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与流程

1.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：

2.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。
3.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。


技术实现要素：

4.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。
5.一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：
6.s1.采集现场图片数据；
7.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、添加噪音和图片拼接操作；
8.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；
9.s4.构建人员检测模型，并对人员检测模型进行训练；
10.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；
11.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；
12.s7.后处理判断是否存在执行漏气检测的行为，并进行判断。
13.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。
14.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。
15.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。
16.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。
17.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。
18.进一步优选的是，现场图片数据包括lng卸车现场图片。
19.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。
20.本发明提供的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有益效果包括：利用该方法可以有效的检测lng卸车过程中管道漏气检测情况，并且还具有响应迅速、实时性好，及时返回行为判断的结果，效率高的优点；另外该方法利用摄像头进行检测判断，从而保证了监控的客观性和时效性，全自动处理视频流，无需人工监督，操作简便。利用该方法可以即时监控操作人员未执行漏气检测行为时，阻止操作人员输送气操作，减少事故发生。
附图说明
21.为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是基于机器视觉判断操作人员执行管道漏气检测的方法流程示意图；
23.图2是检测步骤框图。
具体实施方式
24.结合图1和图2所示，对本发明提供的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实施方式进行说明。
25.在lng卸车时，为了判断工作人员是否执行管道漏气检测行为的问题，提供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，解决人为检测过程中存在的诸多问题，该方法的具体操作步骤包括：
26.s1.采集现场图片数据。
27.其中具体可以对lng卸车现场的图片数据进行采集，得到原始的数据集，建立数据库；本方案中应该包括各个角度的管道连接图片，以及人员检测管道泄漏的图片。
28.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、添加噪音和图片拼接操作。
29.其中管道泄漏检测的图片包括视频中图像的缩放处理，以及图像的裁剪、对比度调整和亮度调整、图像拼接操作，以及其它需要的图像处理方式。
30.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。
31.s4.构建人员检测模型，并对人员检测模型进行训练。
32.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。
33.上述步骤中的检测模型，具体是以下操作进行检测判断，其中卸车人员依次拆除软管盲板、装出液管、增压气相、液相管，开启增压液相阀门、开启放散、增压预冷、观察槽车
lng压力是否在0.5
‑
0.6mpa、开启卸车进液阀门；最后卸车员开启出液阀门开始卸液。卸车人员将依次关闭槽车出液阀门、关闭进液管道阀门、对槽车出液管道放散排压、开启bog管道阀门、启动bog压缩机对槽车进行余压回收、观察槽车压力是否下降到0.3mpa左右，拆下槽车出液管、增压气相及液相管；然后卸车员将出液软管放入收纳盒内。
34.在管道连接完成后检测是否又人员利用气体监测仪对该过程进行检测，从而保证卸车过程中管道的安全，避免人为漏检、错检等带来的问题。
35.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。
36.具体是把监控摄像头采集到的图片不经过预处理，直接送入管道连接检测模型中，若检测到软管已经连接并得到其位置，再把该图片分别送入人员检测模型和气体监测仪检测模型中，检测人员、气体检测仪是否存在及其位置。
37.s7.后处理判断是否存在执行漏气检测的行为，并进行判断。若软管连接、人员、气体检测仪都存在，则根据检测得到的人员、气体检测仪、管道连接部分的位置，进行后处理判断人员是否在执行漏气检测的行为；否则不存在漏气检测行为。
38.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。使用卷积神经网络进行图像识别时，输入为进行过转换的图片数据，深度为图像存储每个像素所用的位数，比如彩色图像。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。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。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。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。
39.现场图片数据包括lng卸车现场图片。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。
40.该方法可以有效的检测lng卸车过程中管道漏气检测情况，并且还具有响应迅速、实时性好，及时返回行为判断的结果，效率高的优点；另外该方法利用摄像头进行检测判断，从而保证了监控的客观性和时效性，全自动处理视频流，无需人工监督，操作简便。利用该方法可以即时监控操作人员未执行漏气检测行为时，阻止操作人员输送气操作，减少事故发生。
41.当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。