[发明专利]一种油料泄漏的检测方法及计算机存储介质

权利要求书

1.一种油料泄漏的检测方法，其特征在于，所述方法包括：

获取输油管道预设采集点的图像数据形成数据集；

对所述数据集进行处理，按照预设比例得到训练集和测试集；

将YOLOv3网络模型的基础网络进行删减处理形成简化YOLOv3网络模型，将所述训练集中的数据对所述简化YOLOv3网络模型进行迭代训练，得到最优检测模型；

对所述检测模型进行定位处理得到漏油区，对所述漏油区进行滴油和/或喷油检测得到检测结果；

将所述检测结果反馈至油库安全管理中心智能分析系统。

2.根据权利要求1所述的方法，其特征在于，获取输油管道预设采集点的图像数据形成数据集的步骤之前包括：

在所述输油管道连接处法兰盘预设采集点；

获取输油管道预设采集点的图像数据形成数据集的步骤包括：

获取所述法兰盘的类别信息及位置信息，得到所述图像数据；

将所述图像数据转换成YOLOv3格式，形成数据集。

3.根据权利要求2所述的方法，其特征在于，对所述数据集进行处理，按照预设比例得到训练集和测试集的步骤包括：

对所述数据集进行清洗处理、数据增强处理和拼接处理后，将YOLOv3格式的所述数据集保存为预设类型文件；

按照所述训练集大于所述数据集的比例得到所述训练集和所述测试集。

4.根据权利要求3所述的方法，其特征在于，将YOLOv3网络模型的基础网络进行删减处理形成简化YOLOv3网络模型，将所述训练集中的数据对所述简化YOLOv3网络模型进行迭代训练，得到最优检测模型的步骤包括：

将所述YOLOv3网络模型的基础网络中的标准卷积结构替换为深度可分离卷积结构，并删除全连接层和归一化层；

对所述简化YOLOv3网络模型的原损失函数进行优化处理得到所述新损失函数；

对所述简化YOLOv3网络模型进行特征提取得到特征图；

根据所述特征图计算类别。

5.根据权利要求4所述的方法，其特征在于，对所述简化YOLOv3网络模型的原损失函数进行优化处理得到所述新损失函数的步骤包括：

将预测值和真实值的平方和作为所述简化YOLOv3网络模型的原损失函数中宽高部分损失。

6.根据权利要求5所述的方法，其特征在于，对所述简化YOLOv3网络模型进行特征提取得到特征图的步骤包括：

对所述简化YOLOv3网络模型进行特征提取，得到第一尺度、第二尺度和第三尺度三种不同大小的特征图；

对所述特征图进行2次上采用处理；

根据所述特征图计算类别的步骤包括：

利用提取的三种尺度的所述特征图计算类别，分别检测小、中、大目标三种目标。

7.根据权利要求2所述的方法，其特征在于，根据所述法兰盘的位置信息预设法兰盘预测框，对所述检测模型进行定位处理得到漏油区，对所述漏油区进行滴油和/或喷油检测得到检测结果的步骤包括：

在所述滴油检测中，根据所述法兰盘预测框预设滴油检测区，所述滴油检测区位于所述法兰盘预测框的正下方区域内；

基于高斯混合模型的背景减除的算法，对油滴进行检测；

根据所述滴油检测区油滴的状态判断是否滴油。

8.根据权利要求7所述的方法，其特征在于，对所述检测模型进行定位处理得到漏油区，对所述漏油区进行滴油和/或喷油检测得到检测结果的步骤还包括：

在所述喷油检测中，根据所述法兰盘预测框预设喷油检测区，所述喷油检测区覆盖所述法兰盘预测框的区域；

将所述喷油检测区划分为至少两个子检测区域；

建立喷油三分类算法模型，训练数据为所述输油管道连接处无泄露数据、所述输油管道连接处喷油的法兰盘图像数据和以所述法兰盘为背景的下雨数据，对所述喷油三分类算法模型进行训练；

将所述喷油三分类算法模型应用于至少两个所述子检测区域，根据所述子检测区域的喷油状态判断是否喷油。