【技术实现步骤摘要】
本专利技术涉及火焰识别领域，具体地涉及一种石化火灾类型识别方法。
技术介绍
1、石油化工企业生产、储存、运输等过程中危险性因素众多，尤其是原料、中间产品、最终产品产物等多为易燃、易爆危险化学品，一旦泄漏并形成爆炸性混合物质，遇到明火就会发生爆炸，进而引发火灾事故。
2、近年来，随着大数据和人工智能的快速发展，特别是深度学习算法的广泛应用，使得基于计算机软件的火灾识别方法成为可能。随着计算机视觉技术的快速发展，基于视频图像识别烟火的图像型火灾探测系统具有控制距离远、保护面积大、响应速度快等优点，目前已发展成为各领域火焰识别的主流技术。
3、基于视频识别的火灾检测算法主要是通过分析火焰和烟雾的图像特征，针对特征进行探测识别，进而实现火灾报警。目前分为传统的基于数字图像处理的识别检测算法和基于深度学习的目标检测算法。前者算法主要采用常规的特征提取，算法较为经典，但识别准确率偏低，仅适用于简单场景。后者依赖大数据进行训练，识别准确率高。
4、随着计算机硬件性能的飞速发展，基于深度学习的目标检测算法已经开始应用到各行各业，越发成为当今图像识别的主流技术。然而，石油化工装置区不仅场景极其复杂，发生的火灾事故所产生的火焰形态及种类也不尽相同，单独依赖可见光视频探测技术存在识别手段单一、所受干扰因素多等种种问题，准确率难以得到保证。
5、另外，目前相关机构研发的火焰及火灾识别算法主要基于森林火灾、建筑火灾以及实验简单明火等火情素材进行模型训练，对于相应的森林火灾和建筑火灾场景下的火焰识别效果更好，
6、因此，有必要提供一种新的技术方案，以解决上述技术存在的不足，为石化复杂场景火焰的快速识别响及预警响应奠定基础。
技术实现思路
1、本专利技术实施例的目的是提供一种技术方案，该技术方案能够有效提升石化企业复杂环境下多形态火灾的识别精准性和实时性，为下一步的事故定位与快速研判奠定基础。
2、为了实现上述目的，本专利技术实施例提供一种石化火灾类型识别方法，所述方法包括：
3、步骤1，使用红外测温成像仪获取各类石化火灾场景下的多种火焰形态，并根据不同种类的火焰形态构建第一火焰素材库；使用可见光摄像头获取所述各类石化火灾场景下的多种火焰形态，并根据不同种类的火焰形态构建第二火焰素材库；
4、步骤2，在第一火焰素材库中随机选取不同的图像，以作为第一训练集和第一验证集；在第二火焰素材库中随机选取不同的图像，以作为第二训练集和第二验证集；
5、步骤3，使用第一训练集训练选取的火焰识别模型得到第一火焰识别模型，使用第一验证集验证第一火焰识别模型的识别效果；使用第二训练集训练选取的所述火焰识别模型得到第二火焰识别模型，使用第二验证集验证第二火焰模型的识别效果；
6、步骤4，使用红外测温成像仪获取待测场景下的第一图像画面，使用可见光摄像头获取所述待测场景下的第二图像画面；将所述第一图像画面输入所述第一火焰识别模型得到第一识别结果，将所述第二图像画面输入所述第二火焰识别模型得到第二识别结果；
7、步骤5，根据所述第一识别结果和所述第二识别结果向外发出报警信号。
8、优选地，所述获取各类石化火灾场景下的多种火焰形态包括：
9、采集各类石化火灾场景下的火焰视频；
10、对所述火焰视频抽帧得到火焰样本图像；
11、其中，所述火焰视频覆盖不同石化企业各装置区的场景工况，背景区域无空旷地带、具有部分管线遮挡的复杂构筑物。
12、优选地，所述多种火焰形态包括流淌火、液池火、喷射火、槽火、罐火、氢燃烧火、电气火、管廊遮挡火；每类形态的火焰样本图像不少于5000张，覆盖的场景工况不少于10个，且每个场景工况下抽取的样本图像不多于1000张。
13、优选地，所述获取各类石化火灾场景下的多种火焰形态还包括：对所述火焰样本图像进行标准化预处理，以构建所述第一火焰素材库和所述第二火焰素材库；所述标准化预处理包括图像去噪和畸变校正，以使图像比例、视野范围和目标大小相同或相近，以及用矩形标注框在图像中框选各类火焰目标的坐标及类型，确保标注框完全覆盖火焰目标，且每个火焰目标面积在标注框中的占比不低于1：3。
14、优选地，所述红外测温仪的分辨率不低于800*600像素，所述可见光摄像头的分辨率不低于1024*768像素，所述多种火焰形态目标尺度大于20*20像素。
15、优选地，所述训练集与验证集的比例不低于4：1；所述火焰识别模型为yolov5深度目标检测网络模型。
16、优选地，所述步骤5包括：当所述第一识别结果和所述第二识别结果同时指示异常火焰时，向外发出报警信号。
17、优选地，所述步骤5还包括：当所述第一识别结果和所述第二识别结果中的一者指示异常火焰时，将所述第一图像画面和所述第二图像画面发送至人工审核平台，由人工审核平台进行人工研判。
18、优选地，所述步骤2之前还包括：分别对所述第一火焰素材库和所述第二火焰素材库进行数据集预处理，所述数据集预处理包括：
19、分别对第一火焰素材库的原有图像以及第二火焰素材库中的原有图像依次进行随机添加高斯噪声、cutmix数据增强和马赛克数据增强的操作，将马赛克数据增强后的图像分别对应置入所述第一火焰素材库和所述第二火焰素材库。
20、优选地，所述步骤4之前还包括：对所述第一火焰识别模型和所述第二火焰识别模型进行封装。
21、本专利技术实施例提供的技术方案具有如下有益效果：
22、本专利技术实施例同时采用红外测温成像仪和可见光摄像头分别获取石化火灾场景下的多种火焰形态，将红外热成像与视频识别两种监测手段有效融合，以石化火灾场景下的多种火焰形态作为火焰素材库的数据样本，以此训练和验证火焰识别模型，从而进行火焰识别，可以有效提升石化企业复杂环境下多形态火灾的识别精准性和实时性，为下一步的事故定位与快速研判奠定基础。
23、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种石化火灾类型识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的石化火灾类型识别方法，其特征在于，所述获取各类石化火灾场景下的多种火焰形态包括：
3.根据权利要求2所述的石化火灾类型识别方法，其特征在于，所述多种火焰形态包括流淌火、液池火、喷射火、槽火、罐火、氢燃烧火、电气火、管廊遮挡火；每类形态的火焰样本图像不少于5000张，覆盖的场景工况不少于10个，且每个场景工况下抽取的样本图像不多于1000张。
4.根据权利要求2所述的石化火灾类型识别方法，其特征在于，所述获取各类石化火灾场景下的多种火焰形态还包括：对所述火焰样本图像进行标准化预处理，以构建所述第一火焰素材库和所述第二火焰素材库；
5.根据权利要求1所述的石化火灾类型识别方法，其特征在于，所述红外测温仪的分辨率不低于800*600像素，所述可见光摄像头的分辨率不低于1024*768像素，所述多种火焰形态目标尺度大于20*20像素。
6.根据权利要求1所述的石化火灾类型识别方法，其特征在于，所述训练集与验证集的比例不低于4：1；所述火焰识别模型为
7.根据权利要求1所述的石化火灾类型识别方法，所述步骤5包括：当所述第一识别结果和所述第二识别结果同时指示异常火焰时，向外发出报警信号。
8.根据权利要求7所述的石化火灾类型识别方法，所述步骤5还包括：当所述第一识别结果和所述第二识别结果中的一者指示异常火焰时，将所述第一图像画面和所述第二图像画面发送至人工审核平台，由人工审核平台进行人工研判。
9.根据权利要求1-8中任一项所述的石化火灾类型识别方法，其特征在于，所述步骤2之前还包括：分别对所述第一火焰素材库和所述第二火焰素材库进行数据集预处理，所述数据集预处理包括：
10.根据权利要求1-8中任一项所述的石化火灾类型识别方法，所述步骤4之前还包括：对所述第一火焰识别模型和所述第二火焰识别模型进行封装。
...【技术特征摘要】
1.一种石化火灾类型识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的石化火灾类型识别方法，其特征在于，所述获取各类石化火灾场景下的多种火焰形态包括：
3.根据权利要求2所述的石化火灾类型识别方法，其特征在于，所述多种火焰形态包括流淌火、液池火、喷射火、槽火、罐火、氢燃烧火、电气火、管廊遮挡火；每类形态的火焰样本图像不少于5000张，覆盖的场景工况不少于10个，且每个场景工况下抽取的样本图像不多于1000张。
4.根据权利要求2所述的石化火灾类型识别方法，其特征在于，所述获取各类石化火灾场景下的多种火焰形态还包括：对所述火焰样本图像进行标准化预处理，以构建所述第一火焰素材库和所述第二火焰素材库；
5.根据权利要求1所述的石化火灾类型识别方法，其特征在于，所述红外测温仪的分辨率不低于800*600像素，所述可见光摄像头的分辨率不低于1024*768像素，所述多种火焰形态目标尺度大于20*20像素。
【专利技术属性】
技术研发人员：张广文，毛文锋，赵祥迪，刘馨泽，王春，朱亮，郑毅，姜春雨，马明，
申请(专利权)人：中国石油化工股份有限公司，
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。