一种基于气体智能感知的泄漏气体监测系统的制作方法

1.本发明涉及气体监测，具体涉及一种基于气体智能感知的泄漏气体监测系统。


背景技术：

2.日常生活、工业生产等领域内，有害气体，如天然气、石油等烷烃类易燃易爆的气体泄漏会造成多方面危害。为了减少气体泄漏的危害，需要对区域内是否存在气体泄漏现象进行检测，常见的气体检测方式主要包括：半导体式、催化燃烧式、电化学式和红外线式，即通过对应检测原理的传感器，探测区域内的气体浓度。但是，这些传感器需要与气体进行接触才能进行检测，使得这些传感器的检测范围较小，并且反应迟缓。
3.随着检测技术的发展，现有技术中存在便携式远程气体泄漏检测装置，通过手动控制激光束对目标区域进行扫描来监测是否存在气体泄漏。然而，采用便携式远程气体泄漏检测装置进行气体泄漏监测，难免会存在操作员遗漏扫描的情况，由于是人工操作，即使专注的操作员也会忘记指向一些区域。因此，采用便携式远程气体泄漏检测装置进行气体泄漏监测，难以保证气体泄漏监测的可靠性。同时，由于监测装置单一导致监测点、监测数据的单一，无法根据监测数据准确泄漏气体的浓度变化趋势，不利于现场人流疏散和救援工作的展开。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术所存在的上述缺点，本发明提供了一种基于气体智能感知的泄漏气体监测系统，能够有效克服现有技术所存在的气体泄漏监测结果不够准确、可靠性较差的缺陷。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.一种基于气体智能感知的泄漏气体监测系统，包括服务器，所述服务器通过响应信号采集模块采集传感器阵列的实时动态信号，并利用响应矩阵构建模块将采集的响应信号构建为响应矩阵，所述服务器利用响应矩阵处理模块对响应矩阵进行标准化处理，同时通过标准图谱构建模块基于标准化处理后的响应矩阵构建标准图谱，所述服务器与进行模型训练生成识别模型，并利用识别模型对标准图谱进行识别的识别模型生成模块相连；
9.所述服务器通过监测图像采集模块对待监测区域进行图像采集，并利用图像预处理模块对采集图像进行预处理，所述服务器通过泄漏区域获取模块从预处理后的采集图像中获取泄漏区域，同时分别利用区域特征提取模块、区域特征分析模块对泄漏区域进行特征提取、特征选择，所述服务器通过识别结果输出模块基于选择特征输出识别结果，所述服务器通过监测结果判定模块基于识别模型生成模块、识别结果输出模块得到的识别结果对泄漏气体进行综合判定。
10.优选地，所述响应矩阵构建模块将传感器阵列的实时浓度动态信号构建为a*b的
响应矩阵，其中行代表传感器阵列中的传感器数目与对应编号，列代表对应传感器的响应时间。
11.优选地，所述响应矩阵处理模块将每个响应矩阵标准化至1-255取值范围，同时对标准化后的响应矩阵进行归一化处理。
12.优选地，所述标准图谱构建模块对标准化处理后的响应矩阵，按照统一的颜色模板和绘制标准构建出色柱标准图谱。
13.优选地，还包括识别模型训练模块，所述响应矩阵构建模块基于响应信号采集模块采集的不同类型、不同浓度气体的实时动态信号构建标准响应矩阵，所述标准图谱构建模块基于标准化处理后的标准响应矩阵构建训练图谱库，并发送至识别模型训练模块，所述识别模型训练模块将训练图谱库输入识别模型生成模块进行模型训练。
14.优选地，所述识别模型生成模块对训练图谱库中的图谱数据进行特征提取，并进行学习训练，生成基于标准图谱进行泄漏气体识别的识别模型。
15.优选地，所述图像预处理模块采用一点校正算法、两点校正算法或基于场景的非均匀性校正算法对采集图像进行非均匀性校正，去除固定图案噪声，并采用改进的双边滤波算法对非均匀性校正后的采集图像进行滤波处理。
16.优选地，所述泄漏区域获取模块采用联合背景差分、帧间差分的方法从预处理后的采集图像中获取泄漏区域，包括：
17.基于前n帧采集图像获得初始背景图像，并采用背景更新算法获得更新背景图像；
18.将当前帧采集图像与更新背景图像进行背景差分，再进行形态学滤波得到背景差分图像；
19.对前n帧采集图像进行帧间差分，得到帧间差分图像；
20.对背景差分图像、帧间差分图像进行与运算，从当前帧采集图像中获取泄漏区域。
21.优选地，所述区域特征提取模块对泄漏区域提取的特征包括时域特征和小波域特征，所述区域特征分析模块采用主成分分析法对区域特征提取模块提取的特征进行特征选择。
22.优选地，所述识别结果输出模块中包含有支持向量机的非线性预测模型，所述非线性预测模型以区域特征分析模块选择的特征为输入，基于支持向量机的核函数输出泄漏气体识别结果。
23.(三)有益效果
24.与现有技术相比，本发明所提供的一种基于气体智能感知的泄漏气体监测系统，一方面响应信号采集模块对传感器阵列的实时动态信号进行采集，响应矩阵构建模块将采集的响应信号构建为响应矩阵，并通过标准图谱构建模块构建标准图谱，最终借助训练好的识别模型得到识别结果；另一方面，监测图像采集模块对待监测区域进行图像采集，泄漏区域获取模块从预处理后的采集图像中获取泄漏区域，并分别利用区域特征提取模块、区域特征分析模块对泄漏区域进行特征提取、特征选择，最终基于选择特征输出识别结果，将分布式检测与无接触检测充分融合，不仅拓宽了气体泄漏监测的适用范围，同时还有效提升了气体泄漏监测结果的准确性、可靠性。
附图说明
25.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
26.图1为本发明的系统示意图；
27.图2为本发明中利用传感器阵列进行气体泄漏监测的流程示意图；
28.图3为本发明中通过对待监测区域的图像采集进行气体泄漏监测的流程示意图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.一种基于气体智能感知的泄漏气体监测系统，如图1和图2所示，包括服务器，服务器通过响应信号采集模块采集传感器阵列的实时动态信号，并利用响应矩阵构建模块将采集的响应信号构建为响应矩阵，服务器利用响应矩阵处理模块对响应矩阵进行标准化处理，同时通过标准图谱构建模块基于标准化处理后的响应矩阵构建标准图谱，服务器与进行模型训练生成识别模型，并利用识别模型对标准图谱进行识别的识别模型生成模块相连。
31.本技术技术方案中，还包括识别模型训练模块，识别模型训练模块对识别模型生成模块中识别模型进行模型训练的过程，包括：
32.响应矩阵构建模块基于响应信号采集模块采集的不同类型、不同浓度气体的实时动态信号构建标准响应矩阵，标准图谱构建模块基于标准化处理后的标准响应矩阵构建训练图谱库，并发送至识别模型训练模块，识别模型训练模块将训练图谱库输入识别模型生成模块进行模型训练；
33.识别模型生成模块对训练图谱库中的图谱数据进行特征提取，并进行学习训练，生成基于标准图谱进行泄漏气体识别的识别模型。其中，进行学习训练可以采用模式识别方法，其支持向量机或深度学习。
34.响应矩阵构建模块将传感器阵列的实时浓度动态信号构建为a*b的响应矩阵。其中，行代表传感器阵列中的传感器数目与对应编号，列代表对应传感器的响应时间。利用具有不同响应特性的气敏传感器构成传感器阵列中的传感器检测模块，通过传感器阵列响应待测挥发性气体的浓度信号。
35.响应矩阵处理模块将每个响应矩阵标准化至1-255取值范围，同时对标准化后的响应矩阵进行归一化处理。
36.标准图谱构建模块对标准化处理后的响应矩阵，按照统一的颜色模板和绘制标准构建出色柱标准图谱，利用训练好的识别模型对色柱标准图谱进行识别，即可得到针对泄漏气体的识别结果，包括是否发生气体泄漏情况，以及泄漏气体的浓度大小。
37.如图1和图3所示，服务器通过监测图像采集模块对待监测区域进行图像采集，并
利用图像预处理模块对采集图像进行预处理，服务器通过泄漏区域获取模块从预处理后的采集图像中获取泄漏区域，同时分别利用区域特征提取模块、区域特征分析模块对泄漏区域进行特征提取、特征选择，服务器通过识别结果输出模块基于选择特征输出识别结果，服务器通过监测结果判定模块基于识别模型生成模块、识别结果输出模块得到的识别结果对泄漏气体进行综合判定。
38.图像预处理模块对采集图像进行非均匀性校正，去除固定图案噪声，并采用改进的双边滤波算法对非均匀性校正后的采集图像进行滤波处理。其中，图像预处理模块采用一点校正算法、两点校正算法或基于场景的非均匀性校正算法对采集图像进行非均匀性校正。
39.泄漏区域获取模块采用联合背景差分、帧间差分的方法从预处理后的采集图像中获取泄漏区域，包括：
40.基于前n帧采集图像获得初始背景图像，并采用背景更新算法获得更新背景图像；
41.将当前帧采集图像与更新背景图像进行背景差分，再进行形态学滤波得到背景差分图像；
42.对前n帧采集图像进行帧间差分，得到帧间差分图像；
43.对背景差分图像、帧间差分图像进行与运算，从当前帧采集图像中获取泄漏区域。其中，背景更新算法包括视觉提取算法和边缘提取算法。
44.区域特征提取模块对泄漏区域提取的特征包括时域特征和小波域特征，区域特征分析模块采用主成分分析法对区域特征提取模块提取的特征进行特征选择。其中，时域特征包括灰度特征、灰度共生矩阵的纹理特征和亮度直方图特征等，小波域特征为小波高频能量特征。
45.识别结果输出模块中包含有支持向量机的非线性预测模型，非线性预测模型以区域特征分析模块选择的特征为输入，基于支持向量机的核函数输出泄漏气体识别结果，包括是否发生气体泄漏情况等。
46.本技术技术方案中，将以传感器阵列为主的“分布式检测”与以图像采集为主的“无接触检测”充分融合，服务器通过监测结果判定模块基于识别模型生成模块、识别结果输出模块得到的识别结果对泄漏气体进行综合判定，不仅拓宽了气体泄漏监测的适用范围，同时还有效提升了气体泄漏监测结果的准确性、可靠性。
47.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。