本發(fā)明涉及油氣監(jiān)測(cè)，具體涉及一種油罐區(qū)油氣智能監(jiān)測(cè)系統(tǒng)。

背景技術(shù)：

1、儲(chǔ)存原油或其他石油產(chǎn)品的容器稱(chēng)為油罐，其主要用于煉油廠、油田、油庫(kù)及其他工業(yè)中。油罐區(qū)由多個(gè)油罐組成，每個(gè)油罐區(qū)一般儲(chǔ)存一種油品。

2、油罐區(qū)油氣監(jiān)測(cè)是確保油罐區(qū)安全，防止出現(xiàn)環(huán)境污染和火災(zāi)事故的重要措施。油罐區(qū)油氣監(jiān)測(cè)的主要目的是實(shí)時(shí)監(jiān)測(cè)油罐區(qū)內(nèi)油氣(主要是揮發(fā)性有機(jī)化合物vocs)的濃度和分布，以預(yù)防油氣泄漏、積聚和火災(zāi)爆炸等安全隱患。同時(shí)，通過(guò)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，可以及時(shí)發(fā)現(xiàn)并處理潛在的安全問(wèn)題。

3、然而，現(xiàn)有的油罐區(qū)油氣監(jiān)測(cè)系統(tǒng)僅能監(jiān)測(cè)油罐區(qū)內(nèi)油氣的濃度和分布，并不能準(zhǔn)確判斷油氣泄漏的種類(lèi)，以及具體的漏油點(diǎn)、漏氣點(diǎn)，給油罐區(qū)的安全運(yùn)維工作帶來(lái)較大困難，一旦發(fā)生油氣泄漏事故，如果不能準(zhǔn)確、快速地確定漏油點(diǎn)、漏氣點(diǎn)的具體位置，將會(huì)嚴(yán)重危及油罐區(qū)的安全運(yùn)行。

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問(wèn)題

2、針對(duì)現(xiàn)有技術(shù)所存在的上述缺點(diǎn)，本發(fā)明提供了一種油罐區(qū)油氣智能監(jiān)測(cè)系統(tǒng)，能夠有效克服現(xiàn)有技術(shù)所存在的無(wú)法準(zhǔn)確、快速地判斷油氣泄漏的種類(lèi)，以及具體漏油點(diǎn)、漏氣點(diǎn)的缺陷。

3、(二)技術(shù)方案

4、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：

5、一種油罐區(qū)油氣智能監(jiān)測(cè)系統(tǒng)，包括服務(wù)器，所述服務(wù)器通過(guò)監(jiān)測(cè)數(shù)據(jù)采集模塊采集分布式設(shè)置于油罐區(qū)內(nèi)各組傳感器的監(jiān)測(cè)數(shù)據(jù)，并利用泄漏監(jiān)測(cè)模塊根據(jù)采集的監(jiān)測(cè)數(shù)據(jù)判斷油罐區(qū)內(nèi)的目標(biāo)泄漏區(qū)；

6、所述服務(wù)器通過(guò)可見(jiàn)光圖像采集模塊、紅外光圖像采集模塊分別采集目標(biāo)泄漏區(qū)內(nèi)所有目標(biāo)油罐的可見(jiàn)光圖像、紅外光圖像，所述服務(wù)器通過(guò)油污泄漏監(jiān)測(cè)模型構(gòu)建模塊構(gòu)建油污泄漏監(jiān)測(cè)模型，并利用油污泄漏監(jiān)測(cè)模型訓(xùn)練模塊對(duì)油污泄漏監(jiān)測(cè)模型進(jìn)行模型訓(xùn)練，所述服務(wù)器通過(guò)漏油警報(bào)生成模塊基于訓(xùn)練好的油污泄漏監(jiān)測(cè)模型對(duì)可見(jiàn)光圖像的檢測(cè)結(jié)果生成漏油警報(bào)，并利用第一漏點(diǎn)判斷模塊判斷漏油點(diǎn)；

7、所述服務(wù)器通過(guò)紅外光圖像處理模塊對(duì)紅外光圖像進(jìn)行處理，并利用干擾物過(guò)濾模塊根據(jù)可見(jiàn)光圖像的干擾物識(shí)別結(jié)果對(duì)紅外光圖像進(jìn)行干擾物過(guò)濾，所述服務(wù)器通過(guò)漏氣警報(bào)生成模塊根據(jù)干擾物過(guò)濾后的紅外光圖像生成漏氣警報(bào)，并利用第二漏點(diǎn)判斷模塊判斷漏氣點(diǎn)。

8、優(yōu)選地，所述監(jiān)測(cè)數(shù)據(jù)采集模塊采集分布式設(shè)置于油罐區(qū)內(nèi)各組傳感器的監(jiān)測(cè)數(shù)據(jù)，所述泄漏監(jiān)測(cè)模塊根據(jù)采集的監(jiān)測(cè)數(shù)據(jù)判斷油罐區(qū)內(nèi)的目標(biāo)泄漏區(qū)，包括：

9、采集分布式設(shè)置于油罐區(qū)內(nèi)各組傳感器的監(jiān)測(cè)數(shù)據(jù)，并根據(jù)監(jiān)測(cè)數(shù)據(jù)判斷異常傳感器組；

10、根據(jù)油罐區(qū)內(nèi)各組傳感器之間的安裝位置關(guān)系，確定異常傳感器組所屬的監(jiān)測(cè)區(qū)域，并將該監(jiān)測(cè)區(qū)域作為油罐區(qū)內(nèi)的目標(biāo)泄漏區(qū)；

11、其中，每組傳感器均包括油氣濃度傳感器。

12、優(yōu)選地，所述油污泄漏監(jiān)測(cè)模型構(gòu)建模塊構(gòu)建油污泄漏監(jiān)測(cè)模型，包括：

13、構(gòu)建以mobilenetv2為特征提取網(wǎng)絡(luò)的pspnet模型作為油污泄漏監(jiān)測(cè)模型；

14、其中，特征提取網(wǎng)絡(luò)mobilenetv2提取低層次分級(jí)特征和高層次分級(jí)特征，并根據(jù)特征圖像的高度、寬度和通道數(shù)進(jìn)行卷積及上采樣處理，對(duì)低層次分級(jí)特征和高層次分級(jí)特征進(jìn)行特征融合，得到多層次融合特征。

15、優(yōu)選地，所述油污泄漏監(jiān)測(cè)模型訓(xùn)練模塊對(duì)油污泄漏監(jiān)測(cè)模型進(jìn)行模型訓(xùn)練，包括：

16、s1、按照預(yù)設(shè)比例將圖像數(shù)據(jù)集分成訓(xùn)練集、驗(yàn)證集和測(cè)試集；

17、s2、設(shè)定油污泄漏監(jiān)測(cè)模型的損失函數(shù)和優(yōu)化器，將訓(xùn)練集輸入油污泄漏監(jiān)測(cè)模型進(jìn)行模型訓(xùn)練；

18、s3、基于損失函數(shù)計(jì)算損失值，優(yōu)化器根據(jù)損失值和網(wǎng)絡(luò)梯度信息更新模型參數(shù)；

19、s4、若損失值小于預(yù)設(shè)損失閾值，則模型訓(xùn)練結(jié)束，當(dāng)前油污泄漏監(jiān)測(cè)模型即為訓(xùn)練好的油污泄漏監(jiān)測(cè)模型，否則返回s2，繼續(xù)利用訓(xùn)練集進(jìn)行模型訓(xùn)練；

20、s5、將驗(yàn)證集輸入訓(xùn)練好的油污泄漏監(jiān)測(cè)模型，通過(guò)觀察驗(yàn)證集上的性能來(lái)評(píng)估模型的泛化能力，并調(diào)優(yōu)模型的超參數(shù)和結(jié)構(gòu)；

21、s6、將測(cè)試集輸入調(diào)優(yōu)后的油污泄漏監(jiān)測(cè)模型，進(jìn)行模型性能評(píng)估；

22、其中，s1中按照預(yù)設(shè)比例將圖像數(shù)據(jù)集分成訓(xùn)練集、驗(yàn)證集和測(cè)試集，包括：

23、采集不同油罐上不同位置處的漏油圖像，并對(duì)漏油圖像中的漏油區(qū)域進(jìn)行標(biāo)注，構(gòu)成圖像數(shù)據(jù)集，按照6:2:2的比例將圖像數(shù)據(jù)集分成訓(xùn)練集、驗(yàn)證集和測(cè)試集。

24、優(yōu)選地，所述漏油警報(bào)生成模塊基于訓(xùn)練好的油污泄漏監(jiān)測(cè)模型對(duì)可見(jiàn)光圖像的檢測(cè)結(jié)果生成漏油警報(bào)，包括：

25、對(duì)可見(jiàn)光圖像中的漏油區(qū)域的油污邊緣進(jìn)行腐蝕平滑處理，確定漏油區(qū)域的第一最小外接矩形；

26、預(yù)設(shè)檢測(cè)間隔后，對(duì)同一可見(jiàn)光圖像中的漏油區(qū)域進(jìn)行分割檢測(cè)，確定漏油區(qū)域的第二最小外接矩形；

27、若第一最小外接矩形與第二最小外接矩形之間面積差的絕對(duì)值大于預(yù)設(shè)面積差閾值，則生成緊急漏油警報(bào)，否則生成一般漏油警報(bào)。

28、優(yōu)選地，所述第一漏點(diǎn)判斷模塊判斷漏油點(diǎn)，包括：

29、將可見(jiàn)光圖像中面積最小的漏油區(qū)域?qū)?yīng)的最小內(nèi)接矩形作為目標(biāo)判斷區(qū)域，結(jié)合目標(biāo)判斷區(qū)域的像素值漸變情況確定漏油點(diǎn)。

30、優(yōu)選地，所述紅外光圖像處理模塊對(duì)紅外光圖像進(jìn)行處理，包括：

31、以每個(gè)像素在場(chǎng)景中的原圖像素值為判定依據(jù)，以面對(duì)黑體時(shí)溫度定標(biāo)點(diǎn)圖像的灰度均值為區(qū)間判定點(diǎn)，對(duì)每個(gè)像素進(jìn)行區(qū)間判別，并調(diào)用對(duì)應(yīng)區(qū)間的非均勻性校正系數(shù)，對(duì)紅外光圖像進(jìn)行非均勻噪聲自適應(yīng)校正；

32、建立紅外輻射在大氣傳輸中的傳輸模型，利用傳輸模型去除由于大氣對(duì)紅外成像造成的影響，得到紅外光圖像中像素值較低的潛在氣體區(qū)域；

33、在導(dǎo)向?yàn)V波的代價(jià)函數(shù)中增加像素值梯度權(quán)重項(xiàng)，使其對(duì)像素值梯度變化敏感，以對(duì)紅外光圖像進(jìn)行邊緣增強(qiáng)。

34、優(yōu)選地，所述干擾物過(guò)濾模塊根據(jù)可見(jiàn)光圖像的干擾物識(shí)別結(jié)果對(duì)紅外光圖像進(jìn)行干擾物過(guò)濾，包括：

35、對(duì)可見(jiàn)光圖像進(jìn)行降采樣處理，對(duì)紅外光圖像進(jìn)行插值處理，使得圖像尺寸相同；

36、利用訓(xùn)練好的目標(biāo)檢測(cè)模型對(duì)處理后的可見(jiàn)光圖像進(jìn)行干擾物識(shí)別，得到干擾物所在的第一目標(biāo)區(qū)域；

37、通過(guò)計(jì)算處理后的可見(jiàn)光圖像、紅外光圖像中同一場(chǎng)景點(diǎn)的圖像坐標(biāo)之間的位置變換關(guān)系，得到處理后的可見(jiàn)光圖像、紅外光圖像之間的映射關(guān)系；

38、基于映射關(guān)系，結(jié)合處理后的可見(jiàn)光圖像中干擾物所在的第一目標(biāo)區(qū)域，計(jì)算處理后的紅外光圖像中干擾物所在的第二目標(biāo)區(qū)域，并對(duì)第二目標(biāo)區(qū)域進(jìn)行過(guò)濾。

39、優(yōu)選地，所述漏氣警報(bào)生成模塊根據(jù)干擾物過(guò)濾后的紅外光圖像生成漏氣警報(bào)，包括：

40、構(gòu)建連續(xù)n幀紅外光圖像中相同位置的像素值構(gòu)成的背景模型；

41、若當(dāng)前紅外光圖像中某個(gè)像素被判斷為背景，則背景模型中對(duì)應(yīng)位置及其8鄰域的像素值會(huì)以概率p替換為當(dāng)前紅外光圖像中的像素值；

42、若當(dāng)前紅外光圖像中某個(gè)像素的像素值與背景模型中對(duì)應(yīng)位置的像素值之間的像素差大于預(yù)設(shè)像素差閾值的次數(shù)超過(guò)預(yù)設(shè)次數(shù)閾值時(shí)，則認(rèn)為該當(dāng)前紅外光圖像中的像素為泄漏氣體。

43、優(yōu)選地，所述第二漏點(diǎn)判斷模塊判斷漏氣點(diǎn)，包括：

44、基于當(dāng)前紅外光圖像中所有屬于泄漏氣體的像素確定泄漏氣體輪廓，結(jié)合泄漏氣體輪廓和距離泄漏氣體最近的目標(biāo)油罐的目標(biāo)油罐輪廓確定漏氣點(diǎn)。

45、(三)有益效果

46、與現(xiàn)有技術(shù)相比，本發(fā)明所提供的一種油罐區(qū)油氣智能監(jiān)測(cè)系統(tǒng)，具有以下有益效果：

47、1)油污泄漏監(jiān)測(cè)模型構(gòu)建模塊構(gòu)建油污泄漏監(jiān)測(cè)模型，油污泄漏監(jiān)測(cè)模型訓(xùn)練模塊對(duì)油污泄漏監(jiān)測(cè)模型進(jìn)行模型訓(xùn)練，漏油警報(bào)生成模塊基于訓(xùn)練好的油污泄漏監(jiān)測(cè)模型對(duì)可見(jiàn)光圖像的檢測(cè)結(jié)果生成漏油警報(bào)，第一漏點(diǎn)判斷模塊判斷漏油點(diǎn)，從而能夠利用神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確、快速地判斷是否發(fā)生漏油事故并生成相應(yīng)的漏油警報(bào)，同時(shí)根據(jù)神經(jīng)網(wǎng)絡(luò)模型的檢測(cè)結(jié)果，將可見(jiàn)光圖像中面積最小的漏油區(qū)域?qū)?yīng)的最小內(nèi)接矩形作為目標(biāo)判斷區(qū)域，結(jié)合目標(biāo)判斷區(qū)域的像素值漸變情況，能夠確定漏油點(diǎn)的具體位置；

48、2)紅外光圖像處理模塊對(duì)紅外光圖像進(jìn)行處理，干擾物過(guò)濾模塊根據(jù)可見(jiàn)光圖像的干擾物識(shí)別結(jié)果對(duì)紅外光圖像進(jìn)行干擾物過(guò)濾，漏氣警報(bào)生成模塊根據(jù)干擾物過(guò)濾后的紅外光圖像生成漏氣警報(bào)，第二漏點(diǎn)判斷模塊判斷漏氣點(diǎn)，通過(guò)對(duì)紅外光圖像進(jìn)行圖像處理和干擾物過(guò)濾，并通過(guò)構(gòu)建背景模型進(jìn)行像素值替換和比較，能夠準(zhǔn)確、快速地判斷是否發(fā)生漏氣事故并生成相應(yīng)的漏氣警報(bào)，同時(shí)結(jié)合紅外光圖像中的泄漏氣體輪廓和距離泄漏氣體最近的目標(biāo)油罐的目標(biāo)油罐輪廓，能夠確定漏氣點(diǎn)的具體位置，進(jìn)而為油罐區(qū)的安全運(yùn)維工作帶來(lái)便利，有效保障油罐區(qū)的安全運(yùn)行。