[发明专利]一种基于图像的液压机构漏油检测方法和系统

说明书

本发明提出了一种基于图像的液压机构漏油检测方法和系统，解决了人工监控漏油的方式，存在率极低、易误检漏检等问题，其主要方案包括：S1、构建神经网络模型，对液压机构管道节点的监控视频进行图像采集，将采集到的图像样本筛选分类后输入至神经网络模型以训练获得可完全监测漏油情况的模型；S2、确认需要检测的多处液压机管道节点，利用S1中获得的神经网络模型进行实时监测；S3、依据液压机构所处状态，结合机器视觉算法对油液形成时间以及累积量进行定量测量，液压机构所处状态包括准静态与运动状态，运动状态下油液测量回溯是否由多滴油液汇合而成；S4、输出检测结果并对漏油处发出警报。

技术领域

本发明涉及漏油检测领域，具体涉及一种基于图像的液压机构漏油检测方法和系统，应用于液压机构的管道漏油监测。

背景技术

油液泄漏(漏油)是液压存储、运输设备存在的共性问题，其危害是容易造成设备运行故障、安全事故及资源浪费等一系列问题。目前针对漏油检测的小波分析、压力检测等方法，需要在存储罐、管道等设备近距离安装大量压差等传感器，这一方面限制了对存储罐、管道等结构的空间布局，另一方面，此类技术更适用于检测较大尺度的液压存储、运输设备，而难以应对小管道或高压工况下的漏油检测。特别地，在依靠液压油传递动力的液压系统中，管道接口处的渗油过程缓慢且油量细微，导致准确排查渗漏的油量与位置具有相当大难度，很难采用技术方法实现自动检测。所以当前仍主要采取人工监控方式，但设备漏油时间不确定使得人力资源利用率极低，且易因人员疲劳而出现误检、漏检等情况。

鉴于液压管道漏油检测难题，亟需自动化的检测新技术，以代替当前落后的检测方式。

发明内容

本发明要解决的技术问题是克服现有技术存在的缺陷，本发明提出了一种基于计算机视觉的液压机构漏油检测方法和系统，实现了对液压机构任意位置是否存在漏油以及累积漏油量的实时监控。

为解决上述技术问题，本发明采用的技术方案是：一种基于图像的液压机构漏油检测方法，包括如下步骤：

S1、构建神经网络模型，对液压机构管道节点的监控视频进行图像采集，将采集到的图像样本筛选分类后输入至神经网络模型以训练获得可完全监测漏油情况的模型；

S2、确认需要检测的多处液压机管道节点，利用S1中获得的神经网络模型进行实时监测；

S3、依据液压机构所处状态，结合机器视觉算法对油液形成时间以及累积量进行定量测量，液压机构所处状态包括准静态与运动状态，运动状态下油液测量回溯是否由多滴油液汇合而成；

S4、输出检测结果并对漏油处发出警报，检测结果包括无油、开始、形成与坠落四种状态。

进一步地，所述步骤S3中，对应每一状态下的液压机构，油液测量步骤为，

准静态，记录每处油滴开始状态下的初始位置坐标与时间，当模型检测到油液转为坠落状态时，比对每处油滴滴落位置与其对应初始位置的水平坐标，相同则为同一处泄露，对应记录截止时间，单独记录每处油滴的起止时间以及滴落数量；

运动状态，当模型检测油液转为坠落状态时，返回初始位置坐标，并以坠落位置的水平坐标和初始位置的竖直坐标组合为中心点，以中心点左右50个像素点距离内查询是否存在初始位置，

若存在则与准静态相同记录方式，

若不存在则横向扩出查询范围，直至查到左右两侧临近的其他泄露点，将其他两泄露点油滴的检测画面以当前油滴坠落时刻做对比，若两者同为形成状态则非同处泄露，若当前油滴坠落时刻其他泄漏点油滴由形成转向其他任一状态则为同处泄露转移，选择相应泄露点油滴开始状态的初始时间来记录截止时间。

进一步地，所述神经网络模型依次包括，

数据输入与特征提取模块，包含多层卷积神经网络，使用跳跃连接结构进行上采样与下采样，实现对输入图像样本的多层级特征提取；