【技术实现步骤摘要】
本专利技术涉及油气管道泄漏检测，尤其涉及一种融合气体传感器及声学相机的无人机油气管道泄漏识别方法、系统、装置及存储介质。
技术介绍
1、传统的油气管道泄漏检测方法包括人工巡检、地面车辆巡检以及固定式传感器监控等，这些方法存在效率低、成本高、难以覆盖偏远地区等问题。近年来，随着无人机技术的发展，使用无人机进行油气管道巡检成为新的趋势。然而，现有的无人机巡检方法往往只依赖单一传感器，如仅使用气体传感器或仅使用声学相机，使得检测精度和效率较低。
技术实现思路
1、本专利技术的目的在于解决上述现有技术中泄漏检测精度低的难题，提供一种融合气体传感器及声学相机的无人机油气管道泄漏识别方法，以提高泄漏检测的准确性、可靠性和效率。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术提供一种融合气体传感器及声学相机的无人机油气管道泄漏识别方法，包括如下步骤：
4、s1：无人机搭载配置：无人机上配备有气体传感器和声学相机，其中气体传感器用于检测特定气体，声学相机用于捕捉超声波信号；
5、s2：自动飞行路径规划：基于gis数据和油气管道的布局图，规划无人机飞行路径，确保覆盖所有需要检测的区域；
6、s3：数据采集和处理：无人机沿规划好的路径飞行，气体传感器实时监测周围环境中的气体浓度变化，声学相机捕捉超声波信号,基于气体传感器和声学相机收集到的数据进行分析处理，计算出泄漏率估计值。
7、进一步的，特定气体包括：硫化氢、甲烷、乙
8、进一步的，气体传感器实时监测周围环境中的气体浓度变化，声学相机捕捉超声波信号,基于气体传感器和声学相机收集到的数据进行分析处理，计算出泄漏率估计值包括：
9、控制气体传感器检测环境中特定气体的含量，若超过预设阈值则控制声学相机采集超声波信号，形成声学图像，并获取采集超声波信号的地理位置信息；
10、将声学图像输入到训练好的神经网络模型中，模型输出泄漏率估计值。
11、进一步的，将声学图像输入到训练好的神经网络模型中，模型输出泄漏率估计值包括：
12、将所述声学图像输入顺序连接的卷积模块cbs、特征解析模块fam、第一cbm模块、第二cbm模块、第三cbm模块、第四cbm模块，所述第一、第二、第三、第四cbm模块的输出记为特征f1、f2、f3、f4，将所述特征f1、f2、f3、f4分别输入卷积模块cbs得到特征fc1、fc2、fc3和fc4，将所述fc4进行上采样，得到fu4，将fu4与fc3通过特征融合模块ffm进行融合后进行上采样得到特征fu3,将fu3与fc2通过特征融合模块ffm进行融合后进行上采样得到特征fu2,将fu2与fc1通过特征融合模块ffm进行融合后,输入顺序连接的池化层、第一全连接层fc1、第二全连接层fc2，通过输出层输出泄漏率估计值。
13、进一步的，所述卷积模块cbs为：conv+bn+silu。
14、进一步的，所述cbm模块为：conv+bn+mish。
15、进一步的，所述特征解析模块fam包括：
16、f1＝concat(cbs(cbs(cbs(fin)))，cbs(cbs(fin)))；
17、f2＝maxpooling(fin)；
18、
19、其中，所示concat()表示级联操作，所述maxpooling()表示最大值池化，所述fin表示特征解析模块fam的输入特征，ffam表示特征解析模块fam的输出特征。
20、进一步的，所述特征融合模块为：
21、f＝conv(conv(fui+1)⊕fci)⊕fci,i＝{1,2,3},f表示融合后的特征，conv()表示卷积操作。
22、进一步的，融合气体传感器及声学相机的无人机油气管道泄漏识别方法，还包括：
23、s4:实时反馈：将分析结果实时反馈给监控中心，以便及时采取措施处理泄漏，所述分析结果包括地理位置信息、泄漏率估计值。
24、进一步的，本专利技术包括一种融合气体传感器及声学相机的无人机油气管道泄漏识别系统，包括如下模块：
25、无人机搭载配置模块：无人机上配备有气体传感器和声学相机，其中气体传感器用于检测特定气体，声学相机用于捕捉超声波信号；
26、自动飞行路径规划模块：基于gis数据和油气管道的布局图，规划无人机飞行路径，确保覆盖所有需要检测的区域；
27、数据采集和处理模块：无人机沿规划好的路径飞行，气体传感器实时监测周围环境中的气体浓度变化，声学相机捕捉超声波信号,基于气体传感器和声学相机收集到的数据进行分析处理，计算出泄漏率估计值。
28、进一步的，本专利技术还包括一种融合气体传感器及声学相机的无人机油气管道泄漏识别装置，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行上述方法。
29、进一步的，本专利技术包括一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现上述方法。
30、与现有技术相比，本专利技术具有以下优点：
31、(1)多传感器融合：通过同时使用气体传感器和声学相机，提高了检测的准确性和可靠性。
32、(2)智能分析：采用先进的数据分析算法，能够快速、准确地定位泄漏点。
33、(3)高效巡检：无人机自主飞行，减少了人力需求，提高了巡检效率。
本文档来自技高网...【技术保护点】
1.一种融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，特定气体包括：硫化氢、甲烷、乙烷、氨气、一氧化碳。
3.根据权利要求1所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，气体传感器实时监测周围环境中的气体浓度变化，声学相机捕捉超声波信号,基于气体传感器和声学相机收集到的数据进行分析处理，计算出泄漏率估计值包括：
4.根据权利要求3所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，将声学图像输入到训练好的神经网络模型中，模型输出泄漏率估计值包括：
5.根据权利要求4所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，所述特征解析模块FAM包括：
6.根据权利要求4所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，所述特征融合模块为：
7.根据权利要求1所述的融合气体传感器及声学相机的无人机油气管道泄
8.一种融合气体传感器及声学相机的无人机油气管道泄漏识别系统，其特征在于，包括如下模块：
9.一种融合气体传感器及声学相机的无人机油气管道泄漏识别装置，其特征在于，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，特定气体包括：硫化氢、甲烷、乙烷、氨气、一氧化碳。
3.根据权利要求1所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，气体传感器实时监测周围环境中的气体浓度变化，声学相机捕捉超声波信号,基于气体传感器和声学相机收集到的数据进行分析处理，计算出泄漏率估计值包括：
4.根据权利要求3所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，将声学图像输入到训练好的神经网络模型中，模型输出泄漏率估计值包括：
5.根据权利要求4所述的融合气体传感器及声学相机的无人机油气管道泄漏识别方法，其特征在于，...
【专利技术属性】
技术研发人员：郑赵多，
申请(专利权)人：江苏施多德传感科技有限公司，
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。