一种检测目标位置污染度的方法和系统与流程

1.本技术涉及机器学习领域，尤其涉及一种检测目标位置污染度的方法和系统。


背景技术：

2.随着工业技术的发展，如何准确的检测厂房内的管道是否发生泄露，是工业生产目前面临的一个严重问题。在一个封闭厂房内，常常排布有很多管道，且不同的管道内可能储存有不同的气体或液体，因此需要检测多个位置的管道是否发生泄漏。在这样的环境下，传统的管道泄露视频检测方案需要在厂房内架设多个摄像头，并配置多个拍摄位置，同时还需要配置多套不同的图像识别算法，才能够检测管道内液体或气体是否泄漏。这样对于每一个需要检测的管道都需要设置不同的检测方案，导致检测方案不通用；并且，当管道内液体或气体泄露，视觉特征不明显时，传统的检测方案甚至难以通过视频监控和图像识别算法准确检测，造成检测率不高的问题。
3.因此，需要提供一种通用的检测方案，并且对管道泄漏的检测率高的检测目标位置污染度的方法和系统。


技术实现要素：

4.本技术提供一种检测目标位置污染度的方法和系统。
5.第一方面，本技术提供一种检测目标位置污染度的方法，包括：获取目标图像，所述目标图像包括所述目标位置的信息编码图像以及所述目标位置的污染图像；通过训练好的目标模型识别所述目标图像，至少获得所述目标位置、所述目标位置的污染类型以及污染度分值；以及根据所述污染度分值，决定是否报警。
6.在一些实施例中，所述污染图像为目标试纸被目标化学物质污染的图像，其中，所述目标试纸在所述目标位置。
7.在一些实施例中，所述目标信息编码图像至少包括条码图像和二维码图像中的一种。
8.在一些实施例中，所述目标信息编码图像至少描述了目标位置数据、所述目标位置的污染类型、目标试纸的试纸类型、试纸尺寸以及所述目标位置名称中的部分内容。
9.在一些实施例中，所述目标模型为基于所述颜色直方图和线性回归方法训练的模型，其中，所述目标模型能够基于颜色直方图，统计所述目标位置的污染图像中的各种颜色的数量特征，所述目标模型能够基于所述线性回归方法，对所述目标位置的污染图像和所述目标位置的污染度分值之间的关系进行建模。
10.在一些实施例中，其中所述获取所述目标图像包括：控制记录设备移动至预置位拍摄所述目标图像；以及接收所述目标图像。
11.第二方面，本技术提供一种检测目标位置污染度的方法，包括：获取目标图像，所述目标图像包括所述目标位置的信息编码图像以及所述目标位置的污染图像；基于所述目标图像，训练所述目标模型，所述目标模型至少用于基于所述信息编码图像和所述污染图
像识别所述目标位置、所述目标位置的污染类型以及污染度分值；输出所述目标位置、所述目标位置的污染类型以及所述污染度分值。
12.在一些实施例中，所述污染图像为目标试纸被目标化学物质污染的图像，其中，所述目标试纸在所述目标位置。
13.在一些实施例中，所述目标信息编码图像至少包括条码图像和二维码图像中的一种。
14.在一些实施例中，所述目标信息编码图像至少描述了目标位置数据、目标位置的污染类型、目标试纸的试纸类型、试纸尺寸以及所述目标位置名称中的部分内容。
15.在一些实施例中，所述目标模型为基于颜色直方图和线性回归训练的模型，其中，所述目标模型能够基于所述颜色直方图，统计所述目标位置的污染图像中的不同颜色的数量特征，所述目标模型能够基于所述线性回归方法，对所述目标位置的污染图像和所述目标位置的污染度分值之间的关系进行建模。
16.第三方面，本技术提供一种检测目标位置污染度的系统，包括：滑轨；记录设备，包括同所述滑轨滑动连接的移动设备和安装在所述移动设备上的图像捕捉设备；以及污染分析系统，同所述记录设备通信连接，并且包括：至少一个存储介质，所述至少一个存储介质存储有至少一个指令集用于检测目标位置的污染度；以及至少一个处理器，同所述至少一个存储介质通信连接，其中所述污染分析系统运行时，所述至少一个处理器读取所述至少一个指令集并执行第一方面或第二方面所述的检测目标位置污染度的方法。
附图说明
17.本技术将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本技术一些实施例所示的检测目标位置污染度的系统的结构示意图；图2a是根据本技术一些实施例所示的另一种检测目标位置污染度的系统的结构示意图；图2b是根据本技术一些实施例所示的另一种检测目标位置污染度的系统的结构示意图；以及图3是根据本技术一些实施例所述的检测目标位置污染度的方法的流程图。
具体实施方式
18.为了更清楚地说明本技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
19.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
20.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一
种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
21.本技术中使用了流程图用来说明根据本技术的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
22.下面结合实施例和附图对本发明技术方案进行详细说明。
23.随着工业技术的发展，如何准确的检测厂房内的管道是否发生泄露，是工业生产目前面临的一个严重问题。具体的工业环境通常是，在一个封闭厂房内排布有很多管道，这些不同的管道内可能储存有不同的气体或液体，因此需要检测多个位置的管道是否发生泄漏。在这样的环境下，传统的管道泄露视频检测方案需要在厂房内架设多个摄像头，并配置多个拍摄位置，同时还需要配置多套不同的图像识别算法，才能够分别检测不同的管道内液体或气体是否泄漏。但这样对于每一个需要检测的管道，都需要设置不同的检测方案，导致检测方案不通用。
24.此外，当由于管道内储存的液体或气体与管道颜色相近，或者管道内气体或液体本身颜色较浅，甚至接近透明等等原因，造成管道内储存的液体或气体泄露的视觉特征不明显时，传统的检测方案难以通过视频监控和图像识别算法准确检测，这就造成了传统检测方案的检测率不高的问题。
25.针对上述问题，本技术提供一种检测目标位置污染度的方法和系统，通过在管道关键部位（如连接处）粘贴遇气体和液体发生变色的检测试纸，增强泄露物的视觉特征，使检测目标位置污染度的系统可以准确检测到管道泄漏；通过在厂房顶部架设滑轨和云台，使摄像头可以往返移动拍摄厂房不同管道部位，解决多条管道和多个位置泄露检测的问题；通过在检测试纸上设计并增加二维码，使摄像头在移动过程中可以准确定位检测位置，提升检测的准确率。
26.图1为本技术实施例所述的检测目标位置污染度的系统100的结构示意图。下面结合附图对本技术实施例所述的检测目标位置污染度的系统100进行详细描述。
27.本技术的实施例提供一种检测目标位置污染度的系统100，参考图1所示，包括：滑轨120，用于摄像头在其上滑动，以使得所述摄像头可以拍摄到受监测处的图像，其中，受监测处可以如受监测点集合110所示；摄像单元130，用于获取所述受监测处的图像；服务器140，用于对所述摄像单元130获取到的受监测处的图像进行分析和计算，判断所述受监测处是否发生管道泄漏；业务系统150，用于接收所述服务器发送的管道泄漏结果，并基于所述管道泄漏结果，判断是否进行报警。
28.应理解，本技术所述的“受监测处”是指需要检测是否存在管道泄漏的管道位置，也就是需要检测的目标位置；而“受监测处的图像”是指在所述目标位置拍摄到的图像，也就是目标图像；“摄像单元”是指拍摄所述目标图像的设备，可以是摄像头等设备，在本技术中也可以叫做图像捕捉设备。
29.现有的检测管道泄漏的方法在检测不同的管道内液体或气体是否泄漏时，检测方案不通用；并且不能准确检测视觉特征不明显的管道泄漏，检测准确率不高。而本技术提供
的检测目标位置污染度的系统中，能够通过在厂房顶部架设滑轨和云台，使摄像头可以往返移动拍摄厂房不同管道部位，解决多条管道和多个位置泄露检测的问题，提供通用的检测方案；通过在管道关键部位（如连接处）粘贴遇气体和液体发生变色的检测试纸，增强泄露物的视觉特征，使所述系统100可以准确检测到管道泄漏，并且通过在检测试纸上设计并增加二维码，使摄像头在移动过程中可以准确定位检测位置，提升检测的准确率。
30.参考图1所示，所述滑轨120为所述系统100用于滑动所述摄像单元130。在本技术的一些实施例中，所述滑轨120用于所述摄像单元130在其上滑动，以使得所述摄像头可以拍摄到受监测处的图像，其中，受监测处可以如受监测点集合110所示。具体地，所述受监测点集合110可以包括多个可能的管道泄漏处，也就是多个受监测点（受监测处），如受监测点1101、受监测点1102、受监测点1103、受监测点1104以及受监测点1105等。比如，参考图2a所示，当需要拍摄所述受监测点1101的图像时，所述摄像单元130可通过在滑轨120上面滑动，滑动到所述图2a所示位置，所述摄像单元130即可拍摄到所述受监测点1101的图像。再比如，参考图2b所示，当需要拍摄所述受监测点1102的图像时，所述摄像单元130可通过在滑轨120上面滑动，滑动到所述图2b所示位置，所述摄像单元130即可拍摄到所述受监测点1102的图像。类似地，只要控制所述摄像单元130在所述滑轨120上滑动，即可使得所述摄像单元130能够拍摄到不同的受监测点，如受监测点1103、1104、1105等的图像。
31.在本技术的一些实施例中，对于每一个受监测点，可以根据可能的管道泄漏物类型，选择相应的检测试纸。比如，对于泄漏物是酸性的，可以选择专门检测酸性液体的ph试纸；对于泄漏物是碱性的，可以选择专门检测碱性液体的ph试纸等等。总之，选择所述检测试纸的依据是，所述检测试纸在遇到泄漏物时会发生变色。选择特定试纸来检测特定气/液体时，可以使得当所述受监测处的管道发生泄漏时，所述特定试纸会发生明显的颜色变化，因此增强了所述受监测处发生管道泄漏后的视觉特征。
32.此外，在本技术的一些实施例中，也可以针对每个受监测点，设计唯一的可机器识别定位标志。比如，所述定位标志可以是识别统一资源定位器（uniform resource locator，url）。其中，所述url携带所述受监测点的位置数据、点位名称、泄漏物类型、试纸类型、试纸尺寸、试纸粘贴位置等特征信息。所述定位标志可以是非视觉的识别标志，比如磁感应传感器等；也可以是视觉识别标志。比如在使用时，可以预先将所述url转换为二维码图像或条码图像，作为目标信息编码图像，粘贴在所述检测试纸之上，或者所述检测试纸附近。这样在所述服务器140接收到所述摄像单元130发送的受监测点的图像时，可以通过所述二维码图像得到所述受监测点的点位名称、泄漏物类型、试纸类型、试纸尺寸、试纸粘贴位置等特征信息，从而使得所述服务器140基于所述特征信息和所述检测试纸被污染的图像，输出所述受监测处的污染度分值。
33.继续参考图1所示，当所述系统100需要获取某一受监测点的信息时，控制所述摄像单元130在所述滑轨120上滑动，使得所述摄像单元130能够通过移动和变焦，清晰拍摄到所述受监测点的图像。其中，所述摄像单元130拍摄到的所述受监测点的图像中，包括所述受监测点的特征信息（也就是目标信息编码图像）和所述受监测点的试纸被污染的图像。不难理解，所述受监测点被污染的图像为试纸被化学物质（即，管道泄漏物）污染的图像。
34.在本技术的一些实施例中，所述受监测点也可以不放置检测试纸。这样，所述摄像单元130拍摄到的将是发生管道泄漏后，泄漏物附着在管道上的图像，并且将之作为所述受
监测点被污染的图像。同样地，所述受监测点的特征信息可以包括所述受监测点的具体信息，比如但是不限于，所述受监测处位置数据、位置名称、对所述试纸造成污染的泄漏物类型、所述试纸类型、所述试纸尺寸和所述试纸粘贴位置信息中的一个或者多个。当所述系统100通过所述受监测点的试纸被污染的图像，检测到某受监测点发生管道泄漏时，通过所述受监测点的特征信息，可以获知所述发生泄漏的受监测点的位置、泄漏物类型等等信息，方便人工或者机器对所述发生泄漏的受监测点，定制以及执行泄漏处理方案。具体地，所述摄像单元如何获取所述受监测点的图像可以参考上段所述。
35.在本技术的一些实施例中，所述系统100还包括由同滑轨120滑动连接的移动设备和安装在所述移动设备上的摄像单元130组成的记录设备。由于所述同滑轨120滑动连接的移动设备通常都与摄像单元130连接在一起，所述移动设备发生移动，也就意味着摄像单元130发生移动，也就是说，所述摄像单元130与所述移动设备是一个整体。在本技术中，为了便于理解，使用摄像单元130的动作来等同表示所述记录设备的动作。
36.在本技术的一些实施例中，可以通过设置摄像单元130的预置位，使得在需要获取某一受监测点的图像时，所述摄像单元130能够通过滑轨，滑动到该受监测点对应的预置位，从而可以清晰拍摄到所述受监测点的图像。
37.继续参考图1所示，当所述系统100获取到所述受监测点的图像之后，将所述受监测点的图像输入所述服务器140。在本技术的一些实施例中，所述服务器140通过试纸污染度识别模型，对所述受监测点的图像中所述试纸被污染的图像进行分析计算，即可输出所述试纸的污染度分值，从而帮助业务系统150判断所述受监测点是否发生管道泄漏；通过所述受监测点的图像中的特征信息确定所述受监测处的位置信息、所述受监测处的泄漏物类型等信息。
38.应理解，本技术所述的“污染度识别模型”是指基于所述目标图像，输出所述目标位置、所述目标位置的污染类型以及污染度分值的模型，在本技术中，也可以被叫作目标模型。
39.还应理解，所述试纸污染度识别模型是一个训练好的网络模型，通过向所述试纸污染度识别模型输入一个受监测点的图像（包括所述受监测处的特征信息和污染图像），所述试纸污染度识别模型即可基于所述受监测处的图像，输出所述受监测处位置、所述受监测处的污染类型以及污染度分值。在训练所述试纸污染度识别模型时，向其输入多张受监测处的图像（包括多张试纸被污染的图像和多个受监测处的特征信息），以及与所述多张试纸被污染的图像对应的多个试纸污染度分值。其中，所述试纸污染度分值可以表示所述试纸被污染的程度，比如，可以用数值1和10来分别表示，试纸被轻度污染和试纸被严重污染，而对于处于1和10中间的数字来说，当数字越小，则表示试纸被污染的程度越小；反之，当数字越大，则表示试纸被污染的越严重。具体地，可以表示为，所述试纸被污染的图像1对应的污染度是3，所述试纸被污染的图像2对应的污染度是2，所述试纸被污染的图像3对应的污染度是5
……
，将上述信息输入所述试纸污染度识别模型后，即可对所述试纸污染度识别模型进行有监督训练，训练好的模型即可用于，根据某个受监测处的图像，输出所述受监测处位置、所述受监测处的污染类型以及污染度分值，从而帮助所述业务系统150判断所述受监测处是否发生泄漏。
40.在本技术的一些实施例中，所述污染度识别模型可以是基于颜色直方图和线性回
归方法训练的模型。其中，所述污染度识别模型能够基于颜色直方图，统计所述目标位置的污染图像中的不同颜色的数量特征。比如，在未发生管道泄漏时，所述污染图像中的颜色直方图是固定不变的；但在发生管道泄漏时，所述污染图像中会出现泄漏物造成的所述受监测处的颜色变化，此时所述污染图像的颜色直方图也就会相应改变。因此所述业务系统150可以通过颜色直方图的变化，检测出所述受监测处是否发生管道泄漏。所述污染度识别模型能够基于线性回归，对所述目标位置的污染图像和所述目标位置的污染度分值之间的关系进行建模，比如，通过线性回归方法，将所述颜色直方图的变化和所述受监测处的污染度，这两个变量之间的关系进行建模，建立一个污染度识别模型，使得所述污染度识别模型能够基于所述污染图像，输出所述受监测处的污染度。在本技术中，所述污染度识别模型也可以基于人工智能的方法建立，如基于机器学习、知识表示、自动推理等方法或其子方法，建立所述污染度识别模型。
41.在本技术的一些实施例中，可以将高清打印的二维码标记和训练试纸粘贴在受监测点，其中，训练试纸是人工准备的被泄漏物不同程度污染的一组试纸。然后用相机在每个预置位拍摄一组图像，作为该预置位的训练图像，其中，所述摄像单元130在所述预置位可以通过变焦清晰的拍摄到所述受监测点的图像。而在服务器140端，会为每个受监测点训练一个识别模型。比如，在训练过程中，可以基于任意一种二维码识别算法，识别训练图像中的二维码，提取试纸位置；截取试纸位置图像，作为算法训练样本；并基于任意一种图像识别算法（如基于颜色直方图的方法或线性回归的方法等），训练一个试纸污染度识别模型，该试纸污染度识别模型可以基于所述摄像单元130在所述预置位拍摄的图像，输出污染度分值。
42.在本技术的一些实施例中，为每个受监测点都训练一个污染度识别模型。这些模型被部署在服务器140上，提供和污染度识别服务，该污染度识别服务的输入是摄像单元130拍摄的受监测点图像。在摄像单元130拍摄到受监测点图像，输入所述服务器140后，该污染度识别服务根据就所述受监测点图像，获取该受监测点名称，再根据该受监测点名称，调取与之相应的污染度识别模型，最后，利用该污染度识别模型，输出所述受监测点的污染度分值。
43.继续参考图1所示，当所述系统100得到所述受监测点的污染度分值后，将所述受监测点的污染度分值输入所述业务系统150。在本技术的一些实施例中，业务系统150还接收所述服务器140发送的所述受监测点的特征信息。业务系统150在接收到所述受监测点的污染度分值和特征信息后，根据预设的报警阈值规则，决定是否报警。比如，当所述污染度分值超过所述报警阈值，则进行报警，提示人工现场检查，其中，所述业务系统进行的报警可以是在软件系统页面中提示报警标记，也可以联动声音报警系统等；当所述污染度分值低于所述报警阈值时，则对所述受监测处继续监测，一旦检测到所述受监测处的污染度高于所述报警阈值，立刻进行报警。
44.应理解，在管道泄漏会造成破坏、伤亡等严重危害的情况下，为了避免管道泄漏严重时所产生的经济损失，应该尽早发现管道泄漏，所以可以对所述受监测处进行实时监控，控制摄像头随时移动，使得所述系统100能够实时地获取所述受监测处的图像，并进行实时检测，获知所述受监测处的污染度。同时，可以设置该受监测处的报警阈值较低，因此，可以在该受监测处发生轻微管道泄漏时，及时通知工作人员，对该管道进行修复或类似工作，从
而避免造成严重后果。
45.在本技术的一些实施例中，所述系统100还可以将服务器140和业务系统150合起来，作为污染分析系统。所述污染分析系统同所述记录设备通信连接，并且包括至少一个存储介质，所述至少一个存储介质存储有至少一个指令集用于检测目标位置的污染度；所述污染分析系统还包括至少一个处理器，同所述至少一个存储介质通信连接。所述污染分析系统运行时，所述至少一个处理器读取所述至少一个指令集并执行本技术所述的检测目标位置污染度的方法。
46.图3是根据本技术一些实施例所述的检测目标位置污染度的方法的流程图。在一些实施例中，所述流程可以通过所述系统100来实现。具体的实现过程，下面结合图3对本技术实施例所述的检测目标位置污染度的方法进行详细说明。
47.本技术的实施例提供一种检测目标位置污染度的方法，参考图3所示，包括：步骤s310，获取目标图像，所述目标图像包括所述目标位置的信息编码图像以及所述目标位置的污染图像。
48.在本技术的一些实施例中，系统100中的滑轨120用于所述摄像单元130在其上滑动，以使得所述摄像头可以拍摄到受监测处的图像。具体地，所述受监测点集合110可以包括多个可能的管道泄漏处，也就是多个受监测点（受监测处），如受监测点1101、受监测点1102、受监测点1103、受监测点1104以及受监测点1105等。比如，参考图2a所示，当需要拍摄所述受监测点1101的图像时，所述摄像单元130可通过在滑轨120上面滑动，滑动到所述图2a所示位置，所述摄像单元130即可拍摄到所述受监测点1101的图像。再比如，参考图2b所示，当需要拍摄所述受监测点1102的图像时，所述摄像单元130可通过在滑轨120上面滑动，滑动到所述图2b所示位置，此时所述摄像单元130即可拍摄到所述受监测点1102的图像。类似地，只要控制所述摄像单元130在所述滑轨120上滑动，即可使得所述摄像单元130能够拍摄到不同的受监测点，如受监测点1103、1104、1105等的图像。
49.在本技术的一些实施例中，对于每一个受监测点，可以根据可能的管道泄漏物类型，选择相应的检测试纸。比如，对于泄漏物是酸性的，可以选择专门检测酸性液体的ph试纸；对于泄漏物是碱性的，可以选择专门检测碱性液体的ph试纸等等。总之，选择所述检测试纸的依据是，所述检测试纸在遇到泄漏物时会发生变色。选择特定试纸来检测特定气/液体时，可以使得当所述受监测处的管道发生泄漏时，所述特定试纸会发生明显的颜色变化，因此增强了所述受监测处发生管道泄漏后的视觉特征。
50.此外，在本技术的一些实施例中，也可以针对每个受监测点，设计唯一识别统一资源定位器（uniform resource locator，url）。其中，所述url携带所述受监测点的位置数据、点位名称、泄漏物类型、试纸类型、试纸尺寸、试纸粘贴位置等特征信息。在使用时，可以预先将所述url转换为二维码图像或条码图像，作为目标信息编码图像，粘贴在所述检测试纸之上，或者所述检测试纸附近。这样在所述服务器140接收到所述摄像单元130发送的受监测点的图像时，可以通过所述二维码图像得到所述受监测点的点位名称、泄漏物类型、试纸类型、试纸尺寸、试纸粘贴位置等特征信息，从而使得所述服务器140基于所述特征信息和所述检测试纸被污染的图像，输出所述受监测处的污染度分值。
51.当所述系统100需要获取某一受监测点的信息时，控制所述摄像单元130在所述滑轨120上滑动，使得所述摄像单元130能够通过移动和变焦，清晰拍摄到所述受监测点的图
像。其中，所述摄像单元130拍摄到的所述受监测点的图像中，包括所述受监测点的特征信息（也就是目标信息编码图像）和所述受监测点的试纸被污染的图像。不难理解，所述受监测点被污染的图像为试纸被化学物质（即，管道泄漏物）污染的图像。
52.在本技术的一些实施例中，也可以在所述受监测点不放置检测试纸，将发生管道泄漏后，泄漏物附着在管道上的图像，作为所述受监测点被污染的图像。同样地，所述受监测点的特征信息包括所述受监测处位置数据、位置名称、对所述试纸造成污染的泄漏物类型、所述试纸类型、所述试纸尺寸和所述试纸粘贴位置信息中的至少一个。当所述系统100通过所述受监测点的试纸被污染的图像，检测到某受监测点发生管道泄漏时，通过所述受监测点的特征信息，可以获知所述发生泄漏的受监测点的位置、泄漏物类型等等信息，方便人工或者机器对所述发生泄漏的受监测点，定制以及执行泄漏处理方案。具体地，所述摄像单元如何获取所述受监测点的图像可以参考上段所述。
53.在本技术的一些实施例中，可以通过设置摄像单元130的预置位，使得在需要获取某一受监测点的图像时，所述摄像单元130能够通过滑轨，滑动到该受监测点对应的预置位，从而可以清晰拍摄到所述受监测点的图像。
54.步骤s320，通过训练好的目标模型识别所述目标图像，至少获得所述目标位置、所述目标位置的污染类型以及污染度分值。
55.当所述系统100获取到所述受监测点的图像之后，将所述受监测点的图像输入所述服务器140。在本技术的一些实施例中，所述服务器140通过试纸污染度识别模型，对所述受监测点的图像中所述试纸被污染的图像进行分析计算，即可输出所述试纸的污染度分值，从而帮助业务系统150判断所述受监测点是否发生管道泄漏；通过所述受监测点的图像中的特征信息确定所述受监测处的位置信息、所述受监测处的泄漏物类型等信息。
56.应理解，所述试纸污染度识别模型是一个训练好的网络模型，通过向所述试纸污染度识别模型输入一个受监测点的图像（包括所述受监测处的特征信息和污染图像），所述试纸污染度识别模型即可基于所述受监测处的图像，输出所述受监测处位置、所述受监测处的污染类型以及污染度分值。在训练所述试纸污染度识别模型时，向其输入多张受监测处的图像（包括多张试纸被污染的图像和多个受监测处的特征信息），以及与所述多张试纸被污染的图像对应的多个试纸污染度分值。其中，所述试纸污染度分值可以表示所述试纸被污染的程度，比如，可以用数值1和10来分别表示，试纸被轻度污染和试纸被严重污染，而对于处于1和10中间的数字来说，当数字越小，则表示试纸被污染的程度越小；反之，当数字越大，则表示试纸被污染的越严重。具体地，可以表示为，所述试纸被污染的图像1对应的污染度是3，所述试纸被污染的图像2对应的污染度是2，所述试纸被污染的图像3对应的污染度是5
……
，将上述信息输入所述试纸污染度识别模型后，即可对所述试纸污染度识别模型进行有监督训练，训练好的模型即可用于，根据某个受监测处的图像，输出所述受监测处位置、所述受监测处的污染类型以及污染度分值，从而帮助所述业务系统150判断所述受监测处是否发生泄漏。
57.在本技术的一些实施例中，所述污染度识别模型可以是基于颜色直方图和线性回归方法训练的模型。其中，所述污染度识别模型能够基于颜色直方图，统计所述目标位置的污染图像中的不同颜色的数量特征，比如，在未发生管道泄漏时，所述污染图像中的颜色直方图是固定不变的，但在发生管道泄漏时，所述污染图像中会出现泄漏物造成的所述受监
测处的颜色变化，此时所述污染图像的颜色直方图也就会相应改变，因此可以通过颜色直方图的变化，检测出所述受监测处是否发生管道泄漏；所述污染度识别模型能够基于线性回归，对所述目标位置的污染图像和所述目标位置的污染度分值之间的关系进行建模，比如，通过线性回归方法，将所述颜色直方图的变化和所述受监测处的污染度，这两个变量之间的关系进行建模，建立一个污染度识别模型，使得所述污染度识别模型能够基于所述污染图像，输出所述受监测处的污染度。在本技术中，所述污染度识别模型也可以基于人工智能的方法建立，如基于机器学习、知识表示、自动推理等方法或其子方法，建立所述污染度识别模型。
58.在本技术的一些实施例中，可以将高清打印的二维码标记和训练试纸粘贴在受监测点，其中，训练试纸是人工准备的被泄漏物不同程度污染的一组试纸。然后用相机在每个预置位拍摄一组图像，作为该预置位的训练图像，其中，所述摄像单元130在所述预置位可以通过变焦清晰的拍摄到所述受监测点的图像。而在服务器140端，会为每个受监测点训练一个识别模型。比如，在训练过程中，可以基于任意一种二维码识别算法，识别训练图像中的二维码，提取试纸位置；截取试纸位置图像，作为算法训练样本；并基于任意一种图像识别算法（如基于颜色直方图的方法或线性回归的方法等），训练一个试纸污染度识别模型，该试纸污染度识别模型可以基于所述摄像单元130在所述预置位拍摄的图像，输出污染度分值。
59.在本技术的一些实施例中，为每个受监测点都训练一个污染度识别模型。这些模型被部署在服务器140上，提供和污染度识别服务，该污染度识别服务的输入是摄像单元130拍摄的受监测点图像。在摄像单元130拍摄到受监测点图像，输入所述服务器140后，该污染度识别服务根据就所述受监测点图像，获取该受监测点名称，再根据该受监测点名称，调取与之相应的污染度识别模型，最后，利用该污染度识别模型，输出所述受监测点的污染度分值。
60.步骤s330，根据所述污染度分值，决定是否报警。
61.当所述系统100得到所述受监测点的污染度分值后，将所述受监测点的污染度分值输入所述业务系统150。在本技术的一些实施例中，业务系统150还接收所述服务器140发送的所述受监测点的特征信息。业务系统150在接收到所述受监测点的污染度分值和特征信息后，根据预设的报警阈值规则，决定是否报警。比如，当所述污染度分值超过所述报警阈值，则进行报警，提示人工现场检查，其中，所述业务系统进行的报警可以是在软件系统页面中提示报警标记，也可以联动声音报警系统等；当所述污染度分值低于所述报警阈值时，则对所述受监测处继续监测，一旦检测到所述受监测处的污染度高于所述报警阈值，立刻进行报警。
62.应理解，在管道泄漏会造成破坏、伤亡等严重危害的情况下，为了避免管道泄漏严重时所产生的经济损失，应该尽早发现管道泄漏，所以可以对所述受监测处进行实时监控，控制摄像头随时移动，使得所述系统100能够实时地获取所述受监测处的图像，并进行实时检测，获知所述受监测处的污染度。同时，可以设置该受监测处的报警阈值较低，因此，可以在该受监测处发生轻微管道泄漏时，及时通知工作人员，对该管道进行修复或类似工作，从而避免造成严重后果。
63.综上所述，在阅读本技术内容之后，本领域技术人员可以明白，前述申请内容可以
仅以示例的方式呈现，并且可以不是限制性的。尽管这里没有明确说明，本领域技术人员可以理解本技术意图囊括对实施例的各种合理改变，改进和修改。这些改变，改进和修改都在本技术的示例性实施例的精神和范围内。
64.应当理解，本实施例使用的术语“和/或”包括相关联的列出项目中的一个或多个的任意或全部组合。应当理解，当一个元件被称作“连接”或“耦接”至另一个元件时，其可以直接地连接或耦接至另一个元件，或者也可以存在中间元件。
65.还应当理解，术语“包含”、“包含着”、“包括”或者“包括着”，在本技术文件中使用时，指明存在所记载的特征、整体、步骤、操作、元件和/或组件，但并不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组。