本申请提供一种泄漏的检测方法、装置、系统及存储介质，该检测方法包括对获取的视频数据中的至少部分帧图像进行差分及滤波处理，得到差分及滤波处理后的目标视频帧序列；将所述目标视频帧序列输入到目标泄漏检测模型，获取泄漏区域。本申请提供的一些实施例的技术方案可以对不同物理状态下或不同规模下的泄漏情况进行检测，获取泄漏区域的信息，具有较高的通用性，提升了泄漏检测的准确率。提升了泄漏检测的准确率。提升了泄漏检测的准确率。
【技术实现步骤摘要】
一种泄漏的检测方法、装置、系统及存储介质
[0001]本申请涉及工业检测
，具体而言，涉及一种泄漏的检测方法、装置、系统及存储介质。
技术介绍
[0002]在电厂以及化工等传统工业领域，存在大量的工业设备，如：管道和阀门。工业生产中，多数介质都是具有易腐蚀、易燃易爆等特点。由于管道及零部件的老化、腐蚀等原因，这些介质从管道和阀门中容易形成泄漏。而且泄漏可能发生在气相、液相和固相三种不同物理状态下。根据泄漏的流量也会形成不同规模的泄漏。并且绝大多数工厂面积大、设备分散，人工检测难以及时发现泄漏情况，作业成本还很高。
[0003]为了保障工业场所设备的安全运行，现有技术中利用机器巡检已然成为一种趋势。目前现有的泄漏检测方法是基于图片针对一种物理形态下的泄漏情况或一种泄漏规模的情况进行检测。而且由于实际的工业环境复杂，检测方法只能在理想条件下进行。显然，由于检测样本的稀缺和检测规模场景的限制很容易导致误检、错检，进而导致人力、物力和财力的浪费。
[0004]因此，如何提供一种高效的泄漏检测方法成为亟需解决的技术问题。
技术实现思路
[0005]本申请实施例的目的在于提供一种泄漏的检测方法、装置、系统及存储介质，通过本申请的实施例的技术方案可以对不同物理状态下或不同规模下的泄漏情况进行检测，获取泄漏区域的信息，具有较高的通用性，在一定程度上还提升了泄漏检测的准确率。
[0006]第一方面，本申请一些实施例提供了一种泄漏的检测方法，包括：对获取的视频数据中的至少部分帧图像进行差分及滤波处理，得到差分及滤波处理后的目标视频帧序列；将所述目标视频帧序列输入到目标泄漏检测模型，获取泄漏区域。
[0007]本申请实施例将差分及滤波处理后的目标视频帧序列输入到目标泄漏检测模型。由于目标泄漏检测模型是根据不同物理状态下，不同规模的泄漏情况下采集的多种样本数据集来训练的，使得该模型可以检测的范围涵盖了所有物理状态下的各种规模的泄漏事故，因此，本申请实施例提供的检测方法通用性较好，检测的结果准确性较高。
[0008]在一些实施例，所述对获取的视频数据中的至少部分帧图像进行差分及滤波处理包括：对所述视频数据中的至少部分帧图像内的任一视频帧与所述任一视频帧之后的剩余视频帧做图像差分处理，得到差分处理后的视频帧序列；对所述差分处理后的视频帧序列进行滤波处理，得到目标视频帧序列。
[0009]本申请实施例对获取到的视频数据进行差分处理得到的差分处理后的视频帧序列。通过差分处理后的视频帧序列可以容易获取到随着时间的变化，泄漏面积的变化信息。对差分处理后的视频帧序列进行滤波，可以去除掉该视频帧序列中各帧的噪声、纹理及其他影响检测结果的干扰，得到目标视频帧序列。该目标视频帧序列可以在不同的光照或者
复杂的实际环境下进行检测，对检测结果的影响较小，进而提升了检测结果的准确性。
[0010]在一些实施例，在将所述目标视频帧序列输入到目标泄漏检测模型之前，所述检测方法还包括：对获取的训练视频数据进行差分及滤波处理，得到差分及滤波处理后的历史视频帧序列；将所述历史视频帧序列以及获取的所述原始历史视频数据对应的泄漏区域图像构建训练数据集；利用所述训练数据集对初始泄漏检测模型进行训练，获取目标泄漏检测模型。
[0011]本申请实施例通过构建训练数据集对初始泄漏检测模型进行训练，获取目标泄漏检测模型。构建的训练数据集包含有在不同物理状态下、不同规模的泄漏情况下采集的多种样本数据，利用该训练数据集训练得到的目标泄漏检测模型可以适用于不同的泄漏事故场景中，实用性较高。
[0012]在一些实施例，所述初始泄漏检测模型包括二维泄漏区域检测模型以及三维泄漏过程检测模型，所述训练数据集包括多帧图像，所述训练数据集包括针对目标帧图像标注目标泄漏区域的泄漏区域标注数据和针对所述多帧图像分别标注泄漏区域的标注数据集合，所述泄漏区域标注数据用于训练所述二维泄漏区域检测模型，所述标注数据集合用于训练所述三维泄漏过程检测模型。其中，所述利用所述训练数据集对初始泄漏检测模型进行训练，获取目标泄漏检测模型，包括：根据所述目标帧图像和所述泄漏区域标注数据对所述二维泄漏区域检测模型进行训练，得到目标二维泄漏区域检测模型；根据所述多帧图像和所述标注数据集合对所述三维泄漏过程检测模型进行训练，得到目标三维泄漏过程检测模型。
[0013]本申请实施例的初始泄漏检测模型包括二维泄漏区域检测模型以及三维泄漏过程检测模型，利用训练数据集分别对二维泄漏区域检测模型以及三维泄漏过程检测模型进行训练得到目标二维泄漏区域检测模型和目标三维泄漏过程检测模型。其中，目标二维泄漏区域检测模型可以在时间域上对视频帧进行检测，目标三维泄漏过程检测模型可以在时间域和空间域上对视频帧进行检测。通过对视频帧在时间和空间上的分析，可以提升泄漏检测结果的准确度。
[0014]在一些实施例，所述目标泄漏检测模型包括第一检测模型和/或第二检测模型。
[0015]本申请实施例通过第一检测模型和/或第二检测模型分别在时间域和空间域上对视频帧的进行检测，可以提升泄漏检测结果的准确度。
[0016]在一些实施例，所述第一检测模型为目标二维泄漏区域检测模型和所述第二检测模型为目标三维泄漏过程检测模型，所述视频数据在目标时间段对泄漏过程进行拍摄得到的，所述目标视频帧序列包括关键帧图像和多帧待识别图像，所述关键帧图像是在所述目标时间段内拍摄的具有最大泄漏面积的图像；其中，所述将所述目标视频帧序列输入到目标泄漏检测模型，获取泄漏区域，包括：将所述多帧待识别图像输入到目标三维泄漏过程检测模型，获取在各帧待识别图像上的泄漏区域的动态信息特征图；将所述关键帧图像输入到目标二维泄漏区域检测模型，获取在所述目标时间段内拍摄到的最大泄漏区域的定位信息特征图；根据所述动态信息特征图和所述定位信息特征图，获取泄漏区域。
[0017]本申请实施例使用目标三维泄漏过程检测模型同时对视频帧的空间与时间信息进行分析得到泄漏区域的动态信息特征图。使用目标二维泄漏区域检测模型针对关键帧中的泄漏位置进行定位得到泄漏区域的定位信息特征图。两种特征图融合后可以方便的定位
到泄漏的位置，而且定位的结果较准确，极大的降低了出现错检和误检的概率。
[0018]在一些实施例，所述根据所述动态信息特征图和所述定位信息特征图，获取泄漏区域，包括：对所述动态信息特征图和所述定位信息特征图进行拼接处理，获取初始泄漏区域特征图；将所述初始泄漏区域特征图输入到目标融合网络，获取泄漏区域。
[0019]本申请实施例是先对动态信息特征图和定位信息特征图进行处理后，得到初始泄漏区域特征图，便于后续准确提取泄漏区域。之后利用目标融合网络得到最后的泄漏区域，实现泄漏区域的精准定位，便于后续对泄漏区域进行精准作业。
[0020]在一些实施例，所述目标融合网络由至少两层的卷积网络构成。
[0021]本申请实施例采用至少两层的卷积网络涉及目标融合网络，能够对输入的图像进行精准计算，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种泄漏的检测方法，其特征在于，包括：对获取的视频数据中的至少部分帧图像进行差分及滤波处理，得到差分及滤波处理后的目标视频帧序列；将所述目标视频帧序列输入到目标泄漏检测模型，获取泄漏区域。2.根据权利要求1所述的检测方法，其特征在于，所述对获取的视频数据中的至少部分帧图像进行差分及滤波处理包括：对所述视频数据中的至少部分帧图像内的任一视频帧与所述任一视频帧之后的剩余视频帧做图像差分处理，得到差分处理后的视频帧序列；对所述差分处理后的视频帧序列进行滤波处理，得到目标视频帧序列。3.根据权利要求1所述的检测方法，其特征在于，在将所述目标视频帧序列输入到目标泄漏检测模型之前，所述检测方法还包括：对获取的训练视频数据进行差分及滤波处理，得到差分及滤波处理后的历史视频帧序列；将所述历史视频帧序列以及获取的所述原始历史视频数据对应的泄漏区域图像构建训练数据集；利用所述训练数据集对初始泄漏检测模型进行训练，获取目标泄漏检测模型。4.如权利要求3所述的检测方法，其特征在于，所述初始泄漏检测模型包括二维泄漏区域检测模型以及三维泄漏过程检测模型，所述训练数据集包括多帧图像，所述训练数据集包括针对目标帧图像标注目标泄漏区域的泄漏区域标注数据和针对所述多帧图像分别标注泄漏区域的标注数据集合，所述泄漏区域标注数据用于训练所述二维泄漏区域检测模型，所述标注数据集合用于训练所述三维泄漏过程检测模型；其中，所述利用所述训练数据集对初始泄漏检测模型进行训练，获取目标泄漏检测模型，包括：根据所述目标帧图像和所述泄漏区域标注数据对所述二维泄漏区域检测模型进行训练，得到目标二维泄漏区域检测模型；根据所述多帧图像和所述标注数据集合对所述三维泄漏过程检测模型进行训练，得到目标三维泄漏过程检测模型。5.根据权利要求1或3所述的检测方法，其特征在于，所述目标泄漏检测模型包括第一检测模型和/或第二检测模型。6.根据权利要求5所述的检测方法，其特征在于，所述第一检测模型为目标二维泄漏区域检测模型和所述第二检测模型为目标三维泄漏过程检测模型，所述视频数据...
【专利技术属性】
技术研发人员：张晨光，郭召阳，白如冰，
申请(专利权)人：江苏眸视机器人科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。