[发明专利]一种有机危化品泄漏智能可视化监测装置

权利要求书

1.一种有机危化品泄漏智能可视化监测装置，其特征在于，包括红外光学元件、计算推理模块、信息传输模块、显示报警模块；

所述计算推理模块包括微机平台及计算推理单元；

所述红外光学元件实时感应获取有机危化品区域的监测视频数据并通过数据线与所述微机平台连接；

所述微机平台的内部嵌入智能监测模型，所述微机平台调取所述监测视频数据，并通过图像分帧程序，按照时间顺序、以固定间隔对所述监测视频数据进行分帧，获取原始时序图像数据并输入至所述智能监测模型,所述计算推理单元加速所述智能监测模型进行计算推理并输出计算结果，所述微机平台根据所述计算结果有机危化品泄漏进行识别及区域定位，并实时输出所述监测视频数据及可视化的识别定位结果；

所述显示报警模块通过所述信息传输模块与所述微机平台连接；

所述计算结果具体为通过所述智能监测模型的计算推理所输出的重建时序图像数据以及对应的不确定性热图；

所述识别及区域定位具体为：所述微机平台根据所述原始时序图像数据和所述重建时序图像数据的重建误差，实时构建正常分数曲线，根据预先设定的阈值识别有机危化品的泄漏，根据所述不确定性热图确定危化品泄漏区域可视化定位信息；

所述智能监测模型是一种基于深度学习自监督理论和贝叶斯不确定性理论的混合时空自编码模型ConvGRUConv2D，由基于K-means方法提取的大量表征区别于泄漏异常的正常无泄漏场景时空特征的时序图像数据进行训练开发，建立正常无泄漏场景下输入的时序图像数据和输出的重建的时序图像数据的非线性映射关系y＝f_w(x)；

所述智能监测模型计算推理的具体过程为：

步骤S1：设置所述智能监测模型针对每次输入的所述原始时序图像数据的计算推理次数为n，输入的所述原始时序图像数据在时间t、位于图像位置(x,y)处的像素强度为I(x,y,t)；

步骤S2：根据所述智能监测模型输入与输出的非线性映射关系y＝f_w(x)，在所述智能监测模型的第i次计算推理中输出的所述重建时序图像数据在时刻t、位于图像位置(x,y)处的像素强度为则所述智能监测模型的输出的所述重建时序图像数据在时刻t、位置(x,y)处的像素强度为：

步骤S3：则所述智能监测模型输出的所述重建时序图像数据在时间t、位于图像位置(x,y)处的不确定性热值为：

步骤S4：根据公式(1)在所有时刻t、位于所有位置(x,y)的像素强度构建所述重建时序图像数据；

步骤S5：根据公式(2)在所有时刻t、位于所有位置(x,y)的不确定性热值构建所述不确定性热图。

2.根据权利要求1所述的有机危化品泄漏智能可视化监测装置，其特征在于，所述识别及区域定位中的识别是指通过建立正常分数曲线来完成识别有机危化品的泄漏，正常分数曲线建立的具体过程为：

S1：设置输入的所述原始时序图像数据和对应输出的所述重建时序图像数据在时刻t处的图像重建误差为：

S2：从时刻t起，共n帧图像序列的重建误差为：

S3：则时刻t处对应所述监测视频时序图像数据的正常分数为：

3.根据权利要求1所述的有机危化品泄漏智能可视化监测装置，其特征在于，所述识别及区域定位中的区域定位是指通过所述不确定性热图的建立来确定危化品泄漏区域可视化定位信息，所述不确定性热图建立的具体过程为：根据公式(2)，所述重建时序图像数据对应的所述不确定性热图是由所有位置(x,y)处的不确定性热值构成的数值矩阵，则对应时刻t、图像分辨率为(m，n)的不确定性热图为：

所述监测视频数据中危化品泄漏区域对应在所述不确定性热图上，表现为数值较高、颜色较深的区域，在正常无泄漏区域各个位置上数值较低，通过在同一显示尺度下的所述不确定性热图中颜色较深的区域定位泄漏异常区域。

4.根据权利要求1所述的有机危化品泄漏智能可视化监测装置，其特征在于根据所述正常分数曲线以及预先设定的阈值，来确定有机危化品泄漏并生成报警信息。