置以及液压制动系统》、TW200820940A《在减压传递系统之覆盖处用于定位液体泄漏之系统及方法》等。这些监测技术大多采用传感电路、超声波等技术，随着视频监控系统的发展，人工智能视频化技术具有广阔的应用前景。如何实现对现场进行24小时不间断的监控，以及快速准确识别现场装置泄漏点，特别是涉及现场光线昏暗(夜晚、阴天或光线昏暗)、雨天、雾霾的泄漏点，及时对现场的警情进行提示或报警，避免事故扩大化；同时可提取现场事故发生的视频，对分析事故发生的原因有很大的作用。

发明内容

为解决不间断实时监控并准确识别装置泄露情况，尤其是在光线昏暗、雨天和雾霾情况下的泄露情况，本发明提供了一种监控装置泄露的智能预警系统及监控装置泄露的智能预警方法，具体技术方案为：

一种监控装置泄露的智能预警系统，包括视频采集模块、视频图像增强模块、数据标注模块、模型构建模块、模型学习模块、数据验证模块和泄漏预警模块；所述视频采集模块将输入的装置现场监控视频转化为图片或视频帧；所述视频图像增强模块处理光线昏暗、雨雪天气和雾霾天气情况下的视频图像；所述数据标注模块根据液体泄漏的图片或视频帧，采用图像标注工具，将渗透、滴漏和喷射三种液体泄漏状态分别用边界框在图像中标注；所述模型构建模块构建五层的深度神经网络模型；所述模型学习模块采取有监督训练获取液体泄漏状态的特征参数；所述数据验证模块利用输入的液体泄漏深度神经网络模型的识别能力，并优化深度神经网络结构；所述泄漏预警模块利用训练成功的液体泄漏深度神经网络模型诊断泄露状态，并通过视频管控平台发布管控命令。

优选的是，视频图像增强模块具体是，通过采用基于闭运算的自适应增强算法处理光线昏暗情况下的视频图像，得到增强视频图像；通过采用模糊C均值算法处理雨雪天气情况下的视频图像，得到增强视频图像；通过采用Retinex算法处理雾霾天气情况下的视频图像，得到增强视频图像。

还优选的是，基于闭运算的自适应增强算法处理光线昏暗情况下的视频图像，处理得到增强视频图像的表达式为处理方法具体包括以下步骤：

步骤一：对光线昏暗情况下的视频图像进行低通滤波处理，得到包含轮廓信息的低频图像A(x,y)；

步骤二：获取包含视频图像细节的高频信息，具体是用原始图像F(x,y)减去低频图像A(x,y)，即F(x,y)ΘA(x,y)；

步骤三：增强对比度，具体是通过将高频图像乘以增强因子a，即

步骤四：条件图像亮度，具体是加上一个调节图像亮度的因子b。