[发明专利]一种管道泄漏监测方法和系统

说明书

本发明提供一种管道泄露监测方法及系统，涉及管道监测技术领域。该方法中，通过对视频帧图像进行处理，对处于视频帧图像内的待监测管道进行异常状态的判断，并计算待监测管道处于异常状态的概率值，当处于异常状态的概率值大于预设概率阈值时，输出告警信息；从而实现了对待监测管道的智能监控。本发明提供的方案不仅节约了人力资源而且提高了对待监测管道的监控可靠性。

技术领域

本发明涉及管道监测技术领域，尤其涉及一种管道泄漏监测方法和系统。

背景技术

随着经济的发展，输油气管在国民生活中占据着越来越重要的地位，诸如天然气、石油等与生活密切相关的物质都需要通过输油气管进行运输。当输油气管发生破裂泄漏时，会对人们的生活造成巨大的影响，若是输油气管发生破坏时，则会带来巨大的安全隐患，并且可能造成不可估量的经济损失。

为了减小输油气管发生破裂泄漏或者破坏，需要对输油气管进行监控，以避免输油气管发生损坏所带来的影响。因此，现有技术通常通过无人机拍摄，获取输油气管的视频以及图像，工作人员通过获取的视频以及图像判断输油气管是否发生损坏。其中，若部分输油管线位于地下，则通过观察地面管陇表面是否有油气来判断地下管线是否泄露。

由此可以看出现有技术对输油气管的检测十分的依赖于工作人员，工作人员需要对大量的视频和图像进行观察，判断输油气管是否发生损坏，工作量十分巨大，进而需要大量的工作人员对输油气管的视频以及图像进行监测。且难以对输油气管实现24小时不间断的监测，从而使得对输油气管的监控不严。

发明内容

有鉴于此，本发明实施例的目的在于提供一种管道泄漏监测方法和系统，以改善现有技术中对输油气管的监控不严的问题。

为了改善现有技术中对输油气管的监控不严的问题，本发明实施例提供的技术方案如下：

第一方面，本发明实施例提供了一种管道泄漏监测方法，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；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。

优选地，根据本发明的实施例，所述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。

优选地，根据本发明的实施例，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。

优选地，根据本发明的实施例，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。