[发明专利]一种基于机器视觉判断操作人员执行管道漏气检测的方法

说明书

本发明提供了一种基于机器视觉判断操作人员执行管道漏气检测的方法，涉及管道运输安全和智能识别技术领域。步骤包括：采集现场图片数据，进行预处理，包括缩放、裁剪、对比度调整、亮度调整、添加噪音、图片拼接等；构建管道连接检测模型，并对模型进行训练；构建人员检测模型，并对模型进行训练；构建气体监测仪检测模型，并对模型进行训练；将训练后的模型接入监控摄像头中，依次通过管道连接检测模型、人员检测模型和气体监测仪检测模型进行处理，后处理判断是否存在执行漏气检测的行为，并进行判断。检测模型中利用卷积层、批归一化层、激活层、池化层、残差块构建。该方法具有响应速度快，操作安全，效率高的优点。

技术领域

本发明涉及管道运输安全和智能识别技术领域，尤其是一种管道运输安全和智能识别技术领域。

背景技术

随着经济发展，对能源需求增大，天然气作为新能源使用也越加广泛。作为运输天然气的重要方式，使用LNG槽车进行装卸也越加频繁。漏气检测必须发生在管道连接后、输送气之前。由于LNG的装卸车程序较多，单靠操作人员自身容易漏操作，若产生漏气会引发爆炸等严重安全事故，因而必须要有监控措施。

现有技术中，一般采用监控手段，如专人现场监督，会消耗较多人力，且监控人员工作单一，无法合理利用人力。还有上传正在执行气体检测行为的照片至服务器，检查人员随机抽取图片进行审核，但是该方法的时效性不足，且无法提前阻止违规行为，不能做到高效精确管控。随人工智能、深度学习等技术出现，对操作人员是否执行管道漏气检测行为的自动实时判断成为可能。

发明内容

为了保证LNG槽车的卸车安全，确定管道漏气的检测，保证响应速度和操作安全，提升监测效率，本发明提供了一种基于机器视觉判断操作人员执行管道漏气检测的方法，具体技术方案如下。

一种基于机器视觉判断操作人员执行管道漏气检测的方法，步骤包括：

S1.采集现场图片数据；

S2.对图片数据进行预处理，预处理包括缩放、裁剪、对比度调整、亮度调整、减少噪音和图片拼接操作；

S3.构建管道连接检测模型，并对管道连接检测模型进行训练；

S4.构建人员检测模型，并对人员检测模型进行训练；

S5.构建气体监测仪检测模型，并对气体监测仪检测模型进行训练；

S6.将训练后的模型接入监控摄像头中，依次通过管道连接检测模型、人员检测模型和气体监测仪检测模型进行处理；

S7.后处理判断是否存在执行漏气检测的行为，并进行判断。

优选的是，管道连接检测模型、人员检测模型和气体监测仪检测模型利用卷积层、批归一化层、激活层、池化层、残差块构建。

优选的是，批归一化层对每一批数据进行归一化处理，并且在网络中任意一层进行归一化处理。

还优选的是，激活层对输入数据进行激活操作，在运算过程中输入和输出的数据大小是相等的。

进一步优选的是，池化层设置在连续的卷积层中间，并压缩图像去掉部分信息，保持图像尺度。

进一步优选的是，残差块将给定的中间特征图沿着两个维度获取注意力特征图，对输入中间特征图进行调整，强化有用信息抑制无用信息保持输入与输出的尺寸一致。

进一步优选的是，现场图片数据包括LNG卸车现场图片。

进一步优选的是，执行漏气检测的行为的判断，首先进行软管连接的检测判断，检测到软管连接后再分别进行人员检测判断和气体监测仪检测判断。