一种气体检测方法、装置、设备及介质与流程

1.本发明涉及气体检测技术领域，特别涉及一种气体检测方法、装置、设备及介质。


背景技术：

2.在实际应用中，为了防止安全事故的发生，通常需要对一些易燃、易爆以及对人体有害的气体进行防漏检测。在现有技术中，在对这些气体进行防漏检测时，通常会使用以下三种方式：一是利用制冷型红外热像仪来对待检测气体进行防漏检测，但是，该方法不仅成本高昂，而且，还需要工作人员实时关注气体的检测过程；二是利用运动检测算法对待检测气体进行防漏检测，但是，该方法会受到各种运动背景的干扰，从而导致气体的误判率较高；三是利用可见光与红外技术相结合的方式来对待检测气体进行防漏检测，但是，该方法需要在可见光图像上对待检测气体进行检测，不仅需要剔除可见光图像上存在的干扰目标，而且，还需要将可见光图像与红外图像进行配准，将存在干扰的目标映射到红外图像中进行检测，这样就导致该检测方法较为复杂与繁琐。并且，该方法还是利用运动检测算法来对待检测气体进行防漏检测，这样就无法保证检测结果的准确性与可靠性。
3.由此可见，如何能够降低在对待检测气体防漏检测成本与复杂度的同时，也可以提高待检测气体的检测精度，是本领域技术人员亟待解决的技术问题。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种气体检测方法、装置、设备及介质，以在降低待检测气体检测成本和检测复杂度的同时，也可以提高待检测气体的检测精度。其具体方案如下：
5.一种气体检测方法，包括：
6.利用非制冷型红外热像仪采集待检测区域的红外图像，得到目标图像；其中，所述非制冷型红外热像仪的工作波段根据待检测气体的吸收波段进行设置；
7.利用目标检测模型检测所述目标图像中是否存在所述待检测气体；
8.若是，则判定所述待检测气体出现泄露，利用自适应阈值算法确定所述待检测气体在所述目标图像中的泄露位置。
9.优选的，所述待检测气体具体为烷烃类气体或sf6。
10.优选的，所述利用自适应阈值算法确定所述待检测气体在所述目标图像中的泄露位置的过程，包括：
11.根据所述待检测气体的温度特征设定自适应阈值，并利用所述自适应阈值算法确定所述待检测气体在所述目标图像中的所述泄露位置。
12.优选的，所述利用自适应阈值算法确定所述待检测气体在所述目标图像中的泄露位置的过程之后，还包括：
13.利用图像渲染算法对所述待检测气体在所述目标图像中的所述泄露位置进行渲染。
14.优选的，所述目标检测模型的创建过程包括：
15.基于yolo v5创建初始网络模型；
16.获取待训练图像，并对所述待训练图像进行标注，得到标注图像；其中，所述待训练图像的部分部位含有所述待检测气体以及与所述待检测气体所对应的泄露位置；
17.利用所述标注图像对所述初始网络模型进行训练，得到所述目标检测模型。
18.优选的，所述利用所述标注图像对所述初始网络模型进行训练，得到所述目标检测模型的过程，包括：
19.基于注意力机制，利用所述标注图像对所述初始网络模型进行训练，得到所述目标检测模型。
20.优选的，还包括：
21.将所述初始网络模型中的激活函数设置为smu函数。
22.相应的，本发明还提供了一种气体检测装置，包括：
23.图像检测模块，用于利用非制冷型红外热像仪采集待检测区域的红外图像，得到目标图像；其中，所述非制冷型红外热像仪的工作波段根据待检测气体的吸收波段进行设置；
24.气体监测模块，用于利用目标检测模型检测所述目标图像中是否存在所述待检测气体；
25.信息预警模块，用于当所述气体监测模块的判定结果为是时，则判定所述待检测气体出现泄露，利用自适应阈值算法确定所述待检测气体在所述目标图像中的泄露位置。
26.相应的，本发明还提供了一种气体检测设备，包括：
27.存储器，用于存储计算机程序；
28.处理器，用于执行所述计算机程序时实现如前述所公开的一种气体检测方法的步骤。
29.相应的，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述所公开的一种气体检测方法的步骤。
30.可见，在本发明中，首先是根据待检测气体的吸收波段对非制冷型红外热像仪的工作波段进行设置，并利用非制冷型红外热像仪采集待检测区域的热红外图像，得到目标图像，这样就能够在最大程度上保留待检测气体在目标图像中的特征信息，并且，非制冷型红外热像仪相较于制冷型红外热像仪而言，造价成本低廉，所以，通过该方法就可以降低在对待检测气体进行防漏检测时的成本投入。之后，如果利用目标检测模型检测出目标图像中存在待检测气体，则说明待检测气体出现泄露，此时则提示预警信息，并利用自适应阈值算法确定出待检测气体在目标图像中的泄露位置。显然，由于目标检测模型和自适应阈值算法在对待检测气体进行检测时，可以避免其它运动物体对检测结果的影响，所以，利用该方法就可以极大的提高在对待检测气体进行检测时的检测精度。此外，由于该检测方法只涉及到红外成像设备，不需要增加可见光设备，因此，利用该方法来对待检测气体进行防漏检测，还可以显著降低气体检测设备的复杂度。相应的，本发明所提供的一种气体检测装置、设备及介质，同样具有上述有益效果。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
32.图1为本发明实施例所提供的一种气体检测方法的流程图；
33.图2为leaky_relu激活函数和smu激活函数在α等于0.1、μ等于1时的示意图；
34.图3为leaky_relu激活函数和smu激活函数在α等于0.1、μ等于1000000时的示意图；
35.图4为本发明实施例所提供的一种气体检测系统的结构图；
36.图5为利用红外成像模块采集目标图像的示意图；
37.图6为利用智能处理模块对目标图像进行处理之后的示意图；
38.图7为本发明实施例所提供的一种气体检测装置的结构图；
39.图8为本发明实施例所提供的一种气体检测设备的结构图。
具体实施方式
40.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
41.请参见图1，图1为本发明实施例所提供的一种气体检测方法的流程图，该方法包括：
42.步骤s11：利用非制冷型红外热像仪采集待检测区域的红外图像，得到目标图像；
43.其中，非制冷型红外热像仪的工作波段根据待检测气体的吸收波段进行设置；
44.步骤s12：利用目标检测模型检测目标图像中是否存在待检测气体；
45.步骤s13：若是，则判定待检测气体出现泄露，利用自适应阈值算法确定待检测气体在目标图像中的泄露位置。
46.在本实施例中，是提供了一种气体检测方法，利用该方法来对待检测气体进行检测，不仅可以降低待检测气体的检测成本和检测复杂度，而且，也可以提高待检测气体的检测精度。
47.可以理解的是，在实际应用中，在对待检测气体进行运输或者使用时，由于待检测气体的易燃、易爆以及有害性，通常需要对待检测气体进行密封。因此，在本实施例中，为了判断待检测气体是否出现泄露，首先是利用非制冷型红外热像仪采集待检测区域的红外图像，得到目标图像；其中，待检测区域是指待检测气体可能发生泄露的区域。并且，非制冷型红外热像仪的工作波段是根据待检测气体的吸收波段进行设置。
48.能够想到的是，当将非制冷型红外热像仪的工作波段按照待检测气体的吸收波段进行设置之后，就相当于是利用滤光设备将目标图像中与待检测气体无关的背景特征进行了滤除，这样就可以在目标图像中保留待检测波段的主要信息特征，并由此避免红外图像中其它气体或干扰物质对目标图像的影响，从而进一步提高目标图像的成像质量。并且，由
于非制冷型红外热像仪的造价成本要低于制冷型红外热像仪的造价成本，所以，通过这样的检测方式就可以进一步降低在对待检测气体进行检测时所需要的成本投入。
49.由于在拍摄待检测气体的防漏场景中，通常只会在待检测区域的部分区域存在有待检测气体，因此，当利用非制冷型红外热像仪采集得到待检测区域的目标图像之后，为了检测待检测气体是否出现泄露，则需要利用预先创建好的目标检测模型检测目标图像中是否存在待检测气体。其中，目标检测模型是根据目标检测算法所创建的模型，目标检测算法包括但不限于yolo算法以及帧差法。
50.如果利用目标检测模型检测到目标图像中存在有待检测气体时，则说明待检测气体出现了泄露，在此情况下，就需要提示预警信息，以使得工作人员可以清楚地知悉到待检测气体的泄露情况。并且，为了工作人员能够清楚地知悉到待检测气体的具体泄露位置，在利用目标检测模型检测出待检测气体发生泄露之后，还需要利用自适应阈值算法来确定待检测气体出现泄露的精确位置。
51.能够想到的是，由于待检测气体的温度与红外波长必定会区别于待检测区域中的其它物质，所以，根据待检测气体的上述属性特征通过设定自适应阈值，就可以精确地从目标图像中检测出待检测气体的泄露位置。并且，由于目标检测模型和自适应阈值算法在对待检测气体进行检测时，可以免去待检测区域中其它运动物体对检测结果的影响，所以，相较于现有技术而言，通过该方法就可以极大的提高在对待检测气体进行检测时的检测精度。
52.另外，由于本实施例所提供的检测方法只涉及到了非制冷型红外热像仪这一种图像成像设备，而不需要使用可见光设备，所以，利用该方法来对待检测气体进行检测，不仅检测难度更低，而且，也可以降低在对待检测气体进行检测时所需要投入的资金与成本。
53.值得注意的是，在实际应用中，由于制冷型红外成像仪的成像质量较高，所以，在现有技术中，为了对待检测气体进行较为精确的防漏检测，通常是使用制冷型红外成像仪来对待检测气体进行图像采集，然后，再利用相应的气体检测算法来对待检测气体进行防漏检测。而在本实施例中，虽然使用非制冷型红外热像仪采集到目标图像的成像质量较差，但是，通过目标检测模型和自适应阈值算法对目标图像进行处理之后，完全可以达到、甚至超过使用制冷型红外热像仪对待检测气体进行防漏检测的检测效果，由此就克服了在使用非制冷型红外热像仪对待检测气体进行防漏检测时的技术瓶颈。
54.可见，在本实施例中，首先是根据待检测气体的吸收波段对非制冷型红外热像仪的工作波段进行设置，并利用非制冷型红外热像仪采集待检测区域的热红外图像，得到目标图像，这样就能够在最大程度上保留待检测气体在目标图像中的特征信息，并且，非制冷型红外热像仪相较于制冷型红外热像仪而言，造价成本低廉，所以，通过该方法就可以降低在对待检测气体进行防漏检测时的成本投入。之后，如果利用目标检测模型检测出目标图像中存在待检测气体，则说明待检测气体出现泄露，此时则提示预警信息，并利用自适应阈值算法确定出待检测气体在目标图像中的泄露位置。显然，由于目标检测模型和自适应阈值算法在对待检测气体进行检测时，可以避免其它运动物体对检测结果的影响，所以，利用该方法就可以极大的提高在对待检测气体进行检测时的检测精度。此外，由于该检测方法只涉及到红外成像设备，不需要增加可见光设备，因此，利用该方法来对待检测气体进行防漏检测，还可以显著降低气体检测设备的复杂度。
55.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，待检测气体具体为烷烃类气体或sf6。
56.具体的，可以将待检测气体设置为烷烃类气体或者sf6(六氟化硫)。因为烷烃类气体和sf6的泄露检测在实际生活中的应用范围最为广泛，所以，当将待检测气体设置为烷烃类气体或者sf6时，就可以进一步提高该检测方法在实际应用中的普适性。
57.另外，如果是利用该方法来对甲烷进行检测时，可以将非制冷型红外热像仪的工作波段设置为7.0～8.5um，因为该数字范围内的波段对甲烷有着极高的灵敏度。显然，通过该方法就可以进一步提高待检测气体的检测精度。
58.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，上述步骤：利用自适应阈值算法确定待检测气体在目标图像中的泄露位置的过程，包括：
59.根据待检测气体的温度特征设定自适应阈值，并利用自适应阈值算法确定待检测气体在目标图像中的泄露位置。
60.可以理解的是，如果利用目标检测模型检测出目标图像中存在待检测气体时，只能够利用目标检测模型粗略检测出待检测气体出现泄露的大体位置，并不能精确地确定出待检测气体出现泄露的具体位置。
61.因此，在本实施例中，为了精确地确定出待检测气体的具体泄露位置，是根据非制冷型红外热像仪采集得到的待检测气体的温度特征设定了自适应阈值，并根据自适应阈值算法来确定待检测气体在目标图像中的具体泄露位置。
62.比如：当利用甲烷运输车运输甲烷时，甲烷相较于周边环境而言属于低温物品，在此情况下，就可以根据甲烷的温度特征设定自适应阈值，并利用自适应阈值算法来确定甲烷在目标图像中的泄露位置。可以理解的是，因为根据非制冷型红外热像仪能够采集得到目标图像中所有拍摄物体所对应的温度数据，所以，根据目标图像中所显示甲烷以及周围气体与物体的温度数据就可以设定出在检测甲烷时的自适应阈值。具体的，在设置甲烷的自适应阈值时，可以将自适应阈值设置为：利用目标检测模型检测到待检测气体出现泄露大体位置所对应温度数据的下四分位数。很显然，当设定出甲烷所对应的自适应阈值之后，目标图像中低于或等于自适应阈值所对应的图像部分即为甲烷的泄露位置。
63.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，上述步骤：利用自适应阈值算法确定待检测气体在目标图像中的泄露位置的过程之后，还包括：
64.利用图像渲染算法对待检测气体在目标图像中的泄露位置进行渲染。
65.在本实施例中，为了工作人员能够在目标图像中更为清楚的观察到待检测气体在目标图像中的泄露位置，在利用自适应阈值算法确定出待检测气体在目标图像中的泄露位置之后，还对待检测气体在目标图像中的泄露位置进行了进一步的渲染，以使得待检测气体的泄露位置能够更为清晰地在目标图像中突显出来。
66.具体的，在实际操作过程中，可以采用扫描线渲染法、光线跟踪法、光能传递法等来对待检测气体在目标图像中的泄露位置进行渲染，或者还可以利用图像渲染工具来对待检测气体在目标图像中的泄露位置进行渲染，比如：shapespark、widsmob filmpack等等。
67.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的
实施方式，目标检测模型的创建过程包括：
68.基于yolo v5创建初始网络模型；
69.获取待训练图像，并对待训练图像进行标注，得到标注图像；
70.其中，待训练图像的部分部位含有待检测气体以及与待检测气体所对应的泄露位置；
71.利用标注图像对初始网络模型进行训练，得到目标检测模型。
72.在本实施例中，是对创建目标检测模型的过程进行具体说明。也即，在创建目标检测模型时，首先是基于yolo v5创建初始网络模型，并获取待训练图像。其中，待训练图像的部分部位含有待检测气体以及与待检测气体所对应的泄露位置。
73.在实际操作过程中，可以利用气罐释放待检测气体来模拟待检测气体的泄露场景，并利用非制冷型红外热像仪采集含有待检测气体的红外图像以及不含有待检测气体的红外图像，以便得到用于对初始网络模型进行训练的待训练图像。
74.当获取得到了待训练图像之后，则利用标注软件对待训练图像进行标注，以标注出待训练图像中待检测气体的气体类型及其位置。当对待训练图像标注完毕，得到标注图像之后，则利用标注图像对初始网络模型进行训练，这样就可以得到用于对待检测气体进行泄露检测的目标检测模型。
75.能够想到的是，当利用标注图像对初始网络模型进行训练，得到目标检测模型之后，目标检测模型就是一个没有调试参数、已经训练好的数学模型。在此情况下，只需将目标图像输入至目标检测模型，目标检测模型就可以检测出目标图像中是否有待检测气体的泄露。也即，如果待检测气体在目标图像中出现了泄露的现象，那么，在目标检测模型的输出结果中就会在目标图像中出现一个或者多个检测方框，这些检测方框就表示待检测气体在目标图像上的大致泄露位置。
76.具体的，为了保证创建得到目标检测模型的检测精度，还可以将标注图像划分为训练集、验证集以及测试集。比如：可以选取10000张标注图像，并将其中的8000张图像设置为训练集、1000张图像设置为验证集以及1000张图像设置为测试集。
77.作为一种优选的实施方式，上述步骤：利用标注图像对初始网络模型进行训练，得到目标检测模型的过程，包括：
78.基于注意力机制，利用标注图像对初始网络模型进行训练，得到目标检测模型。
79.可以理解的是，当待检测气体出现泄露时，会在目标图像中呈现出逐渐扩散的趋势，距离泄露点越远越不明显，也即，待检测气体会在泄露位置处呈现出轮廓形态较为明显的现象，而在距离泄露位置较远的区域会呈现出逐渐扩大、逐渐与背景相融的现象。
80.在本实施例中，是基于待检测气体的这一属性特征在目标检测模型中引入了注意力机制，即在原yolo v5的特征提取部分加入了注意力机制，通过自适应的学习，自适应地调整各通道以及空间位置的特征响应值，也即，利用注意力机制来调整目标检测模型对目标图像不同部位的权重，从而使得目标检测模型对气体部分的检测更加精准。
81.作为一种优选的实施方式，上述检测方法还包括：
82.将初始网络模型中的激活函数设置为smu激活函数。
83.可以理解的是，由于yolo v5中使用的激活函数是leaky_relu激活函数，而leaky_relu激活函数在0处不可微，这样就导致yolo v5的数据拟合效果不是很好。
84.在本实施例中，为了提升yolo v5的数据拟合效果，是将yolo v5中的leaky_relu激活函数替换为smu激活函数。其中，smu激活函数的表达式如下：
[0085][0086]
式中，erf为误差函数，erf的表达式为：
[0087]
请参见图2和图3，图2为leaky_relu激活函数和smu激活函数在α等于0.1、μ等于1时的示意图；图3为leaky_relu激活函数和smu激活函数在α等于0.1、μ等于1000000时的示意图。对比图2和图3可知，当将smu激活函数的α设置为0.1，并将μ设置为1000000时，leaky_relu激活函数和smu激活函数几乎重合在一起，这就充分证明了smu激活函数可以替代leaky_relu激活函数。并且，由于smu激活函数可以在0处可微，所以，当将初始网络模型中的激活函数设置为smu激活函数时，就可以提高yolo v5的数据拟合效果，并由此提高目标检测模型对待检测气体的检测精度。
[0088]
基于前述实施例所公开的内容，本实施例通过一套与其相对应的气体检测系统对上述待检测气体的检测过程进行详细说明。请参见图4，图4为本发明实施例所提供的一种气体检测系统的结构图。在本实施例所提供的气体检测系统中，是设置有红外成像模块、智能处理模块、信息判断模块、通信模块、报警模块以及数据显示模块。
[0089]
其中，红外成像模块主要包含非制冷型红外热像仪和滤光模块，主要负责待检测区域的图像采集，并且，红外成像模块中的滤光模块可以根据待检测气体的属性特征替换不同的过滤波段，这样就可以在采集到的热红外图像中保留更多待检测气体的属性信息，从而提高非制冷型红外热像仪的成像质量；智能处理模块中嵌入有用于对待检测气体进行检测的目标检测模型，以及用于对待检测气体的泄露位置进行精确定位的自适应阈值算法模块；信息判断模块用于判断智能处理模块的输出结果；通信模块用于传输智能处理模块的处理数据；报警模块用于提示预警信息；数据显示模块用于显示智能处理模块的数据处理结果。
[0090]
当红外成像设备采集到待检测区域的目标图像时，智能处理模块会调用其内部的目标检测模型检测目标图像中是否存在待检测气体，如果存在，则说明待检测气体出现了泄露。在此情况下，信息判断模块就会根据目标检测模型的检测结果通过通信模块向报警模块发送指令，并使得报警模块可以提示相应的预警信息。
[0091]
与此同时，智能处理模块还会调用其内部的自适应阈值算法模块在由目标检测模型所检测出待检测气体出现泄露的大致区域上，再次查找待检测气体出现泄露的精确位置。当自适应阈值算法模块从目标图像上查找出待检测气体出现泄露的精确位置时，则智能处理模块就会将待检测气体出现泄露的精确位置通过通信模块传输至数据显示模块，并由数据显示模块在其显示屏上直观地显示待检测气体出现泄露的位置，以便工作人员可以根据数据显示模块所显示的图像数据准确地找出待检测气体的泄露位置，并采取相应的补救措施，从而避免安全事故的发生。
[0092]
请参见图5和图6，图5为利用红外成像模块采集目标图像的示意图，图6为利用智能处理模块对目标图像进行处理之后的示意图。在图5中，是利用气罐释放待检测气体来模拟待检测气体的泄露场景。当将红外成像模块采集到的目标图像输入至智能处理模块时，
智能处理模块中所嵌入的目标检测模型就会对待检测气体的泄露位置进行检测。在实际操作过程中，如果目标检测模型检测出待检测气体在目标图像中出现了泄露，则会在目标图像上呈现出一个或多个检测方框，这些检测方框就表示待检测气体在目标图像中的大致泄露位置，具体请参见图6。在图6所示的检测方框中显示在气罐外部的邻近区域检测到了待检测气体，说明待检测气体出现了泄露。并且，在检测方框所示的位置中能够清晰地显示出待检测气体出现泄露的精确位置。
[0093]
另外，为了进一步提高工作人员对待检测气体的检测效率，还可以利用云端将报警模块所提示的预警信息实时发送至工作人员所持有的移动设备中，以使得工作人员能够更为及时地知悉到待检测气体的泄露状态。
[0094]
此外，在实际应用中，还可以根据待检测气体的气体类型替换不同的滤光设备，并以此来适应不同气体的检测需求。显然，在此检测过程中，因为无需对红外成像模块中的非制冷型红外热像仪进行更换，所以，通过这样的设置方式就可以进一步降低在对不同气体进行防漏检测时所需要的投入资金。
[0095]
综上所述，相较于现有技术中待检测气体的防漏检测成本高、检测结果精度差以及检测复杂度高等问题而言，本技术所提供的气体检测方法具有以下优点：
[0096]
(1)相较于现有技术中使用制冷型红外热像仪来对待检测气体进行图像采集而言，本技术所提供的气体检测方法使用的是非制冷型红外热像仪来对待检测气体进行图像采集，由于非制冷型红外热像仪的造价成本更为低廉，所以，通过此种检测方式就可以极大的降低在对待检测气体进行防漏检测时的成本投入；并且，由于制冷型红外热像仪中只含有红外成像设备，不需要添加可见光设备，这样就可以进一步降低在对待检测气体进行检测时的复杂度；
[0097]
(2)利用目标检测模型和自适应阈值算法来对目标图像中待检测气体的泄露位置进行检测时，可以避免周围环境中人、车等移动目标对检测结果所产生的影响，这样就可以进一步提高待检测气体泄露位置的检测精度。并且，根据待检测气体的温度特征设定自适应阈值，还能够在目标检测模型的检测基础上更为精确地对待检测气体的泄露位置进行定位；
[0098]
(3)当利用自适应阈值算法确定出待检测气体在目标图像中的泄露位置之后，通过对待检测气体在目标图像中的泄露位置进行渲染，就能够更加便于工作人员在目标图像中清晰地查看到待检测气体的泄露位置；
[0099]
(4)当检测出待检测气体出现泄露情况时，利用通信设备可以实时地将待检测气体出现泄露的相关信息发送至报警模块，这样不仅可以省去工作人员需要一直对待检测气体进行监视的繁琐流程，而且，也可以提高工作人员在对待检测气体进行防漏检测时的安全性与可靠性；
[0100]
(5)由于本技术所提供的气体检测方法是使用非制冷型红外热像仪作为图像采集设备，而目标检测模型和自适应阈值算法等图像处理模块均可以预先存储在软件程序中，这样就使得本技术所提供的气体检测系统更加简单、小巧。在此情况下，工作人员就可以手持气体检测系统对待检测气体进行防漏检测，由此就可以进一步提高工作人员在对待检测气体进行防漏检测时的便捷度。
[0101]
请参见图7，图7为本发明实施例所提供的一种气体检测装置的结构图，该装置包
括：
[0102]
图像检测模块21，用于利用非制冷型红外热像仪采集待检测区域的红外图像，得到目标图像；其中，非制冷型红外热像仪的工作波段根据待检测气体的吸收波段进行设置；
[0103]
气体监测模块22，用于利用目标检测模型检测目标图像中是否存在待检测气体；
[0104]
信息预警模块23，用于当气体监测模块的判定结果为是时，则判定待检测气体出现泄露，利用自适应阈值算法确定待检测气体在目标图像中的泄露位置。
[0105]
本发明实施例所提供的一种气体检测装置，具有前述所公开的一种气体检测方法所具有的有益效果。
[0106]
请参见图8，图8为本发明实施例所提供的一种气体检测设备的结构图，该设备包括：
[0107]
存储器31，用于存储计算机程序；
[0108]
处理器32，用于执行计算机程序时实现如前述所公开的一种气体检测方法的步骤。
[0109]
本发明实施例所提供的一种气体检测设备，具有前述所公开的一种气体检测方法所具有的有益效果。
[0110]
相应的，本发明实施例所提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述所公开的一种气体检测方法的步骤。
[0111]
本发明实施例所提供的一种计算机可读存储介质，具有前述所公开的一种气体检测方法所具有的有益效果。
[0112]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0113]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0114]
以上对本发明所提供的一种气体检测方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。