CN113095114A - 液压***漏油检测方法、装置和设备 - Google Patents
液压***漏油检测方法、装置和设备 Download PDFInfo
- Publication number
- CN113095114A CN113095114A CN201911342641.4A CN201911342641A CN113095114A CN 113095114 A CN113095114 A CN 113095114A CN 201911342641 A CN201911342641 A CN 201911342641A CN 113095114 A CN113095114 A CN 113095114A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- area
- oil leakage
- acquisition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 145
- 238000002310 reflectometry Methods 0.000 claims abstract description 83
- 239000003921 oil Substances 0.000 claims description 145
- 239000010729 system oil Substances 0.000 claims description 40
- 230000003287 optical effect Effects 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000010720 hydraulic oil Substances 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 235000019646 color tone Nutrition 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000003595 spectral effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 239000007788 liquid Substances 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000001431 Psychomotor Agitation Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003305 oil spill Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Examining Or Testing Airtightness (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种液压***漏油检测方法、装置和设备。其中,液压***漏油检测方法包括:获取目标检测区域对应的对比采集图像和参考采集图像;确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值;根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率;根据所确定的目标光波段反射率,在对比采集图像中识别目标图像区域;其中,目标图像区域为目标检测区域中的漏油区域对应的图像区域。根据本发明实施例,能够准确、及时地发现目标检测区域内的漏油区域。
Description
技术领域
本发明属于检测技术领域,尤其涉及一种液压***漏油检测方法、装置和设备。
背景技术
随着风电技术的发展需要,液压变桨***已经在大容量风力发电机组得到了应用。在液压变桨***可能发生的各种故障中,液压油泄漏故障是发生频次较高且检测难度较大的一类故障。
目前,只能通过运维工程师对液压变桨***的液压油泄漏故障进行人工检测,由于人工检测的周期较长,使得无法准确、及时地发现液压变桨***对应的检测区域内的漏油情况,导致无法及时地发现液压变桨***的液压油泄漏故障,致使液压变桨***无法正常运行。
图1是现有的一种风力发电机组的结构示意图。如图1所示,当液压变桨***发生液压油泄漏故障时,液压油会泄漏至机舱的地板110上形成漏油区域130,由于液压油为无色或者淡黄色透明液体,并无明显颜色,漏油区域130仅会反射地板110、液压变桨***120或者机舱的周围墙壁的颜色。例如,地板110为灰色,液压变桨***120为蓝色,那么漏油区域130则会呈现为灰蓝色。并且,由于液压油的透明特性,漏油区域130与地板110的颜色接近,使得利用已有的图像识别方法并不能准确识别漏油区域130的边界,从而无法准确识别漏油区域及漏油量。
发明内容
本发明实施例提供一种液压***漏油检测方法、装置和设备,能够准确、及时地发现目标检测区域内的漏油区域。
第一方面,本发明实施例提供了一种液压***漏油检测方法,包括:
获取目标检测区域对应的对比采集图像和参考采集图像;
确定所述对比采集图像中的每个像素对应的第一色值和所述参考采集图像中的每个像素对应的第二色值;
根据所确定的第一色值和第二色值,确定所述对比采集图像中的每个像素对应的目标光波段反射率;
根据所确定的目标光波段反射率,在所述对比采集图像中识别目标图像区域;其中,所述目标图像区域为所述目标检测区域中的漏油区域对应的图像区域。
第二方面,本发明实施例提供了一种液压***漏油检测装置,包括:
图像获取模块,用于获取目标检测区域对应的对比采集图像和参考采集图像;
色值确定模块,用于确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值;
反射率确定模块,用于根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率;
区域识别模块,用于根据所确定的目标光波段反射率,在对比采集图像中识别目标图像区域;其中,目标图像区域为目标检测区域中的漏油区域对应的图像区域。
第三方面,本发明实施例提供了一种液压***漏油检测设备,设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面所述的液压***漏油检测方法。
第四方面,本发明实施例提供了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指令,计算机程序指令被处理器执行时实现如第一方面所述的液压***漏油检测方法。
第五方面,本发明实施例提供了一种液压***漏油检测***,包括:
图像采集设备,用于采集目标检测区域对应的对比采集图像和参考采集图像;
液压***漏油检测设备,液压***漏油检测设备与图像采集设备通信连接,用于获取对比采集图像和参考采集图像;确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值;根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率;根据所确定的目标光波段反射率,在对比采集图像中识别目标图像区域;其中,目标图像区域为目标检测区域中的漏油区域对应的图像区域。
本发明实施例的液压***漏油检测方法、装置和设备,能够首先获取目标检测区域对应的对比采集图像和参考采集图像,然后,确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值,并根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率,从而根据所确定的目标光波段反射率,在对比采集图像中识别目标检测区域中的漏油区域对应的目标图像区域。由于本发明实施例能够利用目标检测区域对应的对比采集图像和参考采集图像检测目标检测区域中的漏油区域,可以不受检测周期的限制,实时对目标检测区域中的漏油区域进行检测,同时,利用目标光波段反射率可以较为准确地识别出具有无色或淡黄色液体的漏油区域,因此,本发明实施例能够准确、及时地发现目标检测区域内的漏油区域。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,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。
图1是现有的一种风力发电机组的结构示意图;
图2是本发明一个实施例提供的液压***漏油检测方法的流程示意图;
图3是本发明一个实施例提供的液压***漏油检测装置的结构示意图;
图4是本发明实施例提供的液压***漏油检测设备的硬件结构示意图;
图5是本发明一个实施例提供的液压***漏油检测***的结构示意图;
图6是本发明一个实施例提供的液压***漏油检测***的***架构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
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……”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。
随着风电技术的发展需要,液压变桨***已经在大容量风力发电机组得到了应用。在液压变桨***可能发生的各种故障中,液压油泄漏故障是发生频次较高且检测难度较大的一类故障。
目前,只能通过运维工程师对液压变桨***的液压油泄漏故障进行人工检测,由于人工检测的周期较长,使得无法准确、及时地发现液压变桨***对应的检测区域内的漏油情况,导致无法及时地发现液压变桨***的液压油泄漏故障,致使液压变桨***无法正常运行。
为了尽早发现液压油泄漏故障,避免大量漏油,需要开发针对液压变桨***的液压***漏油检测***。
下面首先对本发明实施例所提供的液压***漏油检测方法进行介绍。
图2示出了本发明一个实施例提供的液压***漏油检测方法的流程示意图。图2所示的液压***漏油检测方法可以用于对图1所示的风力发电机组的机舱的地板110上的漏油区域130进行检测,也可以对其他无明显颜色的液体泄漏区域进行检测,在此不做限制。具体地,图2所述的液压***漏油检测方法可以由液压***漏油检测设备执行,液压***漏油检测设备可以为具有图像处理功能的服务器或者电子设备,以对图1所示的风力发电机组的液压变桨***120进行漏油检测为例,液压***漏油检测设备可以设置于风力发电机组的机舱内,也可以设置于风力发电机组的中控室内。
在本发明实施例中,服务器可以是一种高性能的电子计算器,用于存储和处理数据,电子设备具体可以是平板电脑、台式电脑、手机等。
如图2所示,该液压***漏油检测方法可以包括:
S210、获取目标检测区域对应的对比采集图像和参考采集图像;
S220、确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值;
S230、根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率;
S240、根据所确定的目标光波段反射率,在对比采集图像中识别目标图像区域;其中,目标图像区域为目标检测区域中的漏油区域对应的图像区域。
由于本发明实施例能够利用目标检测区域对应的对比采集图像和参考采集图像检测目标检测区域中的漏油区域,可以不受检测周期的限制,实时对目标检测区域中的漏油区域进行检测,同时,利用目标光波段反射率可以较为准确地识别出具有无色或淡黄色液体的漏油区域,因此,本发明实施例能够准确、及时地发现目标检测区域内的漏油区域。
在本发明一些实施例中,目标检测区域可以为输油管路的衔接处对应的机舱底面中的部分区域,其中,该衔接处朝向机舱底面的正投影位于目标检测区域内。在本发明另一些实施例中,如果多个输油管路上下交错设置,目标检测区域还可以为位于输油管路的衔接处的正下方的管路所在的区域,其中,该衔接处朝向机舱底面的正投影位于目标检测区域内。在本发明另一些实施例中,如果输油管路的下方设置有遮挡物,目标检测区域还可以为遮挡物相对于输油管路的表面上的部分区域,其中,该衔接处朝向底面的正投影位于目标检测区域内。
在本发明其他实施例中,目标检测区域还可以位于其他位置,只要是液压油或者液体泄漏时能够对其进行存留的位置即可。
在本发明一些实施例的S210中,液压***漏油检测设备可以通过图像采集设备获取目标检测区域的对比采集图像和参考采集图像。其中,图像采集设备可以为摄像机或者照相机,在此不做限制。
具体地,对比采集图像可以为目标检测区域在当前时刻下的采集图像,参考采集图像可以为预先存储的无漏油区域的目标检测区域的采集图像。其中,可以每隔预设时间间隔采集一次对比采集图像。
可选地,预设时间间隔可以为10秒,以使图像采集设备在较少的图像处理量下,确保对漏油情况及时地进行检测。
在本发明另一些实施例的S210中,液压***漏油检测设备可以通过图像采集设备获取目标检测区域的采集图像序列,然后针对液压油透明的特性,采用相似度算法识别采集图像的躁动,以在采集图像序列中筛选出对比采集图像和参考采集图像,以降低液压***漏油检测设备的图像处理量,提高图像处理效率。
在这些实施例中,可选地,S210的具体方法可以包括:
获取目标检测区域对应的采集图像序列;其中,采集图像序列包括采集时刻连续的多个采集图像;
针对每两个采集时刻相邻的采集图像,计算两个采集图像中的在后采集图像与在先采集图像之间的图像相似度,得到图像相似度序列;
根据图像相似度序列,在采集图像序列中,选择对比采集图像和参考采集图像。
在这些实施例中,液压***漏油检测设备可以通过图像采集设备获取目标检测区域对应的采集图像序列,图像采集设备可以为摄像机或者照相机,在此不做限制。
其中,每两个相邻的采集时刻之间间隔有预设时间间隔,可选地,预设时间间隔可以为10秒,以使图像采集设备在较少的图像处理量下,确保对漏油情况及时地进行检测。
在本发明实施例中,计算两个采集图像中的在后采集图像与在先采集图像之间的图像相似度的方法可以有多种。例如,可以把每个采集图像表示成一个向量,通过计算在后采集图像对应的向量与在线采集图像对应的向量之间的余弦距离,来表征在后采集图像与在先采集图像之间的图像相似度。再例如,可以设置预设形状的滑动窗,然后利用滑动窗以预设步长将每个采集图像分为多块图像区域,两个采集图像划分的图像区域的数量相同,然后采用高斯加权计算每一窗口的均值、方差以及协方差,然后计算两个位置相同的图像区域之间的结构相似度,最后将结构相似度平均值作为在后采集图像与在先采集图像之间的图像相似度。
在本发明一些实施例中,计算两个采集图像中的在后采集图像与在先采集图像之间的图像相似度的具体方法可以包括:
确定在后采集图像对应的第一色调直方图和在先采集图像对应的第二色调直方图;
计算第一色调直方图和第二色调直方图之间的直方图相似度;
将直方图相似度,作为在后采集图像与在先采集图像之间的图像相似度。
其中,色调指的是HSV颜色空间模型下的色调H。其中,H表示所处的光谱颜色的位置,范围从0到1。纯度S为比例值,范围从0到1,它表示成所选颜色的纯度和该颜色最大的纯度之间的比率,S=0时,只有灰度。明度V表示色彩的明亮程度,范围从0到1。
由于风力发电机组的机舱环境受到白天、夜晚、早、中、晚、阴天、晴天等多种亮度因素影响,因此,在本发明实施例中可以利用采集图像的色调H进行图像相似度计算。
具体地,确定采集图像对应的色调直方图的方法可以为:
获取采集图像的每个像素在HSV颜色空间模型下的色调,将预设色调范围按照预设数量进行均分,得到多个色调子范围,例如将范围[0,1]平均分为64份色调子范围,然后,根据每个像素的色调,确定每个色调子范围对应的像素数量,根据色调子范围和每个色调子范围对应的像素数量,构造采集图像对应的色调直方图。
进一步地,可以利用预设的相似度计算公式计算第一色调直方图和第二色调直方图之间的直方图相似度。其中,相似度计算公式可以为:
其中,H1为第一色调直方图,H2为第二色调直方图,d(H1,H2)为第一色调直方图和第二色调直方图之间的直方图相似度,I为色调直方图中的第I个色调子范围,H1(I)为第一色调直方图中的第I个色调子范围对应的像素数量,为第一色调直方图中的各个色调子范围对应的平均像素数量,H2(I)为第二色调直方图中的第I个色调子范围对应的像素数量,为第二色调直方图中的各个色调子范围对应的平均像素数量。
其中,N为第一色调直方图中的色调子范围总数,1≤I≤N,I和N分别为整数。
在计算出每两个采集时刻相邻的采集图像之间的图像相似度之后,即可以按照采集图像序列的顺序,排列各个图像相似度,得到图像相似度序列。
在本发明一些实施例中,根据图像相似度序列在采集图像序列中选择对比采集图像和参考采集图像的具体方法可以包括:
若图像相似度序列中存在小于预设相似度阈值的目标图像相似度,将目标图像相似度中的相似度谷值对应的两个采集图像中的在后采集图像作为对比采集图像,将相似度谷值对应的两个采集图像中的在先采集图像作为参考采集图像。
即可以将预设相似度阈值作为触发门限,先判断是否有图像相似度小于预设相似度阈值,如果有,则进一步确定这些触发门限的图像相似度中的相似度谷值。
在本发明另一些实施例中,根据图像相似度序列在采集图像序列中选择对比采集图像和参考采集图像的具体方法还可以包括:
确定图像相似度序列中的相似度谷值;
在相似度谷值小于预设相似度阈值的情况下,将相似度谷值对应的两个采集图像中的在后采集图像作为对比采集图像,将相似度谷值对应的两个采集图像中的在先采集图像作为参考采集图像。
即可以将预设相似度阈值作为触发门限,先确定图像相似度序列中的相似度谷值,然后判断相似度谷值是否小于预设相似度阈值。
在本发明实施例中,图像相似度的范围为[0,1],当图像相似度为1时,两张采集图像完全相同,图像相似度越小,说明两个采集图像差别越大。具体地,在目标检测区域由不存在漏油区域到开始有漏油区域之后,两个采集图像之间的图像相似度会越来越小,而当漏油区域的面积达到最大,并且只增加漏油区域的厚度时,两个采集图像之间的图像相似度会越来越大,因此,一般情况下,在一次漏油过程中,只会出现一次相似度谷值,可以利用该相似度谷值对应的两个采集图像,来确定目标检测区域中是否存在漏油区域。
在本发明另一些实施例中,还可以将相似度谷值对应的两个采集图像中的在后采集图像作为对比采集图像,并且将预先存储的无漏油区域的目标检测区域的采集图像作为参考采集图像。当利用图像相似度确定了对比采集图像和参考采集图像之后,即可以执行本发明实施例中的S220-S240。
在本发明一些实施例的S220中,色值指的是RGB颜色空间模型下的颜色值。
在这些实施例中,可选地,S230的具体方法可以为:将目标检测区域的最大反射率所处的光波段作为目标光波段,然后选取第一色值和第二色值中与目标光波段对应的第一色值分量和第二色值分量,根据每个像素对应的第一色值分量和第二色值分量计算出第一色值分量相对于第二色值分量的变化率,作为每个像素对应的目标光波段反射率。
其中,针对任一个像素,计算出第一色值分量相对于第二色值分量的变化率的具体方法为:先计算第一色值分量与第二色值分量的色值分量差值,然后将色值分量差值与第二色值分量的比值作为该变化率。
以图1所示的漏油区域130为例,分析漏油区域130的影像特征,漏油区域130影像包括漏油油膜、作为油膜背景的地板颜色和油膜上反射的液压变桨***影像。针对不同的影像,分别选取若干个均匀分布的取色点,并获取这些取色点的反射光谱曲线,从而分析得到反射率的排布规律为:漏油油膜反射率>地板颜色反射率>液压变桨***影像反射率。考虑到漏油油膜反射率会随油膜厚度变化,液压变桨***影像反射率会随太阳光线角度移动变化,而地板颜色反射率在各种情况下最稳定,因此,选择地板颜色的最大反射率对应的光波段,该光波段的光谱响应范围为475nm-485nm,即蓝色光波段作为目标光波段。
可见,在本发明实施例中,可以选择漏油区域的影像中不易受其他因素影响的影像的最大反射率对应的光波段作为目标光波段。
在本发明实施例中,可以对目标检测区域进行油膜连续变化的模拟实验,并利用光谱仪测量标准油膜厚度变化的光谱反射率数据,其中,光谱反射率数据包括油膜厚度参数、反射率大小和光谱响应范围。以上述的目标光波段为例,光谱响应范围为475nm-485nm。继续参见图1,由于机舱的地板110上的漏油区域130内的油膜厚度估计依赖于机舱环境背景反射率的大小,考虑机舱环境的光学辐射特性,光谱响应范围应该在380nm-760nm内。因此,目标光波段的光谱响应范围符合要求。
在本发明一些实施例中,S240的具体方法可以包括:
对所确定的目标光波段反射率进行归一化处理,得到对比采集图像中的每个像素对应的归一化反射率,以消除环境背景对反射率带来的影响;
在对比采集图像的多个像素中,识别目标像素;其中,目标像素对应的归一化反射率处于预设反射率阈值内;
将识别到的目标像素所形成的图像区域,作为目标图像区域。
具体地,在得到个像素对应的目标光波段反射率后,还需要消除机舱环境背景色对反射率带来的影响,因此,需要对目标光波段反射率进行归一化处理,得到归一化反射率。
具体地,归一化反射率NR的计算公式为:
其中,Roil为目标光波段反射率,Rmin为模拟实验测得的目标光波段的最小反射率,Rnacell为预设的机舱背景色反射率。具体地,机舱背景色反射率也可以利用上述的模拟实验方法获得,只要将光谱响应范围设置为机舱背景色对应的光谱响应范围即可。
当计算得到归一化反射率之后,可以将处于预设反射率阈值作为目标归一化反射率,并且识别对比采集图像的每个像素对应的归一化反射率是否为目标归一化反射率,并将识别到归一化反射率为目标归一化反射率的像素作为目标像素,最终将目标像素所形成的图像区域作为目标图像区域,该目标图像区域即为漏油区域。具体地,预设反射率阈值可以设置为[0,1]。
在本发明一些实施例中,在S240之后,该液压***漏油检测方法还可以包括:
在识别到目标图像区域的情况下,获取目标光波段衰减系数;
根据目标光波段衰减系数和目标图像区域中的每个像素对应的目标光波段反射率,确定目标图像区域中的每个像素对应的油膜厚度;
根据所确定的油膜厚度,计算目标图像区域对应的漏油量。
具体地,在确定目标图像区域中的每个像素对应的油膜厚度之前,还可以先剔除对比采集图像中的目标图像区域以外的图像区域。由于对比采集图像中的目标图像区域以外的图像区域,可以被确定为液压变桨***的阴影或者地板,可以利用掩模计算剔除对比采集图像中的目标图像区域以外的图像区域。
然后,仅针对目标图像区域进行处理,根据目标光波段衰减系数和目标图像区域中的每个像素对应的目标光波段反射率,确定目标图像区域中的每个像素对应的油膜厚度。
具体地,光强随着穿透介质长度的增加而逐步衰减,因此,油膜的反射率与油膜厚度之间具有负指数变化关系,该关系公式为:
NR=e(-a×d)
其中,d为模拟实验测得的油膜厚度参数,Roil为模拟实验测得的反射率,则可以根据关系公式估算475nm-485nm中的各个光波段对应的衰减系数a。
然后,将目标图像区域中的每个像素对应的目标光波段反射率和目标光波段衰减系数输入上述的关系公式,确定目标图像区域中的每个像素对应的油膜厚度,最后,可以根据每个像素对应的油膜厚度,计算目标图像区域对应的漏油量。
具体地,可以对目标图像区域内的每个像素对应的油膜厚度进行累加,从而得到目标图像区域对应的漏油量。
图3示出了本发明一个实施例提供的液压***漏油检测装置的结构示意图。图3所示的液压***漏油检测装置可以用于对图1所示的风力发电机组的机舱的地板110上的漏油区域130进行检测,也可以对其他无明显颜色的液体泄漏区域进行检测,在此不做限制。具体地,图3所述的液压***漏油检测装置可以设置于液压***漏油检测设备内,液压***漏油检测设备可以为具有图像处理功能的服务器或者电子设备,以对图1所示的风力发电机组的液压变桨***120进行漏油检测为例,液压***漏油检测设备可以设置于风力发电机组的机舱内,也可以设置于风力发电机组的中控室内。
在本发明实施例中,服务器可以是一种高性能的电子计算器,用于存储和处理数据,电子设备具体可以是平板电脑、台式电脑、手机等。
如图3所示,该液压***漏油检测装置可以包括:
图像获取模块310,用于获取目标检测区域对应的对比采集图像和参考采集图像;
色值确定模块320,用于确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值;
反射率确定模块330,用于根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率;
区域识别模块340,用于根据所确定的目标光波段反射率,在对比采集图像中识别目标图像区域;其中,目标图像区域为目标检测区域中的漏油区域对应的图像区域。
由于本发明实施例能够利用目标检测区域对应的对比采集图像和参考采集图像检测目标检测区域中的漏油区域,可以不受检测周期的限制,实时对目标检测区域中的漏油区域进行检测,同时,利用目标光波段反射率可以较为准确地识别出具有无色或淡黄色液体的漏油区域,因此,本发明实施例能够准确、及时地发现目标检测区域内的漏油区域。
在本发明一些实施例中,目标光波段为地板颜色的最大反射率对应的光波段。
在本发明一些实施例中,漏油区域影像包括漏油油膜、作为油膜背景的地板颜色和油膜上反射的液压变桨***影像。
在本发明一些实施例中,图像获取模块310可以包括:
图像序列获取单元,用于获取目标检测区域对应的采集图像序列;其中,采集图像序列包括采集时刻连续的多个采集图像;
相似度计算单元,用于针对每两个采集时刻相邻的采集图像,计算两个采集图像中的在后采集图像与在先采集图像之间的图像相似度,得到图像相似度序列;
图像选择单元,用于根据图像相似度序列,在采集图像序列中,选择对比采集图像和所参考采集图像。
在本发明一些实施例中,相似度计算单元可以具体用于:
确定在后采集图像对应的第一色调直方图和在先采集图像对应的第二色调直方图;
计算第一色调直方图和第二色调直方图之间的直方图相似度;
将直方图相似度,作为在后采集图像与在先采集图像之间的图像相似度。
在本发明一些实施例中,图像选择单元可以具体用于:
确定图像相似度序列中的相似度谷值;
在相似度谷值小于预设相似度阈值的情况下,将相似度谷值对应的两个采集图像中的在后采集图像作为所述对比采集图像,将相似度谷值对应的两个采集图像中的在先采集图像作为参考采集图像。
在本发明一些实施例中,区域识别模块340包括:
归一化处理单元,用于对所确定的目标光波段反射率进行归一化处理,得到对比采集图像中的每个像素对应的归一化反射率,以消除环境背景对反射率带来的影响;
目标像素识别单元,用于在对比采集图像的多个像素中,识别目标像素;其中,目标像素对应的归一化反射率处于预设反射率阈值内;
目标区域识别单元,用于将识别到的目标像素所形成的图像区域,作为目标图像区域。
在本发明一些实施例中,该液压***漏油检测装置还可以包括:
衰减系数获取模块,用于在识别到目标图像区域的情况下,获取目标光波段衰减系数;
油膜厚度确定模块,用于根据目标光波段衰减系数和目标图像区域中的每个像素对应的目标光波段反射率,确定目标图像区域中的每个像素对应的油膜厚度;
漏油量计算模块,用于根据所确定的油膜厚度,计算目标图像区域对应的漏油量。
需要说明的是,本发明实施例提供的液压***漏油检测装置能够实现图2所示的方法实施例中的各个过程和效果,并且各个过程的实现原理相同,为避免重复,这里不再赘述。
图4示出了本发明实施例提供的液压***漏油检测设备的硬件结构示意图。如图4所示,液压***漏油检测设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在综合网关容灾设备的内部或外部。在特定实施例中,存储器402是非易失性固态存储器。在特定实施例中,存储器402包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种液压***漏油检测方法。
在一个示例中,液压***漏油检测设备还可包括通信接口403和总线410。其中,如图4所示,处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者,将液压***漏油检测设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-E4press(PCI-4)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该液压***漏油检测设备可以执行本发明实施例中的液压***漏油检测方法,从而实现结合图2和图3描述的液压***漏油检测方法和装置。
另外,结合上述实施例中的液压***漏油检测方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种液压***漏油检测方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
图5示出了本发明一个实施例提供的液压***漏油检测***的结构示意图。图5所示的液压***漏油检测***可以用于对图1所示的风力发电机组的液压变桨***120进行漏油检测,也可以对其他可能发生无明显颜色的液体泄漏的设备进行液体泄漏检测,在此不做限制。
如图5所示,该液压***漏油检测***可以包括:
图像采集设备510,用于采集目标检测区域对应的对比采集图像和参考采集图像;
液压***漏油检测设备520,液压***漏油检测设备与图像采集设备通信连接,用于获取对比采集图像和参考采集图像;确定对比采集图像中的每个像素对应的第一色值和参考采集图像中的每个像素对应的第二色值;根据所确定的第一色值和第二色值,确定对比采集图像中的每个像素对应的目标光波段反射率;根据所确定的目标光波段反射率,在对比采集图像中识别目标图像区域;其中,目标图像区域为目标检测区域中的漏油区域对应的图像区域。
由于本发明实施例能够利用目标检测区域对应的对比采集图像和参考采集图像检测目标检测区域中的漏油区域,可以不受检测周期的限制,实时对目标检测区域中的漏油区域进行检测,同时,利用目标光波段反射率可以较为准确地识别出具有无色或淡黄色液体的漏油区域,因此,本发明实施例能够准确、及时地发现目标检测区域内的漏油区域。
其中,本发明实施例提供的液压***漏油检测设备能够实现图2所示的方法实施例中的各个过程和效果,并且各个过程的实现原理相同,为避免重复,这里不再赘述。
在本发明实施例中,图像采集设备510可以为摄像机或者照相机,在此不做限制。具体地,图像采集设备510可以为球形摄像机。
在本发明一些实施例中,该液压***漏油检测***还可以包括:
数据存储设备,数据存储设备与图像采集设备通信连接,用于存储图像采集设备所采集的图像;
云端服务器,云端服务器与数据存储设备通信连接,用于将数据存储设备所存储的图像发送至访问云端服务器的用户设备。
因此,用户设备可以通过云端服务器对数据存储设备中的采集图像进行下载和查看,若图像采集设备510为摄像机,用户设备还可以下载和回放视频。
在一些实施例中,云端服务器还可以与液压***漏油检测设备520通信连接,以使用户设备可以通过云端服务器和液压***漏油检测设备520对目标检测区域的采集图像进行实时查看,用户设备还可以通过云端服务器查询液压***漏油检测设备520的图像处理日志以及设置液压***漏油检测设备520的配置参数。
在本发明一些实施例中,液压***漏油检测***应用于风力发电机组;
其中,图像采集设备510可以设置于风力发电机组的轮毂和/或机舱的预设监控点,液压***漏油检测设备520可以设置于风力发电机组的中控室内。
在本发明一些实施例中,液压***漏油检测设备520还用于在识别到目标图像区域的情况下,向风力发电机组的主控***发送警报信息。
因此,本发明实施例可以在判断液压变桨***存在液压油泄漏故障后,进行智能报警。
图6示出了本发明一个实施例提供的液压***漏油检测***的***架构图。图6所示的液压***漏油检测***,可以用于对图1所示的风力发电机组的机舱的地板110上的漏油区域130进行检测。
如图6所示,该液压***漏油检测***可以包括前端监控***610、云端服务器620、用户设备630和液压***漏油检测设备640。其中,前端监控***610可以包括6个球形摄像机611、2个交换机612、一个无线接入点(Access Point,AP)613、一个4G无线路由614和一个网络视频录像机(Network Video Recorder,NVR)615。具体地,交换机612可以为百兆交换机,NVR 615可以为8路NVR。云端服务器620用于向用户设备630进行视频转发服务,以使用户设备630管理所有的视频网络源。用户设备630上安装有视频管理***,能进行实时视频浏览和历史视频回放。例如,用户设备630为台式电脑时,视频管理***为视频管理客户端,用户设备630为平板电脑和手机等时,视频管理***为视频管理应用程序。视频管理***也可以通过云端服务器620访问液压***漏油检测设备640,以对液压***漏油检测设备640进行远程参数配置和日志查询等。
5个球形摄像机611和1个交换机612设置于风力发电机组的轮毂内,轮毂内的5个球形摄像机611分别与轮毂内的1个交换机612通信连接,1个球形摄像机611、1个交换机612、无线AP 613、4G无线路由614和NVR 615设置于风力发电机组的机舱内,轮毂内的交换机612与、机舱内的球形摄像机611和NVR 615分别与机舱内的交换机612通信连接,组成一个局域网,在局域网内,NVR实时获取视频,并将视频存储于本地,NVR 615与中控室内的液压***漏油检测设备640利用备用光纤通信连接。机舱内的交换机612通过4G无线路由614和无线AP 613连接云端服务器620,进行视频中转。
具体地,轮毂内的球形摄像机611拍摄的视频通过有线汇集到轮毂内的交换机612,然后,轮毂内的交换机612通过无线WiFi将视频传送到机舱内的交换机612,机舱内的交换机612通过4G无线网络将视频传到云端服务器620,同时机舱内的交换机612通过风机环网传到中控室内的液压***漏油检测设备640。液压***漏油检测设备640对传回的视频进行实时分析处理,判断液压变桨***是否发生液压油泄漏故障,即是否能够在视频中的多帧采集图像内检测到目标图像区域,若发生液压油泄漏故障会自动报警,并将报警信号传到风力发电机组的主控***让风力发电机组停机,避免风力发电机组发生大量泄漏。
继续参见图6,每个球形摄像机611都设置在预设采集位置,并且由于球形摄像机611可以进行多角度拍摄,每个球形摄像机611还可以拍摄不同角度对应的目标检测区域,并对球形摄像机611的拍摄角度设置角度改变计划,然后按照角度改变计划对不同角度对应的目标检测区域进行循环拍摄,每个角度对应的目标检测区域采集1分钟的视频。
具体地,球形摄像机611可以330°水平旋转,0°至90°垂直旋转,无监视盲区,支持300个拍摄角度。机舱内的球形摄像机611需要拍摄5个拍摄角度,分别液压变桨***的前面、后面、左面、右面以及上面。
继续参见图6,液压***漏油检测设备640能够实现图2所示的方法实施例中的各个过程和效果,并且各个过程的实现原理相同,为避免重复,这里不再赘述。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (13)
1.一种液压***漏油检测方法,其特征在于,包括:
获取目标检测区域对应的对比采集图像和参考采集图像;
确定所述对比采集图像中的每个像素对应的第一色值和所述参考采集图像中的每个像素对应的第二色值;
根据所确定的第一色值和第二色值,确定所述对比采集图像中的每个像素对应的目标光波段反射率;
根据所确定的目标光波段反射率,在所述对比采集图像中识别目标图像区域;
其中,所述目标图像区域为所述目标检测区域中的漏油区域对应的图像区域。
2.根据权利要求1所述的方法,其特征在于,目标光波段为地板颜色的最大反射率对应的光波段。
3.根据权利要求1所述的方法,其特征在于,漏油区域影像包括漏油油膜、作为油膜背景的地板颜色和油膜上反射的液压变桨***影像。
4.根据权利要求1所述的方法,其特征在于,所述获取目标检测区域对应的对比采集图像和参考采集图像,包括:
获取所述目标检测区域对应的采集图像序列;其中,所述采集图像序列包括采集时刻连续的多个采集图像;
针对每两个采集时刻相邻的采集图像,计算两个采集图像中的在后采集图像与在先采集图像之间的图像相似度,得到图像相似度序列;
根据所述图像相似度序列,在所述采集图像序列中,选择所述对比采集图像和所述参考采集图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所确定的目标光波段反射率,在所述对比采集图像中识别目标图像区域,包括:
对所述所确定的目标光波段反射率进行归一化处理,得到所述对比采集图像中的每个像素对应的归一化反射率,以消除环境背景对反射率带来的影响;
在所述对比采集图像的多个像素中,识别目标像素;其中,所述目标像素对应的归一化反射率处于预设反射率阈值内;
将识别到的目标像素所形成的图像区域,作为所述目标图像区域。
6.根据权利要求1所述的方法,其特征在于,所述根据所确定的目标光波段反射率,在所述对比采集图像中识别目标图像区域之后,还包括:
在识别到所述目标图像区域的情况下,获取目标光波段衰减系数;
根据所述目标光波段衰减系数和所述目标图像区域中的每个像素对应的目标光波段反射率,确定所述目标图像区域中的每个像素对应的油膜厚度;
根据所确定的油膜厚度,计算所述目标图像区域对应的漏油量。
7.一种液压***漏油检测装置,其特征在于,包括:
图像获取模块,用于获取目标检测区域对应的对比采集图像和参考采集图像;
色值确定模块,用于确定所述对比采集图像中的每个像素对应的第一色值和所述参考采集图像中的每个像素对应的第二色值;
反射率确定模块,用于根据所确定的第一色值和第二色值,确定所述对比采集图像中的每个像素对应的目标光波段反射率;
区域识别模块,用于根据所确定的目标光波段反射率,在所述对比采集图像中识别目标图像区域;其中,所述目标图像区域为所述目标检测区域中的漏油区域对应的图像区域。
8.一种液压***漏油检测设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的液压***漏油检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的液压***漏油检测方法。
10.一种液压***漏油检测***,其特征在于,包括:
图像采集设备,用于采集目标检测区域对应的对比采集图像和参考采集图像;
液压***漏油检测设备,所述液压***漏油检测设备与所述图像采集设备通信连接,用于获取所述对比采集图像和所述参考采集图像;确定所述对比采集图像中的每个像素对应的第一色值和所述参考采集图像中的每个像素对应的第二色值;根据所确定的第一色值和第二色值,确定所述对比采集图像中的每个像素对应的目标光波段反射率;根据所确定的目标光波段反射率,在所述对比采集图像中识别目标图像区域;其中,所述目标图像区域为所述目标检测区域中的漏油区域对应的图像区域。
11.根据权利要求10所述的***,其特征在于,还包括:
数据存储设备,所述数据存储设备与所述图像采集设备通信连接,用于存储所述图像采集设备所采集的图像;
云端服务器,所述云端服务器与所述数据存储设备通信连接,用于将所述数据存储设备所存储的图像发送至访问所述云端服务器的用户设备。
12.根据权利要求10所述的***,其特征在于,所述液压***漏油检测***应用于风力发电机组;
其中,所述图像采集设备设置于所述风力发电机组的轮毂和/或机舱的预设监控点,所述液压***漏油检测设备设置于所述风力发电机组的中控室内。
13.根据权利要求12所述的***,其特征在于,所述液压***漏油检测设备还用于在识别到所述目标图像区域的情况下,向所述风力发电机组的主控***发送警报信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911342641.4A CN113095114A (zh) | 2019-12-23 | 2019-12-23 | 液压***漏油检测方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911342641.4A CN113095114A (zh) | 2019-12-23 | 2019-12-23 | 液压***漏油检测方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113095114A true CN113095114A (zh) | 2021-07-09 |
Family
ID=76663340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911342641.4A Pending CN113095114A (zh) | 2019-12-23 | 2019-12-23 | 液压***漏油检测方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095114A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113670524A (zh) * | 2021-07-13 | 2021-11-19 | 江铃汽车股份有限公司 | 用于汽车碰撞燃油泄漏的检测方法及检测*** |
CN113743454A (zh) * | 2021-07-22 | 2021-12-03 | 南方电网深圳数字电网研究院有限公司 | 油浸式互感器的检测方法、装置、设备及存储介质 |
CN115115638A (zh) * | 2022-08-30 | 2022-09-27 | 南通翡利达液压科技有限公司 | 一种液压***漏油检测及判定方法 |
CN115311443A (zh) * | 2022-10-12 | 2022-11-08 | 江苏高晟机械有限公司 | 一种液压泵漏油识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110034780A (ko) * | 2009-09-29 | 2011-04-06 | 동명대학교산학협력단 | 단조 프레스기의 유압유 누유 영역 영상 감지 시스템 |
EP2919156A2 (en) * | 2014-03-12 | 2015-09-16 | Ricoh Company, Ltd. | Image processing apparatus, vehicle-mounted device control system, method of image processing, image processsing programm, and carrier medium |
KR101732111B1 (ko) * | 2016-06-30 | 2017-05-02 | 서울시립대학교 산학협력단 | 위성영상을 이용한 기름유출 탐지장치 및 방법 |
CN108108739A (zh) * | 2017-12-18 | 2018-06-01 | 上海联影医疗科技有限公司 | 图像目标区域的检测方法、装置、x射线***及存储介质 |
CN109284709A (zh) * | 2018-09-19 | 2019-01-29 | 南京大学 | 一种基于耀光反射差异的海面溢油光学遥感检测方法 |
CN109376600A (zh) * | 2018-09-20 | 2019-02-22 | 中国农业大学 | 多光谱遥感影像综合特征云检测方法及装置 |
US20190339159A1 (en) * | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for oil leak detection |
-
2019
- 2019-12-23 CN CN201911342641.4A patent/CN113095114A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110034780A (ko) * | 2009-09-29 | 2011-04-06 | 동명대학교산학협력단 | 단조 프레스기의 유압유 누유 영역 영상 감지 시스템 |
EP2919156A2 (en) * | 2014-03-12 | 2015-09-16 | Ricoh Company, Ltd. | Image processing apparatus, vehicle-mounted device control system, method of image processing, image processsing programm, and carrier medium |
KR101732111B1 (ko) * | 2016-06-30 | 2017-05-02 | 서울시립대학교 산학협력단 | 위성영상을 이용한 기름유출 탐지장치 및 방법 |
CN108108739A (zh) * | 2017-12-18 | 2018-06-01 | 上海联影医疗科技有限公司 | 图像目标区域的检测方法、装置、x射线***及存储介质 |
US20190339159A1 (en) * | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for oil leak detection |
CN109284709A (zh) * | 2018-09-19 | 2019-01-29 | 南京大学 | 一种基于耀光反射差异的海面溢油光学遥感检测方法 |
CN109376600A (zh) * | 2018-09-20 | 2019-02-22 | 中国农业大学 | 多光谱遥感影像综合特征云检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
董保国;: "基于图像处理的变压器渗漏油检测", 电力建设, no. 11 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113670524A (zh) * | 2021-07-13 | 2021-11-19 | 江铃汽车股份有限公司 | 用于汽车碰撞燃油泄漏的检测方法及检测*** |
CN113670524B (zh) * | 2021-07-13 | 2023-12-19 | 江铃汽车股份有限公司 | 用于汽车碰撞燃油泄漏的检测方法及检测*** |
CN113743454A (zh) * | 2021-07-22 | 2021-12-03 | 南方电网深圳数字电网研究院有限公司 | 油浸式互感器的检测方法、装置、设备及存储介质 |
CN115115638A (zh) * | 2022-08-30 | 2022-09-27 | 南通翡利达液压科技有限公司 | 一种液压***漏油检测及判定方法 |
CN115311443A (zh) * | 2022-10-12 | 2022-11-08 | 江苏高晟机械有限公司 | 一种液压泵漏油识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095114A (zh) | 液压***漏油检测方法、装置和设备 | |
CN110458839B (zh) | 一种有效的电线电缆监测*** | |
CN101515326B (zh) | 一种适用于识别和检测大空间火灾火焰的方法 | |
US20160260306A1 (en) | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds | |
CN111462155B (zh) | 移动侦测方法、装置、计算机设备和存储介质 | |
Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
CN112257554B (zh) | 基于多光谱的森林火灾识别方法、***、程序及存储介质 | |
CN114664048B (zh) | 一种基于卫星遥感监测的火情监测及火灾预警方法 | |
US11580659B2 (en) | Method for size estimation by image recognition of specific target using given scale | |
CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及*** | |
CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
CN114463389B (zh) | 一种运动目标检测方法以及检测*** | |
CN115311623A (zh) | 一种基于红外热成像的设备漏油检测方法及*** | |
CN116910491B (zh) | 一种雷电监测预警***、方法、电子设备及存储介质 | |
CN113778091A (zh) | 一种风电场升压站设备巡检方法 | |
CN111626104A (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
KR20240028290A (ko) | 산불 검출 장치 및 방법 | |
KR102457470B1 (ko) | 영상 분석을 이용한 인공지능 기반 강수 판단장치 및 방법 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、***及存储介质 | |
Jeong et al. | Thermal imaging fire detection algorithm with minimal false detection | |
CN113033355B (zh) | 一种基于密集输电通道的异常目标识别方法和装置 | |
CN104820818A (zh) | 一种移动物体的快速识别方法 | |
CN114299451A (zh) | 一种深度学习监控视频遮挡的识别***及方法 | |
CN113962269A (zh) | 基于光纤传感与无人机视频的多模态融合侵入识别方法 | |
CN113705442A (zh) | 一种户外大牌广告画面监控识别***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No.107 Shanghai Road, Urumqi Economic and Technological Development Zone, Urumqi City, Xinjiang Uygur Autonomous Region Applicant after: Jinfeng Technology Co.,Ltd. Address before: No.107 Shanghai Road, Urumqi Economic and Technological Development Zone, Urumqi City, Xinjiang Uygur Autonomous Region Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |