[发明专利]一种漏油实时监测装置和检测方法

说明书

本发明公开了一种漏油实时监测装置和检测方法，包括红外摄像机、红外结构光发射器、红外结构光接收器及边缘计算系统，所述红外结构光发射器发射特定结构光栅的红外光源对检测区域进行照射，通过红外结构光接收器接收结构光栅，并将红外摄像机采集的视频画面和红外结构光接收器接收到的结构光数据传输至边缘计算系统，从而得出漏油的准确位置以及泄漏程度。本发明通过结合红外热成像和红外结构光，使无论是白天还是黑夜，均能检测漏油情况；使用深度学习模型提高漏油检测的准确性，并红外结构光对检测现场进行三维成像重构，更加精准的定位漏油位置，从而计算出泄漏的油液体积，提高了判断泄漏严重程度。

技术领域

本发明涉及石油运输领域，尤其涉及一种漏油实时监测装置和检测方法。

背景技术

长线输油管道的运输过程中管道会发生局部的破裂从而引起泄露，给生产带来很大的安全隐患甚至经济损失。在当前的基于摄像头视频图像进行漏油检测的方法中，通常只是利用了常规可见光的视频图像。可见光成像仪对可见光的依赖性较强，对太阳反射和视角的变化比较敏感，当环境光线十分强烈或比较昏暗的时候，会造成视频图像过亮或过暗，很难分辨出图像内容。

发明内容

本发明的目的在于克服现有技术的不足，提供一种漏油实时监测装置和检测方法。

本发明的目的是通过以下技术方案来实现的：

一种漏油实时监测装置，包括红外摄像机、红外结构光发射器、红外结构光接收器及边缘计算系统，所述红外结构光发射器发射特定结构光栅的红外光源对检测区域进行照射，通过红外结构光接收器接收结构光栅，并将红外摄像机采集的视频画面和红外结构光接收器接收到的结构光数据传输至边缘计算系统。

进一步的，所述边缘计算系统包括红外图像接收模块、红外热成像特征分析模块、红外结构光特征分析模块和异常处理模块；所述红外图像接收模块分别连接红外热成像特征分析模块和红外结构光特征分析模块，用于接收数据，并将数据发送至外热成像特征分析模块和红外结构光特征分析模块；所述异常处理模块分别连接红外热成像特征分析模块和红外结构光特征分析模块，用于对分析出的异常信息进行处理。

进一步的，一种漏油检测方法，包括以下步骤：

红外结构光发射器发射红外光源对检测区域进行照射；

红外摄像机采集检测区域的红外热成像画面，红外结构光接收器接收从检测区域反射的结构光；

通过深度学习神经网络模型对红外热成像画面进行智能检测，并计算漏油面积；

通过结构光对现场进行三维建模，得到漏油区域的油膜厚度，并计算漏油体积。

进一步的，所述深度学习神经网络模型的以可见光图像和红外图像为样本进行模型训练，包括以下子步骤：

网络输入同一时刻的可见光图像和红外图像两张图片并引入该时刻的温度，分别经过预处理后进行图像配准，得到检测目标；

以可见光图像和红外图像分别进行目标检测，得到各自的检测结果；

以可见光图像和红外图像联合进行目标检测，从而获得准确的漏油检测结果。

进一步的，所述计算漏油体积包括以下步骤：

根据结构光经过油层后抵达接收器的时间以及光栅条纹，得出结构光经过检测区域的折射率；

通过对结构光的时间调制与空间调制结果产生相应油层的深度信息；

根据漏油的面积以及深度信息计算出漏油体积。

进一步的，所述结构光对现场进行三维建模，能对现场进行三维成像重构，同时更加精准的定位漏油位置；