一种基于区域环境分析的气体智能检测预警方法及系统

技术领域

本发明涉及气体检测技术领域，尤其涉及一种基于区域环境分析的气体智能检测预警方法及系统。

背景技术

随着现代工业的快速发展，在生产过程中多种有毒有害气体被广泛地使用。一旦有毒有害气体发生泄漏，极易引起爆炸等事故，带来严重后果。如何快速并准确发现气体泄漏事故，确定泄漏源的位置和泄漏区域气体浓度，使泄漏事故能够得到有效控制是目前研究的当务之急。

传统的气体检测技术使用的是接触型气体传感器，存在响应时间过长、可操作性和安全性较低和无法快速定位泄漏源等诸多缺点。随着气体红外成像技术的发展，为泄漏气体成像和快速定位提供了技术支撑，使对气体泄漏实现大范围和高效率监测成为了可能。但是，现有的基于红外成像技术的气体检测方法仅适用于气体泄漏源定位，并未综合分析区域环境中的温度信息、湿度信息和压强信息对气体浓度进行精确检测。

例如在授权公告号为CN113688801B的中国专利中公开了一种基于光谱视频的化工气体泄漏检测方法及系统，涉及气体检测技术领域，该方法对采集到的化工气体的光谱视频进行图像层面的预处理；将所述光谱视频在时序上划分为多个片段，在每个片段中采样一个视频帧，并分别提取每个视频帧的特征；通过在每个视频帧的特征中融合其多个相邻视频帧的局部运动信息，得到每个视频帧的短时时序增强特征；通过移位和加权逐通道的集成方法在每个视频帧的短时时序增强特征中融合时序信息，得到每个视频帧的全局时序融合特征；将短时时序增强特征和全局时序融合特征通过残差连接并入主网络，计算得到所述化工气体泄漏的检测结果。

而在授权公告号为CN112781791B的中国专利中公开了一种基于光学气体成像的VOCs气体泄漏检测方法及系统，包括以下模块：图像采集模块，用于获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像则作为背景图像；背景减除模块，用于提取当前帧红外图像的动态变化区域；参数计算模块，用于计算满足动态区域检测条件的动态变化区域的参数；气体泄漏判定模块，用于当计算的红外图像的参数满足检测条件时，判定是否发生气体泄漏；报警模块，用于发生气体泄漏时输出报警信号，并标出提取的动态变化区域。以上专利均存在本背景技术提出的问题：现有的基于红外成像技术的气体检测方法仅适用于气体泄漏源定位，并未综合分析区域环境中的温度信息、湿度信息和压强信息对气体浓度进行精确检测。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于区域环境分析的气体智能检测预警方法及系统，通过构建气体检测网络和气体浓度校准网络，综合分析区域环境中的温度信息、湿度信和压强信息，在实现气体泄漏源定位的同时对区域环境中的气体浓度进行检测并及时高效地输出预警信息。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种基于区域环境分析的气体智能检测预警方法，包括下述步骤：

对区域环境信息进行采集，区域环境信息包括温度信息、湿度信息、压强信息、气体浓度信息和区域红外图像；

对采集到的区域红外图像进行预处理，预处理包括图像校正、图像去噪和数据增强；

构建气体检测网络，得到气体释放源定位信息；

构建气体浓度校准网络，综合区域环境中的温度信息和压强信息对气体浓度信息进行校准，得到区域气体浓度信息；

综合分析气体释放源定位信息和区域气体浓度信息，输出预警信息。

作为优选的技术方案，所述气体浓度信息由半导体式气体传感器和红外线式气体传感器共同采集，具体步骤包括：

通过半导体式气体传感器获取第一气体浓度信息，通过红外线式气体传感器获取第二气体浓度信息；

若区域环境中的湿度信息大于等于预设湿度阈值，则气体浓度信息为第一气体浓度信息，若区域环境中的湿度信息小于预设湿度阈值，则气体浓度信息为第二气体浓度信息。

作为优选的技术方案，所述图像校正具体步骤包括：

令区域红外图像的大小为

计算以区域红外图像中的像素点

；

式中

计算以区域红外图像中的像素点

；

沿区域红外图像第

；

式中

计算区域红外图像第

；

；

式中

获取区域红外图像第

；

执行上述步骤，依次获取区域红外图像每一列像素点的校正灰度值，完成图像校正。

作为优选的技术方案，所述图像去噪用下式表示：

；

式中

作为优选的技术方案，所述数据增强用于对区域红外图像进行扩充，具体步骤包括：

对区域红外图像进行图像变换，所述图像变换包括水平翻转、垂直翻转、随机角度旋转和Mosaic随机增强中的至少一种。

作为优选的技术方案，所述Mosaic随机增强的具体步骤包括：

生成一张

在背景图中心点大小为

随机选取4张不同的区域红外图像，依次排列在背景图的左上、右上、左下和右下四个区域，并且裁减掉超出背景边界区域的图像和标注框，得到大小为

将拼接得到的大小为

作为优选的技术方案，所述气体检测网络包括气体红外特征提取单元、气体运动特征提取单元、特征融合单元和气体释放源定位单元，其中气体释放源定位单元包含2个1×1卷积层和4个3×3卷积层，气体释放源定位单元的输出为气体释放源定位信息。

作为优选的技术方案，所述气体浓度校准网络可用下式表示：

；

式中

作为优选的技术方案，所述预警信息包括第一预警信息和第二预警信息两个预警级别，输出预警信息的具体步骤包括：

通过气体释放源定位信息计算当前检测位置至气体释放源的距离；

若距离小于等于预设安全距离阈值或区域气体浓度信息大于预设气体浓度阈值，输出第一预警信息；

若距离大于预设安全距离阈值或区域气体浓度信息小于等于预设气体浓度阈值，输出第二预警信息；

其中，第一预警信息为声音预警和灯光预警，第二预警信息为灯光预警，预设安全距离阈值由气体种类、泄漏速率和区域环境信息决定，取值范围为30~430米，预设气体浓度阈值由气体种类和作业场所标准决定，取值范围为500~12500ppm。

作为优选的技术方案，所述气体红外特征提取单元用于提取气体红外特征图，具体步骤包括：

对输入的区域红外图像进行边界填充，填充宽度为1，得到第一气体红外特征图；

依次通过3×3卷积层、ReLU激活函数和3×3卷积层对第一气体红外特征图进行特征提取，得到第二气体红外特征图；

将第一气体红外特征图和第二气体红外特征图相加并输入ReLU激活函数，得到最终的气体红外特征图。

作为优选的技术方案，所述气体运动特征提取单元用于提取气体运动特征图，包括1个7×7卷积层、2个5×5卷积层和6个3×3卷积层。

作为优选的技术方案，所述特征融合单元用于对气体红外特征图和气体运动特征图进行特征融合，用下式表示：

；

式中

本发明还提供一种基于区域环境分析的气体智能检测预警系统，包括：

信息采集模块，用于对区域环境信息进行采集，区域环境信息包括温度信息、湿度信息、压强信息、气体浓度信息和区域红外图像；

图像预处理模块，用于对采集到的区域红外图像进行预处理，预处理包括图像校正、图像去噪和数据增强；

气体检测网络构建模块，用于构建气体检测网络，得到气体释放源定位信息；

气体浓度校准网络构建模块，用于构建气体浓度校准网络，综合区域环境中的温度信息和压强信息对气体浓度信息进行校准，得到区域气体浓度信息；

预警信息输出模块，用于综合分析气体释放源定位信息和区域气体浓度信息，输出预警信息。

本发明的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现一种基于区域环境分析的气体智能检测预警方法。

本发明的一种控制器，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现一种基于区域环境分析的气体智能检测预警方法。

本发明与现有技术相比，具有如下优点和有益效果：

（1）本发明通过对采集到的区域红外图像进行图像校正、图像去噪和数据增强，提高了气体泄漏源定位的准确率。通过构建气体检测网络和气体浓度校准网络，综合分析区域环境中的温度信息、湿度信息和压强信息，在实现气体泄漏源定位的同时对区域环境中的气体浓度进行检测并及时高效地输出预警信息。

（2）本发明通过采集区域环境中的温度信息和压强信息并构建气体浓度校准网络，降低了因温度和压强波动引起的吸收谱线畸变所导致的气体浓度测量误差，实现气体浓度的动态检测与自动校准。

附图说明

通过阅读参照以下附图所作的对非限制性实施例的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的一种基于区域环境分析的气体智能检测预警方法的整体流程示意图；

图2为本发明的一种基于区域环境分析的气体智能检测预警方法中所述气体检测网络的示意图；

图3为本发明的一种基于区域环境分析的气体智能检测预警系统的结构示意图。

具体实施方式

下面通过附图以及具体实施例对本发明技术方案做详细地说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。

实施例1

如图1所示，本实施例提供一种基于区域环境分析的气体智能检测预警方法，具体包括下述步骤：

S1：对区域环境信息进行采集，区域环境信息包括温度信息、湿度信息、压强信息、气体浓度信息和区域红外图像；

气体浓度信息由半导体式气体传感器和红外线式气体传感器共同采集，具体步骤包括：

通过半导体式气体传感器获取第一气体浓度信息，通过红外线式气体传感器获取第二气体浓度信息；

若区域环境中的湿度信息大于等于预设湿度阈值，则气体浓度信息为第一气体浓度信息，若区域环境中的湿度信息小于预设湿度阈值，则气体浓度信息为第二气体浓度信息。

S2：对采集到的区域红外图像进行预处理，预处理包括图像校正、图像去噪和数据增强；

S21：图像校正具体步骤包括：

令区域红外图像的大小为

计算以区域红外图像中的像素点

；

式中

计算以区域红外图像中的像素点

；

沿区域红外图像第

；

式中

计算区域红外图像第

；

；

式中

获取区域红外图像第

；

执行上述步骤，依次获取区域红外图像每一列像素点的校正灰度值，完成图像校正；

S22：图像去噪用下式表示：

；

式中

S23：数据增强用于对区域红外图像进行扩充，以提高网络的泛化性能，具体实施过程如下：

根据区域红外图像没有固定方向的特点，当图像输入网络进行训练时，将图像以一定概率应用水平翻转、垂直翻转、随机角度旋转和Mosaic随机增强等图像变换，从而达到扩充区域红外图像的目的；

Mosaic随机增强的具体步骤包括：

生成一张

在背景图中心点大小为

随机选取4张不同的区域红外图像，依次排列在背景图的左上、右上、左下和右下四个区域，并且裁减掉超出背景边界区域的图像和标注框，得到大小为

将拼接得到的大小为

S3：构建气体检测网络，得到气体释放源定位信息；

如图2所示，气体检测网络包括气体红外特征提取单元、气体运动特征提取单元、特征融合单元和气体释放源定位单元，其中气体释放源定位单元包含2个1×1卷积层和4个3×3卷积层，气体释放源定位单元的输出为气体释放源定位信息；

气体红外特征提取单元用于提取气体红外特征图，具体步骤包括：

对输入的区域红外图像进行边界填充，填充宽度为1，得到第一气体红外特征图；

依次通过3×3卷积层、ReLU激活函数和3×3卷积层对第一气体红外特征图进行特征提取，得到第二气体红外特征图；

将第一气体红外特征图和第二气体红外特征图相加并输入ReLU激活函数，得到最终的气体红外特征图；

气体运动特征提取单元用于提取气体运动特征图，包括1个7×7卷积层、2个5×5卷积层和6个3×3卷积层；

特征融合单元用于对气体红外特征图和气体运动特征图进行特征融合，用下式表示：

；

式中

S4：构建气体浓度校准网络，综合区域环境中的温度信息和压强信息对气体浓度信息进行校准，得到区域气体浓度信息；

气体浓度校准网络可用下式表示：

；

式中

S5：综合分析气体释放源定位信息和区域气体浓度信息，输出预警信息；

预警信息包括第一预警信息和第二预警信息两个预警级别，输出预警信息的具体步骤包括：

通过气体释放源定位信息计算当前检测位置至气体释放源的距离；

若距离小于等于预设安全距离阈值或区域气体浓度信息大于预设气体浓度阈值，输出第一预警信息；

若距离大于预设安全距离阈值或区域气体浓度信息小于等于预设气体浓度阈值，输出第二预警信息；

其中，第一预警信息为声音预警和灯光预警，第二预警信息为灯光预警，预设安全距离阈值由气体种类、泄漏速率和区域环境信息决定，取值范围为30~430米，预设气体浓度阈值由气体种类和作业场所标准决定，取值范围为500~12500ppm。

实施例2

如图3所示，本实施例提供一种基于区域环境分析的气体智能检测预警系统20，包括：

信息采集模块21，用于对区域环境信息进行采集，区域环境信息包括温度信息、湿度信息、压强信息、气体浓度信息和区域红外图像；

图像预处理模块22，用于对采集到的区域红外图像进行预处理，预处理包括图像校正、图像去噪和数据增强；

气体检测网络构建模块23，用于构建气体检测网络，得到气体释放源定位信息；

气体浓度校准网络构建模块24，用于构建气体浓度校准网络，综合区域环境中的温度信息和压强信息对气体浓度信息进行校准，得到区域气体浓度信息；

预警信息输出模块25，用于综合分析气体释放源定位信息和区域气体浓度信息，输出预警信息；

在本实施例中，气体浓度信息由半导体式气体传感器和红外线式气体传感器共同采集，具体步骤包括：

通过半导体式气体传感器获取第一气体浓度信息，通过红外线式气体传感器获取第二气体浓度信息；

若区域环境中的湿度信息大于等于预设湿度阈值，则气体浓度信息为第一气体浓度信息，若区域环境中的湿度信息小于预设湿度阈值，则气体浓度信息为第二气体浓度信息；

在本实施例中，图像预处理模块22，对采集到的区域红外图像进行预处理，预处理包括图像校正、图像去噪和数据增强；

图像校正具体步骤包括：

令区域红外图像的大小为

计算以区域红外图像中的像素点

；

式中

计算以区域红外图像中的像素点

；

沿区域红外图像第

；

式中

计算区域红外图像第

；

；

式中

获取区域红外图像第

；

执行上述步骤，依次获取区域红外图像每一列像素点的校正灰度值，完成图像校正；

图像去噪用下式表示：

；

式中

数据增强用于对区域红外图像进行扩充，以提高网络的泛化性能，具体实施过程如下：

根据区域红外图像没有固定方向的特点，当图像输入网络进行训练时，将图像以一定概率应用水平翻转、垂直翻转、随机角度旋转和Mosaic随机增强等图像变换，从而达到扩充区域红外图像的目的；

Mosaic随机增强的具体步骤包括：

生成一张

在背景图中心点大小为

随机选取4张不同的区域红外图像，依次排列在背景图的左上、右上、左下和右下四个区域，并且裁减掉超出背景边界区域的图像和标注框，得到大小为

将拼接得到的大小为

在本实施例中，气体检测网络构建模块23，构建气体检测网络，得到气体释放源定位信息；

气体检测网络包括气体红外特征提取单元、气体运动特征提取单元、特征融合单元和气体释放源定位单元，其中气体释放源定位单元包含2个1×1卷积层和4个3×3卷积层，气体释放源定位单元的输出为气体释放源定位信息；

气体红外特征提取单元用于提取气体红外特征图，具体步骤包括：

对输入的区域红外图像进行边界填充，填充宽度为1，得到第一气体红外特征图；

依次通过3×3卷积层、ReLU激活函数和3×3卷积层对第一气体红外特征图进行特征提取，得到第二气体红外特征图；

将第一气体红外特征图和第二气体红外特征图相加并输入ReLU激活函数，得到最终的气体红外特征图；

气体运动特征提取单元用于提取气体运动特征图，包括1个7×7卷积层、2个5×5卷积层和6个3×3卷积层；

特征融合单元用于对气体红外特征图和气体运动特征图进行特征融合，用下式表示：

；

式中

在本实施例中，气体浓度校准网络构建模块24，构建气体浓度校准网络，综合区域环境中的温度信息和压强信息对气体浓度信息进行校准，得到区域气体浓度信息；

气体浓度校准网络可用下式表示：

；

式中

在本实施例中，预警信息输出模块25，综合分析气体释放源定位信息和区域气体浓度信息，输出预警信息；

预警信息包括第一预警信息和第二预警信息两个预警级别，输出预警信息的具体步骤包括：

通过气体释放源定位信息计算当前检测位置至气体释放源的距离；

若距离小于等于预设安全距离阈值或区域气体浓度信息大于预设气体浓度阈值，输出第一预警信息；

若距离大于预设安全距离阈值或区域气体浓度信息小于等于预设气体浓度阈值，输出第二预警信息；

其中，第一预警信息为声音预警和灯光预警，第二预警信息为灯光预警，预设安全距离阈值由气体种类、泄漏速率和区域环境信息决定，取值范围为30~430米，预设气体浓度阈值由气体种类和作业场所标准决定，取值范围为500~12500ppm。

上述关于本发明的一种基于区域环境分析的气体智能检测预警系统中的各参数和各个单元模块实现相应功能的步骤，可参考上文中关于一种基于区域环境分析的气体智能检测预警方法的实施例中的各参数和步骤，在此不做赘述。

实施例3

本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述任一项所述的一种基于区域环境分析的气体智能检测预警方法。需要说明的是：一种基于区域环境分析的气体智能检测预警方法的所有计算机程序均使用Python语言实现，其中，图像预处理模块、气体检测网络构建模块、气体浓度校准网络构建模块和预警信息输出模块均由远程服务器控制；远程服务器的CPU为Intel Xeon Gold5118，GPU为NVIDIA GTX 2080Ti 11GB，操作系统为Ubuntu 18.04.2，深度学习框架为PyTorch1.7.0，CUDA版本为10.2，使用cuDNN 7.6.5进行加速推理；Intel Xeon Gold 5118包含存储器和处理器，其中，存储器用于存储计算机程序；处理器用于执行计算机程序，使得Intel Xeon Gold 5118执行实现一种基于区域环境分析的气体智能检测预警方法。

所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。

因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件（包括固件、驻留软件、微代码等），还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM），只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。