本發(fā)明涉及人工智能領(lǐng)域，特別涉及一種管道泄漏檢測方法和裝置。

背景技術(shù)：

1、現(xiàn)有的管道泄漏檢測技術(shù)主要包括基于傳感器的方法。但在復(fù)雜的工業(yè)環(huán)境中，尤其是對于無色流體（例如水）的泄漏，檢測仍然面臨挑戰(zhàn)。具體問題包括：傳感器技術(shù)通常依賴于物理測量，如水流速度或壓力變化，傳感器的方法對小規(guī)模泄漏不夠敏感，且在管道布局復(fù)雜或環(huán)境噪聲大的情況下，難以準(zhǔn)確定位泄漏點(diǎn)。因此，如何準(zhǔn)確測量無色流體的泄漏點(diǎn)成為了本領(lǐng)域人員亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問題，本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的一種管道泄漏檢測方法和裝置。

2、第一方面，一種管道泄漏檢測方法，包括：

3、通過紅外相機(jī)采集管道區(qū)域的熱圖像，并根據(jù)所述熱圖像檢測到溫度低于環(huán)境溫度的感興趣區(qū)域；

4、通過可見光相機(jī)采集所述感興趣區(qū)域的可見光圖像，并根據(jù)所述可見光圖像檢測到泄漏輪廓的邊緣信息；

5、根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置。

6、可選的，在某些可選的實(shí)施方式中，所述通過紅外相機(jī)采集管道區(qū)域的熱圖像，并根據(jù)所述熱圖像檢測到溫度低于環(huán)境溫度的感興趣區(qū)域，包括：

7、通過紅外相機(jī)采集管道區(qū)域的熱圖像；

8、增強(qiáng)所述熱圖像的對比度；

9、基于多閾值分割技術(shù)對所述熱圖像進(jìn)行分塊，得到感興趣區(qū)域和正常區(qū)域，其中，所述感興趣區(qū)域的溫度低于環(huán)境溫度，所述正常區(qū)域的溫度不低于所述環(huán)境溫度。

10、可選的，在某些可選的實(shí)施方式中，所述增強(qiáng)所述熱圖像的對比度，包括：

11、使用圖像增強(qiáng)算法對所述熱圖像進(jìn)行處理，以增強(qiáng)所述熱圖像的對比度，其中，所述圖像增強(qiáng)算法為：直方圖均衡化算法、對數(shù)變換算法或?qū)Ρ榷壤焖惴ā?/p>

12、可選的，在某些可選的實(shí)施方式中，所述基于多閾值分割技術(shù)對所述熱圖像進(jìn)行分塊，得到感興趣區(qū)域和正常區(qū)域，包括：

13、基于多閾值分割技術(shù)，對增強(qiáng)對比度之后的所述熱圖像進(jìn)行分割，得到多個(gè)熱圖像區(qū)域；

14、將像素灰度值大于預(yù)設(shè)灰度閾值的熱圖像區(qū)域劃分為感興趣區(qū)域；

15、將像素灰度值不大于預(yù)設(shè)灰度閾值的熱圖像區(qū)域劃分為正常區(qū)域，其中，所述預(yù)設(shè)灰度閾值與所述環(huán)境溫度相匹配。

16、可選的，在某些可選的實(shí)施方式中，所述通過可見光相機(jī)采集所述感興趣區(qū)域的可見光圖像，并根據(jù)所述可見光圖像檢測到泄漏輪廓的邊緣信息，包括：

17、獲得所述感興趣區(qū)域的坐標(biāo)；

18、通過可見光相機(jī)采集所述坐標(biāo)對應(yīng)的可見光圖像；

19、基于圖像處理算法增強(qiáng)所述可見光圖像中的泄漏輪廓和邊緣特征；

20、根據(jù)所述泄漏輪廓和所述邊緣特征，對所述見光圖像進(jìn)行邊緣檢測，得到所述泄漏輪廓的邊緣信息。

21、可選的，在某些可選的實(shí)施方式中，所述基于圖像處理算法增強(qiáng)所述可見光圖像中的泄漏輪廓和邊緣特征，包括：

22、依次對所述可見光圖像進(jìn)行高斯濾波處理，中值濾波處理和top-hat變換處理，從而增強(qiáng)所述可見光圖像中的泄漏輪廓和邊緣特征。

23、可選的，在某些可選的實(shí)施方式中，所述根據(jù)所述泄漏輪廓和所述邊緣特征，對所述見光圖像進(jìn)行邊緣檢測，得到所述泄漏輪廓的邊緣信息，包括：

24、使用scharr算子，根據(jù)所述泄漏輪廓和所述邊緣特征對所述見光圖像進(jìn)行邊緣檢測，得到所述泄漏輪廓的邊緣信息。

25、可選的，在某些可選的實(shí)施方式中，所述根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置，包括：

26、根據(jù)所述邊緣信息，在所述泄漏輪廓的邊緣像素上選擇一個(gè)起始點(diǎn)；

27、從所述起始點(diǎn)開始，使用moore-neighbor跟蹤算法，沿著邊緣像素進(jìn)行跟蹤，以確定泄漏輪廓是否成功閉合；

28、若所述泄漏輪廓成功閉合，則確定管道在所述泄漏輪廓的相應(yīng)位置發(fā)生泄漏。

29、可選的，在某些可選的實(shí)施方式中，在所述根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置之后，所述方法還包括：

30、生成相應(yīng)的管道泄漏檢測報(bào)告。

31、可選的，在某些可選的實(shí)施方式中，在所述根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置之后，所述方法還包括：

32、按照預(yù)設(shè)的巡檢路徑，自動(dòng)巡檢到下一個(gè)檢測點(diǎn)并再次執(zhí)行上述管道泄漏檢測方法。

33、第二方面，一種管道泄漏檢測裝置，包括：紅外圖像采集單元、可見光圖像采集單元和泄漏位置確定單元；

34、所述紅外圖像采集單元，用于通過紅外相機(jī)采集管道區(qū)域的熱圖像，并根據(jù)所述熱圖像檢測到溫度低于環(huán)境溫度的感興趣區(qū)域；

35、所述可見光圖像采集單元，用于通過可見光相機(jī)采集所述感興趣區(qū)域的可見光圖像，并根據(jù)所述可見光圖像檢測到泄漏輪廓的邊緣信息；

36、所述泄漏位置確定單元，用于根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置。

37、借由上述技術(shù)方案，本發(fā)明提供的一種管道泄漏檢測方法和裝置，可以通過紅外相機(jī)采集管道區(qū)域的熱圖像，并根據(jù)所述熱圖像檢測到溫度低于環(huán)境溫度的感興趣區(qū)域；通過可見光相機(jī)采集所述感興趣區(qū)域的可見光圖像，并根據(jù)所述可見光圖像檢測到泄漏輪廓的邊緣信息；根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置。由此可以看出，本發(fā)明可以基于紅外相機(jī)和可見光相機(jī)的圖像，進(jìn)行檢測和計(jì)算，快速準(zhǔn)確地確定管道的泄漏位置，特別是用于檢測無色流體的泄漏位置。

38、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

技術(shù)特征：

1.一種管道泄漏檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過紅外相機(jī)采集管道區(qū)域的熱圖像，并根據(jù)所述熱圖像檢測到溫度低于環(huán)境溫度的感興趣區(qū)域，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述增強(qiáng)所述熱圖像的對比度，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于多閾值分割技術(shù)對所述熱圖像進(jìn)行分塊，得到感興趣區(qū)域和正常區(qū)域，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過可見光相機(jī)采集所述感興趣區(qū)域的可見光圖像，并根據(jù)所述可見光圖像檢測到泄漏輪廓的邊緣信息，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于圖像處理算法增強(qiáng)所述可見光圖像中的泄漏輪廓和邊緣特征，包括：

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述泄漏輪廓和所述邊緣特征，對所述見光圖像進(jìn)行邊緣檢測，得到所述泄漏輪廓的邊緣信息，包括：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置，包括：

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置之后，所述方法還包括：

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置之后，所述方法還包括：

11.一種管道泄漏檢測裝置，其特征在于，包括：紅外圖像采集單元、可見光圖像采集單元和泄漏位置確定單元；

技術(shù)總結(jié)
本發(fā)明涉及人工智能領(lǐng)域，本發(fā)明公開了一種管道泄漏檢測方法和裝置，可以通過紅外相機(jī)采集管道區(qū)域的熱圖像，并根據(jù)所述熱圖像檢測到溫度低于環(huán)境溫度的感興趣區(qū)域；通過可見光相機(jī)采集所述感興趣區(qū)域的可見光圖像，并根據(jù)所述可見光圖像檢測到泄漏輪廓的邊緣信息；根據(jù)所述邊緣信息，計(jì)算所述泄漏輪廓的閉合性，從而確定管道泄漏位置。由此可以看出，本發(fā)明可以基于紅外相機(jī)和可見光相機(jī)的圖像，進(jìn)行檢測和計(jì)算，快速準(zhǔn)確地確定管道的泄漏位置，特別是用于檢測無色流體的泄漏位置。

技術(shù)研發(fā)人員：趙永,邱詒耿,張欽鵬,邱化海,鐘亮,周海濤,高勇
受保護(hù)的技術(shù)使用者：華電章丘發(fā)電有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9