一种基于机器人的跑冒滴漏检测方法与流程

一种基于机器人的跑冒滴漏检测方法
【技术领域】
1.本申请涉及计算机技术领域，尤其涉及一种基于机器人的跑冒滴漏检测方法。


背景技术：

2.跑冒滴漏是指液体、气体进行存放，运输等过程中，因管理不善及操作不当而产生跑气，冒水，滴液，漏液的现象。不但会造成成本的浪费，同时也会导致设备腐蚀和环境污染，形成潜在的安全隐患，及时发现生产现场的跑冒滴漏问题，是发电厂安全生产的重要指标之一。当前跑冒滴漏问题的发现主要依靠人工巡视，工作效率低、及时性不高。


技术实现要素：

3.本发明的目的在于提供一种基于机器人的跑冒滴漏检测方法，实现及时、精准、自动推送报警，提高电力生产过程的安全风险管控和应急处置能力。
4.本发明提供了一种基于机器人的跑冒滴漏检测方法，包括如下步骤：
5.s01，通过机器人巡检配置工具对需要自动巡检跑冒滴漏缺陷的设备部件进行点位配置；
6.s02，由机器人收集设备部件的样本图像数据；
7.s03，对样本图像数据进行清洗、标注；
8.s04，由步骤s01至s03获取的数据，通过深度学习算法训练获得ai模型；
9.s05，将ai模型部署为跑冒滴漏分析推理服务，提供接口；
10.s06，由机器人巡检，收集设备部件的图像数据；
11.s07，自动调用跑冒滴漏分析推理服务，判断有无跑冒滴漏；若有，则进行提示。
12.进一步地，步骤s01中所述点位配置为设备部件分析区域，即当机器人运行到点位配置区域时，机器人自动收集设备部件的图像数据。
13.进一步地，所述步骤s02中机器人从多角度收集设备部件的样本图像数据，所述样本图像数据包括所述设备部件的所有可视部位图像数据。
14.进一步地，所述步骤s02中图像数据包括正常工作时对应的正常影像和跑冒滴漏时对应的缺陷影像。
15.进一步地，所述步骤s03中对样本图像数据进行清洗、标注包括对样本图像数据进行比例变换、旋转变换、位移变换、光线变换和图像合成。
16.进一步地，所述步骤s07中自动调用跑冒滴漏分析推理服务为异步调用。
17.进一步地，所述步骤s01中的点位配置支持对同一点位进行单个或者多个识别区域配置。
18.进一步地，所述步骤s01中需要自动巡检跑冒滴漏缺陷的设备部件包括法兰、阀门、管路接口、管件连接面、管路转弯处和管路焊接处。
19.进一步地，所述步骤s07中提示依据严重程度进行不同紧急程度的提示；所述严重程度通过跑冒滴漏的大小、跑冒滴漏发生的区域和跑冒滴漏的物料来区别。
20.进一步地，还包括步骤s08，进行人工校验，当实际结果与跑冒滴漏分析推理服务反馈的结果不一致时，将图像数据加入样本图像数据，重复步骤s03至s05来训练更新ai模型。
21.与现有技术相比，本申请有如下优点：
22.通过深度学习建立ai模型，部署跑冒滴漏分析推理服务，通过机器人实时巡检，自动调用跑冒滴漏分析推理服务，实现变电站、发电厂等生产区域的全天候、全自主智能监控；通过机器人多角度全覆盖收集数据，精准有效地排查跑冒滴漏异常情况；减少人工排查可能的疏漏，有效降低劳动强度，降低电厂运维成本，降低环境污染风险，提高安全巡检作业效率。
【附图说明】
23.图1为本发明基于机器人的跑冒滴漏检测方法的流程图。
24.图2为本发明基于机器人的跑冒滴漏检测方法的流程图。
【具体实施方式】
25.为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图，作详细说明如下，但本发明并不限于此。
26.如图1-2所示，一种基于机器人的跑冒滴漏检测方法，包括如下步骤：
27.s01，通过机器人巡检配置工具对需要自动巡检跑冒滴漏缺陷的设备部件进行点位配置；一般电厂中，容易发生跑冒滴漏的部件有法兰、阀门、管路接口、管件连接面、管路转弯处和管路焊接处等，通过机器人巡检配置工具对上述位置进行点位配置，当机器人运行到点位配置区域时，机器人自动开启摄像头，收集设备部件的图像数据；巡检配置工具的点位配置支持对同一点位进行单个或者多个识别区域配置，方便多区域配置时进行共用，无需每个区域分别点位配置；
28.s02，由机器人收集设备部件的样本图像数据；机器人从多角度收集设备部件的样本图像数据，所述样本图像数据包括所述设备部件的所有可视部位图像数据；如机器人从上下左右前后对设备部件进行拍摄，确保没有漏检部位；
29.s03，对样本图像数据进行清洗、标注；对机器人收集的样本图像数据进行比例变换、旋转变换、位移变换、光线变换和图像合成，标注为正常无跑冒滴漏、液体的跑冒滴漏、气体的跑冒滴漏，液体的跑冒滴漏包括水的跑冒滴漏和油的跑冒滴漏，气体的跑冒滴漏包括蒸汽的跑冒滴漏等；比例变换改变图像尺寸，即长和宽，可以按照比例即按照长宽比来改变图像大小，也可以不按照图像长宽比按照需求来放大或者缩小图像；旋转变换将图像上所有的点都绕一个固定的点换同一方向，转动同一个角度；位移变换将图像所有的像素坐标分别加上指定的水平偏移量和垂直偏移量；光线变换调整图像的明亮度；图像合成将对角度的图像进行融合；最终得到统一标准的图像。
30.s04，由步骤s01至s03获取的数据，通过深度学习算法训练获得ai模型；通过特征提取出正常情况与各种跑冒滴漏的特征，进行分类；
31.s05，将ai模型部署为跑冒滴漏分析推理服务，提供接口；部署为接口，方便调用和异步处理，提高处理效率；
32.s06，由机器人巡检，收集设备部件的图像数据；当机器人巡检至点位配置区域时，机器人自动开启摄像头，收集设备部件的图像数据；
33.s07，自动调用跑冒滴漏分析推理服务，判断有无跑冒滴漏；若有，则进行提示；将图像数据通过消息队列mq异步通信调用跑冒滴漏分析推理服务，判断该点位有无跑冒滴漏，如有则进行报警提示，提示跑冒滴漏的区域、位置和严重程度，并提供图片供人员核查；人员依据报警的严重程度进行处理，严重程度包括跑冒滴漏的大小、跑冒滴漏发生的区域和跑冒滴漏的物料。
34.s08，进行人工校验，当实际结果与跑冒滴漏分析推理服务反馈的结果不一致时，将图像数据加入样本图像数据，重复步骤s03至s05来训练更新ai模型；在人员看到报警提示后，人工核验照片和现场，当现场实际结果与跑冒滴漏分析推理服务反馈的结果不一致时，如现场实际无跑冒滴漏而跑冒滴漏分析推理服务反馈有跑冒滴漏，或现场实际有跑冒滴漏而跑冒滴漏分析推理服务反馈无跑冒滴漏，将图像数据加入样本图像数据，重复步骤s03至s05来训练更新ai模型，并再次投入使用，以提高算法的准确性和鲁棒性。
35.本方法还可以用于带有颜色的液体、粘稠性液体、高压蒸汽等电厂中常见的溶液和气体。


技术特征：
1.一种基于机器人的跑冒滴漏检测方法，其特征在于，包括如下步骤：s01，通过机器人巡检配置工具对需要自动巡检跑冒滴漏缺陷的设备部件进行点位配置；s02，由机器人收集设备部件的样本图像数据；s03，对样本图像数据进行清洗、标注；s04，由步骤s01至s03获取的数据，通过深度学习算法训练获得ai模型；s05，将ai模型部署为跑冒滴漏分析推理服务，提供接口；s06，由机器人巡检，收集设备部件的图像数据；s07，自动调用跑冒滴漏分析推理服务，判断有无跑冒滴漏；若有，则进行提示。2.根据权利要求1所述的基于机器人的跑冒滴漏检测方法，其特征在于，步骤s01中所述点位配置为设备部件分析区域，即当机器人运行到点位配置区域时，机器人自动收集设备部件的图像数据。3.根据权利要求1所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s02中机器人从多角度收集设备部件的样本图像数据，所述样本图像数据包括所述设备部件的所有可视部位图像数据。4.根据权利要求3所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s02中图像数据包括正常工作时对应的正常影像和跑冒滴漏时对应的缺陷影像。5.根据权利要求1所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s03中对样本图像数据进行清洗、标注包括对样本图像数据进行比例变换、旋转变换、位移变换、光线变换和图像合成。6.根据权利要求1所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s07中自动调用跑冒滴漏分析推理服务为异步调用。7.根据权利要求1所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s01中的点位配置支持对同一点位进行单个或者多个识别区域配置。8.根据权利要求1所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s01中需要自动巡检跑冒滴漏缺陷的设备部件包括法兰、阀门、管路接口、管件连接面、管路转弯处和管路焊接处。9.根据权利要求8所述的基于机器人的跑冒滴漏检测方法，其特征在于，所述步骤s07中提示依据严重程度进行不同紧急程度的提示；所述严重程度通过跑冒滴漏的大小、跑冒滴漏发生的区域和跑冒滴漏的物料来区别。10.根据权利要求1-9任一项所述的基于机器人的跑冒滴漏检测方法，其特征在于，还包括步骤s08，进行人工校验，当实际结果与跑冒滴漏分析推理服务反馈的结果不一致时，将图像数据加入样本图像数据，重复步骤s03至s05来训练更新ai模型。

技术总结
本发明公开了一种基于机器人的跑冒滴漏检测方法，通过深度学习建立AI模型，部署跑冒滴漏分析推理服务，通过机器人实时巡检，自动调用跑冒滴漏分析推理服务，实现变电站、发电厂等生产区域的全天候、全自主智能监控；通过机器人多角度全覆盖收集数据，精准有效地排查跑冒滴漏异常情况；减少人工排查可能的疏漏，有效降低劳动强度，降低电厂运维成本，降低环境污染风险，提高安全巡检作业效率。提高安全巡检作业效率。提高安全巡检作业效率。


技术研发人员：李爱玲 邱健斌 陈治华 张冬爽 谢广录 廖青 罗威 贾轩 李波 赵广辉 潘志明 郭海军 袁彪
受保护的技术使用者：广东拓普视科技有限公司
技术研发日：2021.11.06
技术公布日：2022/3/7