一种基于人工智能的油田污水检测方法及设备与流程

技术特征：
1.一种基于人工智能的油田污水检测方法，其特征在于，所述方法包括：通过图像采集装置定时采集油田污水的原始图像，确定出待检测的污水区域图像，其中，所述图像采集装置设置于所述油田污水对应的不同位置处；对所述污水区域图像进行灰度处理和归一化处理，确定出污水区域灰度图像，计算所述污水区域灰度图像的亮度值；计算所述待检测的污水区域图像的暗通道值，并根据所述亮度值和暗通道值确定指定像素点，所述指定像素点为所述油田污水中指标成分对应的像素点；将所述指定像素点处的亮度值作为所述指定像素点的像素值，并将非指定像素点处的亮度值作为所述非指定像素点的像素值；将所述指定像素点处的像素值与所述非指定像素点处的像素值进行对比，确定出所述指定像素点对应的衰减系数，所述衰减系数为所述指定像素点与所述非指定像素点的像素值变化情况；根据所述指定像素点在所述污水区域图像中的位置关系，将所述指定像素点的衰减系数转换为对应的衰减系数分布图，所述衰减系数分布图用于表示所述污水区域图像中存在的指定像素点对应衰减系数的分布情况；将所述衰减系数分布图输入至预先训练的第一检测模型中，检测所述油田污水中的指标成分等级，以用于确定所述油田污水的初检结果；判断所述初检结果是否符合预先设置的检测阈值，若所述初检结果不符合预设的检测阈值，则发送给计算机终端以便进行复检。2.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述通过图像采集装置定时采集油田污水的原始图像，确定出待检测的污水区域图像，具体包括：在所述待检测的油田污水的不同位置设置图像采集装置，并设置图像采集装置的采集时刻，采集不同位置油田污水的原始图像，其中，所述油田污水的不同位置处包括：油田污水底部、油田污水顶部以及中间位置处；确定不同位置油田污水的原始图像的亮度值，筛选出亮度值低于预设阈值的污水区域部分，裁剪所述亮度值高于预设阈值的干扰区域部分，确定出待检测的污水区域图像。3.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述对所述污水区域图像进行灰度处理和归一化处理，确定出污水区域灰度图像，计算所述污水区域灰度图像的亮度值，具体包括：将所述污水区域图像分解为三通道图像，得到第一通道污水区域图像、第二通道污水区域图像以及第三通道污水区域图像，所述第一通道污水区域图像、所述第二通道污水区域图像以及所述第三通道污水区域图像的图像颜色不同；对所述第一通道污水区域图像、所述第二通道污水区域图像以及所述第三通道污水区域图像分别进行灰度处理，转换为对应的灰度图像；将三个所述对应的灰度图像进行归一化处理，确定出污水区域灰度图像；计算所述污水区域灰度图像中各个像素点的灰度值，将所述灰度值作为所述污水区域图像中各个像素点的亮度值。4.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述计算所述污水区域灰度图像的亮度值，具体包括：计算所述污水区域灰度图像各个像素点处在三个通道的像素值；
根据所述污水区域灰度图像各个像素点处在三个通道的像素值，计算所述污水区域灰度图像中各个像素点的亮度值，公式如下：d＝p1x1 p2x2 p3x3，其中，d为所述像素点处的亮度值，x1为所述像素点在第一个通道处的像素值，x2为所述像素点在第二个通道处的像素值，x3为所述像素点在第三个通道处的像素值，p1、p2和p3为固有参数。5.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述计算所述待检测的污水区域图像的暗通道值，具体包括：将所述污水区域图像转换为对应的暗通道图像，并将所述暗通道图像平均分为多个区域，计算每一个区域内像素点的亮度值的平均值，确定出所述平均值最大的第一区域图像，并计算所述第一区域图像内的像素个数；将所述第一区域图像平均分为多个区域，计算每个区域内像素点亮度的平均值，确定出所述平均值最大的第二区域图像，并计算所述第二区域内的像素个数；若所述第二区域图像内的像素点个数在预设阈值内，则将所述第二区域图像确定为最小窗口ω(y)；在所述最小窗口ω(y)中计算各个像素点在三个通道内的光强度值，得到对应像素点的第一通道光强度值、第二通道光强度值以及第三通道光强度值；对所述第一通道光强度值、所述第二通道光强度值以及所述第三通道光强度值进行比较，确定最小数值对应的通道为暗通道，对应像素点在所述暗通道的光强度值为所述对应像素点的暗通道值。6.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述将非指定像素点处的亮度值作为所述非指定像素点的像素值，具体包括：确定所述污水区域图像中的指定像素点数量n，将所述污水区域灰度图像平均划分为n*n个区域；确定所述指定像素点所处区域的多个相邻区域，在所述多个相邻区域中，选取特定区域中的像素点作为非指定像素点，其中，所述特定区域中不包括任意一个指定像素点；计算所述特定区域中的所有像素点的亮度值，将所述亮度值的平均值作为所述非指定像素点的像素值。7.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述根据所述亮度值和暗通道值确定指定像素点，具体包括：计算所述污水区域图像中的所有像素点的亮度值和暗通道值的差值，当存在所述差值在预设阈值内时，确定差值对应的像素点为所述油田污水中指标成分对应的像素点；其中，所述预设阈值的确定方法包括：采集预先检测的已知含有指标成分的油田污水的图像，对所述图像进行灰度处理和归一化处理，确定出对应的灰度图像，计算所述灰度图像中所述指标成分对应像素点的亮度值，并计算所述图像中所述指标成分对应像素点的暗通道值，计算所述亮度值和所述暗通道值的差值，根据所述差值确定预设阈值。8.根据权利要求1所述的一种基于人工智能的油田污水检测方法，其特征在于，所述将所述分布图输入至预先训练的第一检测模型之前，所述方法还包括：
构建初始的第一检测模型，其中所述第一检测模型为基于vgg-16的改进卷积神经网络模型，所述基于vgg-16的改进卷积神经网络模型在vgg-16模型的基础上，添加预设模块，并使用卷积池化并行结构，其中所述预设模块用于增加神经网络模型的深度和宽度，减小训练参数；基于网络爬虫技术采集历史数据，并对所述历史数据进行处理，构建指标成分样本数据集，其中，所述历史数据包括油田污水的衰减系数分布图和对应的油田污水中指标成分的浓度等级；对所述历史数据进行处理，具体包括：确定出所述衰减系数分布图中大于预设衰减系数阈值的衰减系数，并对所述衰减系数使用鼠标框进行标记，确定识别位置；根据所述衰减系数分布图对应的指标成分的浓度等级和识别位置生成标记文件；将标记后的所述指标成分样本数据集划分为训练集和测试集；对所述基于vgg-16的改进卷积神经网络模型进行第一次训练和第二次训练，确定出符合要求的第一检测模型。9.根据权利要求8所述的一种基于人工智能的油田污水检测方法，其特征在于，所述对所述基于vgg-16的改进卷积神经网络模型进行第一次训练和第二次训练，确定出符合要求的第一检测模型，具体包括：选取预设数据集对所述基于vgg-16的改进卷积神经网络模型进行第一次训练，确定所述第一次训练后模型的模型参数值，其中，所述模型参数值包括：所述第一次训练后模型的学习率为1e-4，所述第一次训练后模型的随机梯度下降权重为5e-4，所述第一次训练后模型的模型加速动量值为4；使用标记后的所述指标成分样本数据集对所述第一次训练后的模型进行第二次训练，具体包括：将标记后的衰减系数分布图输入至第一次训练后的模型中，获取到不同大小的特征映射；抽取conv4_3、conv7、conv8_2、conv9_2、conv10_2以及conv11_2层的特征图，在所述特征图的图层上的每一个像素点构造不同尺度大小的预测框，基于所述预测框输出分类结果；根据所述输出分类结果和所述指标成分样本数据集中的分类结果计算交叉熵，加入正则化项组成总损失，计算损失函数的梯度，再乘以学习率以用于更新每一层的参数；所述损失函数的公式为其中，m代表每次迭代样本个数，n代表种类数，y
pq
表示类别标签，表示类别标签对应的概率；根据所述损失函数调整所述模型的参数值，确定出符合要求的第一检测模型。10.一种基于人工智能的油田污水检测设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，触发该设备执行权利要求1-9中任一项所述的方法。

技术总结
本说明书实施例公开了一种基于人工智能的油田污水检测方法及设备，方法包括通过图像采集装置定时采集油田污水的原始图像确定出待检测的污水区域图像，对污水区域图像进行灰度处理和归一化处理确定出污水区域灰度图像，计算亮度值和暗通道值，根据亮度值和暗通道值确定指定像素点；将指定像素点处的亮度值作为指定像素点的像素值，确定指定像素点对应的衰减系数，将指定像素点的衰减系数转换为对应的衰减系数分布图；将衰减系数分布图输入至预先训练的第一检测模型中，检测油田污水中的指标成分等级以用于确定油田污水的初检结果；判断初检结果是否符合预先设置的检测阈值，若初检结果不符合预设的检测阈值则发送给计算机终端以便进行复检。端以便进行复检。端以便进行复检。


技术研发人员：崔仕章 侯云福 宋新旺 王黎明 高瑞美 常新明 张向红 刘骁
受保护的技术使用者：山东德仕化工有限公司 山东德仕石油装备有限公司
技术研发日：2021.10.27
技术公布日：2022/2/18