[发明专利]一种管道泄漏监测方法和系统

权利要求书

1.一种管道泄漏监测方法，其特征在于，包括：

获得视频帧图像；其中，所述视频帧图像中包含待监测管道的图像；

筛选出所述视频帧图像中的N个疑似区域，包括以下步骤：

基于颜色分量以及色彩分量对所述视频帧图像进行初步筛选，确定出M个可能区域，其中，M≥N，M为整数，所述可能区域为所述待监测管道可能处于异常状态的区域；

基于全卷积神经网络图像分割算法对所述M个可能区域进行进一步识别，从中筛选出所述N个疑似区域；

其中，N≥0，N为整数，所述疑似区域为所述待监测管道疑似处于异常状态的区域；

当N＞0时，利用卷积神经网络对所述N个疑似区域中的每个疑似区域进行识别，从而计算出所述N个疑似区域中的每个疑似区域处于异常状态的概率值，其中，所述概率值大于等于0，且小于等于1；

判断N个概率值中是否存在j个概率值大于预设的概率阈值；其中，1≤j≤N，j为整数；

若存在，则输出用于表征所述待监测管道处于异常状态的告警信息。

2.根据权利要求1所述的方法，其特征在于，所述基于颜色分量以及色彩分量对所述视频帧图像进行初步筛选，确定出M个可能区域，包括：

基于HSL颜色检测模型，获得所述视频帧图像的用于表示颜色分量以及色彩分量的HSL；

从所述视频帧图像中筛选出可能区域，其中所述可能区域的HSL与待监测管道内的物质的HSL的差值应当保持在预设的差值范围之内。

3.根据权利要求2所述的方法，其特征在于，所述视频帧图像和待监测管道内的物质的HSL中的S和L采用百分数值进行量化，所述视频帧图像和待监测管道内的物质的HSL中的H通过色相进行量化。

4.根据权利要求1所述的方法，其特征在于，所述利用卷积神经网络对所述N个疑似区域中的每个疑似区域进行识别，从而计算出所述N个疑似区域中的每个疑似区域处于异常状态的概率值，包括：

获取所述N个疑似区域中每个疑似区域在预设时间段内的视频帧图像；

基于全卷积神经网络对所述N个疑似区域中每个疑似区域在预设时间段内的视频帧图像进行处理，计算所述N个疑似区域中每个疑似区处于异常状态的概率值。

5.根据权利要求1所述的方法，其特征在于，利用卷积神经网络对所述N个疑似区域中的每个疑似区域进行识别，从而计算出所述N个疑似区域中的每个疑似区域处于异常状态的概率值，包括：

获取所述N个疑似区域中每个疑似区域在预设时间段内的视频帧图像；

基于卷积技术与全连接层的神经网络对所述N个疑似区域中每个疑似区域在预设时间段内的视频帧图像进行处理，计算所述N个疑似区域中每个疑似区处于异常状态的概率值。

6.根据权利要求1所述的方法，其特征在于，在输出用于表征所述待监测管道处于异常状态的告警信息之后，所述方法还包括：

获取所述j个概率值对应的j个疑似区域所对应的位置信息。

7.一种管道泄漏监测系统，其特征在于，包括设置在无人机上的视频拍摄装置，以及能够与无人机建立通信连接以获取拍摄视频的无人机手持终端设备，所述无人机手持终端设备包括处理器和存储器，其中，所述处理器用于执行所述存储器中存储的用于实现如权利要求1至6中任一项所述方法的计算机程序。

8.一种管道泄漏监测系统，其特征在于，包括设置在无人机上的视频拍摄装置，以及能够与无人机建立通信连接以获取拍摄视频的服务器终端设备，所述服务器终端设备包括处理器和存储器，其中，所述处理器用于执行所述存储器中存储的用于实现如权利要求1至6中任一项所述方法的计算机程序。

9.如权利要求8所述的管道泄漏监测系统，其特征在于，还包括能够与所述服务器终端设备建立通信连接以获取监测结果的无人机手持终端设备，其中，所述服务器终端设备将管道处于异常状态的监测结果发给无人机手持终端设备，由所述无人机手持终端设备显示疑似泄漏区域位置。