[发明专利]一种设备漏油检测方法

说明书

本发明提供一种设备漏油检测方法，该检测方法包括以下步骤：收集各种形状的漏油油块图片样本进行目标识别训练，生成漏油油块识别模型；在设备油箱前上方安装摄像头，对所述摄像头视频图像中的油箱及油箱下地面区域进行设定；通过网络以及RTSP协议实时获取所述摄像头的视频图像；利用所述漏油油块识别模型对获取的视频图像进行检测分析，判断设备是否漏油以及漏油的严重程度。本发明通过对各种形状的漏油油块图片样本进行目标识别训练，生成漏油油块识别模型，利用漏油油块识别模型对摄像头获取的视频图像进行实时检测，从而判断设备是否漏油，实现了设备漏油情况的实时智能检测，检测效率高、准确性高，提高了生产的安全性。

技术领域

本发明涉及设备漏油检测技术领域，特别涉及一种设备漏油检测方法。

背景技术

设备漏油的治理是设备管理及维修工作中的主要任务之一。设备漏油不仅浪费大量油料，而且污染环境、增加润滑保养工作量，严重时甚至造成设备事故而影响生产。因此，治理漏油是改善设备技术状态的重要措施之一。

现有技术中主要采用人工巡检的方式对设备漏油情况进行检测，巡检人员发现设备漏油后，立刻操作设备停机，并通知相关人员维修。然而这种检测方式不能对设备漏油情况进行实时监控，难以及时发现异常状况，具有一定的滞后性，给设备带来安全隐患。此外，油渍地面也会给巡检人员带来安全隐患。

发明内容

本发明的目的在于提供一种设备漏油检测方法，以实现对设备漏油情况的实时智能检测，提高检测的效率和安全性。

为解决上述技术问题，本发明的实施例提供一种设备漏油检测方法，包括以下步骤：

S1、收集各种形状的漏油油块图片样本进行目标识别训练，生成漏油油块识别模型；

S2、在设备油箱前上方安装摄像头，对所述摄像头视频图像中的油箱及油箱下地面区域进行设定；

S3、通过网络以及RTSP协议实时获取所述摄像头的视频图像；

S4、利用所述漏油油块识别模型对获取的视频图像进行检测分析，判断设备是否漏油以及漏油的严重程度。

优选地，所述步骤S1包括：

收集不同时间段的漏油油块图片样本，并根据形状进行分类；

基于深度学习卷积神经算法对每一种形状的漏油油块图片样本分别进行目标识别训练，生成漏油油块识别模型。

优选地，所述收集不同时间段的漏油油块图片样本，并根据形状进行分类的步骤具体包括：

根据实际需求对所述漏油油块图片样本的大小进行裁剪处理；

利用标注工具对所述漏油油块图片样本中油块的轮廓进行标注；

根据标注的轮廓形状对收集的漏油油块图片样本进行分类。

优选地，在所述步骤S2中，所述摄像头的监控区域覆盖整个油箱及油箱下面的地面，并且所述摄像头支持RTSP、ONVIF协议。

优选地，所述步骤S4包括：

将获取的视频图像载入生成的漏油油块识别模型进行图像检测；

当视频图像中检测不到漏油油块时，判断设备没有发生漏油；

当视频图像中检测到漏油油块时，判断设备发生漏油。

优选地，所述步骤S4还包括：

当视频图像中检测到漏油油块时，将漏油油块的轮廓与所述漏油油块识别模型中的漏油油块图片样本的轮廓进行对比；

根据对比结果判断设备漏油的严重程度。