螺杆压缩机故障检测方法、装置、设备、介质和程序产品与流程

1.本技术涉及计算机技术领域，具体涉及一种螺杆压缩机故障检测方法、装置、设备、介质和程序产品。
背景技术
2.螺杆压缩机的结构简单、易损器件少，能够在较大的压力差或压力比的状况下工作，且其排气温度低，对制冷剂中含有的大量的润滑油不敏感，故具有良好的输气调节特性，能够被广泛的应用在冷冻、冷藏、空调和化工工艺等制冷装置上。由于其在工业生产等领域应用较为广泛，也因此得到了快速的发展。
3.随着螺杆压缩机技术的飞速发展，对其运行状态进行检测也越来越重要，目前对螺杆压缩机的运行状态进行检测通常是人为对其进行检测，如此检测结果不准确，且浪费人力，检测效率低下。


技术实现要素：

4.本技术实施例的目的是提供一种螺杆压缩机故障检测方法、装置、设备、介质和程序产品，以实现精确、高效、低成本的对螺杆压缩机的状态进行检测的效果。
5.本技术的技术方案如下：
6.第一方面，提供了一种螺杆压缩机故障检测方法，该方法包括：
7.获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像；
8.基于所述至少一帧红外温场图像，得到所述螺杆压缩机工作状态下的温度信息；
9.将所述温度信息与温度阈值信息进行比对，得到第一比对结果；其中，所述温度阈值信息为所述螺杆压缩机的温度阈值；所述温度阈值信息基于所述螺杆压缩机的生产信息确定；
10.基于所述第一比对结果，确定所述螺杆压缩机的故障状态。
11.第二方面，提供了一种螺杆压缩机故障检测装置，该装置包括：
12.第一获取模块，用于获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像；
13.第一确定模块，用于基于所述至少一帧红外温场图像，得到所述螺杆压缩机工作状态下的温度信息；
14.第二确定模块，用于将所述温度信息与温度阈值信息进行比对，得到第一比对结果；其中，所述温度阈值信息为所述螺杆压缩机的温度阈值；所述温度阈值信息基于所述螺杆压缩机的生产信息确定；
15.第三确定模块，用于基于所述第一比对结果，确定所述螺杆压缩机的故障状态。
16.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现本技术实施例任一所述的螺杆压缩机故障检测方法的步骤。
17.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现本技术实施例任一所述的螺杆压缩机故障检测方法的步骤。
18.第五方面，本技术实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本技术实施例任一所述的螺杆压缩机故障检测方法的步骤。
19.本技术的实施例提供的技术方案至少带来以下有益效果：
20.本技术实施例提供的螺杆压缩机故障检测方法，基于红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像，可得到螺杆压缩机工作状态下的温度信息，然后将温度信息与温度阈值信息进行比对，得到第一比对结果，基于第一比对结果，确定螺杆压缩机的故障状态，如此本技术实施例的方法，通过红外成像技术来确定螺杆压缩机的故障状态，无需人工进行检测，节省了人力成本，同时也提升了螺杆压缩机的故障状态检测效率和精确性。
21.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
22.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理，并不构成对本技术的不当限定。
23.图1是本技术实施例涉及的一种螺杆压缩机故障检测系统的结构示意图；
24.图2是本技术第一方面实施例提供的一种螺杆压缩机故障检测方法的流程示意图之一；
25.图3是本技术第一方面实施例涉及的单点采样预警流程示意图；
26.图4是本技术第一方面实施例涉及的两点采样预警流程示意图；
27.图5是本技术第一方面实施例提供的一种螺杆压缩机故障检测方法的流程示意图之二；
28.图6是本技术第一方面实施例涉及的行人后处理过程的流程示意图；
29.图7是本技术第二方面实施例提供的一种螺杆压缩机故障检测装置的结构示意图；
30.图8是本技术第三方面实施例提供的一种电子设备的结构示意图。
具体实施方式
31.为了使本领域普通人员更好地理解本技术的技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
32.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的例子。
33.在介绍本技术的技术方案之前，首先介绍一下本技术的技术方案的

背景技术：

34.螺杆式压缩机的汽缸内装有一对互相啮合的螺旋形阴阳转子，两转子都有几个凹形齿，两者互相反向旋转。转子之间和机壳与转子之间的间隙仅为5～10丝，主转子(又称阳转子或凸转子)，通过由发动机或电动机驱动(多数为电动机驱动)，另一转子(又称阴转子或凹转子)是由主转子通过喷油形成的油膜进行驱动，或由主转子端和凹转子端的同步齿轮驱动。所以理论上驱动中没有金属接触。
35.转子的长度和直径决定压缩机排气量(流量)和排气压力，转子越长，压力越高；转子直径越大，流量越大。
36.螺旋转子凹槽经过吸气口时充满气体，当转子旋转时，转子凹槽被机壳壁封闭，形成压缩腔室，当转子凹槽封闭后，润滑油被喷入压缩腔室，起密封、冷却和润滑作用。当转子旋转压缩润滑剂+气体(简称油气混合物)时，压缩腔室容积减小，向排气口压缩油气混合物。当压缩腔室经过排气口时，油气混合物从压缩机排出，完成一个吸气-压缩-排气过程。
37.螺杆机的每个转子由减摩轴承所支承，轴承由靠近转轴端部的端盖固定。进气端由滚柱轴承支承，排气端由一以对靠的贺锥滚柱支承通常是排气端的轴承使转子定位，也就是止推轴承，抵抗轴向推力，承受径向载荷，并提供必须的轴向运行最小间隙。
38.工作循环可分为吸气、压缩和排气三个过程。随着转子旋转，每对相互啮合的齿相继完成相同的工作循环。
39.现有的在对螺杆压缩机的故障状态进行检测时，存在人力成本高、检测效率低和检测不够精确的问题，为了解决上述问题，本技术实施例提供了一种螺杆压缩机故障检测方法、装置、设备、介质和程序产品，基于红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像，可得到螺杆压缩机工作状态下的温度信息，然后将温度信息与温度阈值信息进行比对，得到第一比对结果，基于第一比对结果，确定螺杆压缩机的故障状态，如此本技术实施例的方法，通过红外成像技术来确定螺杆压缩机的故障状态，无需人工进行检测，节省了人力成本，同时也提升了螺杆压缩机的故障状态检测效率和精确性。
40.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的螺杆压缩机故障检测方法进行详细地说明。
41.图1是本技术实施例所提供的实现一种螺杆压缩机故障检测方法的螺杆压缩机故障检测系统100，该系统包括螺杆压缩机101、红外成像仪106、网络录像机107、通信介质102和服务器108。
42.在本技术的一些实施例中，螺杆压缩机故障检测系统100的工作流程可以是：根据待检测物(例如可以是螺杆压缩机)的具体尺寸，再结合下述红外成像仪选型建议，选择合适的红外热成像仪106，并进一步根据螺杆压缩机的尺寸和红外成像仪的参数，计算出螺杆压缩机到红外热成像仪的安装位置、水平范围r(如图1中的104)，以及竖直高度h(如图1中的105)。红外热成像仪将采集到的红外温场信息(具体的可以是红外温场视频，因为红外成像仪会一直持续监测螺杆压缩机)，通过通信介质102传到网络摄像机107，网络摄像机107
对红外温场信息进行存储，同时可以通过通信介质102发送至服务器108，利用服务器108对红外温场信息进行分析，报警，同时利用服务器108的显示器实现视频的编辑、回看、下载等功能。
43.需要说明的是，通信介质102可以为在本领域中已知的或者未来开发的任何类型的一个或多个网络，诸如简单的通讯电缆、英特网主干网、以太网、无线保真(wireless fidelity，wifi)、全球微波互联接入(worldwide interoperability for microwave access，wimax)、无线通讯、电力线宽带、同轴电缆等。
44.需要说明的是，图1中的距离r和高度h在实际布置的时候，由于现场红外成像仪106所依附的墙壁或高处横梁的限制，安装距离h和高度r尽量在计算结果允许范围内做最优化选择。
45.在本技术的一些实施例中，本技术实施例提供的螺杆压缩机故障检测系统100可以适用于油气田螺杆压缩机机组，还可以适用于油气田其他动设备，例如各种离心式机泵、往复式压缩机等，还可以适用于其他工业用动设备。
46.在本技术的一些实施例中，红外成像仪的不同性能和功能如像素、测温范围、镜头等可配合不同的现场使用需要，下面是对部分典型应用的选型建议：
47.a、针对电气设备
48.高温量程一般到200℃即可。
49.考虑到有部分设备可能在室外工作，低温量程一般要求到达-20℃。
50.对于一般的电气设备或部件，红外成像仪的像素在160
×
120，并选用标准镜头。
51.对于远距离、小目标测量(如输电线路的线夹等)，建议选用320
×
240像素或640
×
480像素及更高像素，并选配长焦镜头。
52.对于近距离、大目标测量(如1米内在1幅热图中显示整个配电柜的温度分布)，建议选配广角镜头。
53.对于温差较小的目标(如交流高压电气设备等)，建议选用热灵敏度较高的红外成像仪。
54.若现场需要有长时间连续检测要求，请选用外接电源。
55.b、针对机械、机电设备
56.根据实际温度选择高温至250℃、350℃、600℃的红外成像仪。
57.考虑到有部分设备可能在室外工作，低温量程一般要求到达-20℃。
58.对于一般的机械、机电设备，红外成像仪的像素在160
×
120，并选用标准镜头。
59.对于部分远距离、小目标测量(如高空管道检测等)，建议选配长焦镜头。
60.对于部分近距离、大目标测量(如距离显示加热炉的整体温度分布)，建议选配广角镜头。
61.对于部分需要密封的设备(如测量密闭加热炉内部温度)进行检测，建议加装红外窗口组件。
62.c、针对研发、品质管理设备
63.根据实际温度选择高温至250℃、350℃、600℃、1200℃、2000℃的红外成像仪。
64.对于一般的目标(如芯片、电路板、各种器件等)，建议选择红外成像仪的像素为320
×
240或640
×
480像素及更高像素，并选用标准镜头。
65.对于部分远距离测量，建议选配长焦镜头。
66.对于小目标测量(如1mm
×
1mm以内的微小芯片温度分布)，建议选配微距镜头。
67.对于部分在密封外壳内的目标(如检测加热器内部的器件温度)，建议加装红外窗口组件。
68.对于有现场需要进行连续测量，建议选用有外接电源或视频输出功能的红外成像仪，部分现场可以选用有连续拍摄功能的热像仪。
69.在本技术的一些实施例中，在待检测物(例如螺杆压缩机)处安装红外成像仪时，对红外成像仪的安装位置具有如下参考参数：
70.参数一：红外成像仪的检测距离＝被测目标尺寸
÷
ifov，所以空间分辨率(ifov)越小，可以测得越远。
71.例如：输电线路的线夹尺寸一般为50mm，若使用fluketi25热像仪，其ifov为2.5mrad，则最远检测距离为50
÷
2.5＝20m。
72.参数二：最小检测目标尺寸＝ifov
×
最小聚焦距离，所以ifov越小，最小聚焦距离越小，则可检测到越小的目标。
73.在本技术的一些实施例中，待监测物可以是某一油气田采气厂螺杆压缩机，其选择的成像仪可以是fluketi25热像仪；空间分辨率(ifov)：2.6mrad；像素：320
×
240；最小聚焦距离：0.5m；最小检测尺寸：1；空间分辨率(ifov)：2.5mrad；像素：160
×
120；最小聚焦距离：0.15m.3mm；最小检测尺寸：0.38mm。
74.在本技术的一些实施例中，在对红外成像仪进行安装时，需注意以下问题：
75.安装前应对所装设备(即红外成像仪)通电检查，即对红外成像仪逐一加电检查，并进行粗调，在红外成像仪工作正常时才可以进行安装，检查摄像机(红外成像仪)与支架、云台的安装孔径和位置，注意在搬动和架设摄像机过程中不应打开摄像机镜头盖。智能红外成像仪应安装在监视目标(螺杆压缩机)附近不易受外界损伤、无障碍遮挡的地方，安装位置不影响现场设备工作和人员的正常活动。摄像机镜头应从光源方向对准监视目标，应避免逆光安装，否则易造成图像模糊、或产生光晕；必须进行逆光安装时，应将监视区域的对比度压缩至最低限度。
76.不要将红外成像仪安装在空调机的出风口附近、或充满烟雾和灰尘的地方，否则红外成像仪易因温度的变化而使镜头凝结水气，污染镜头。不要使红外成像仪长时间对准暴露在光源下的地方，如射灯等点光源。红外成像仪安装时露在护罩外的线缆要用软管包裹，不得用电缆插头去承受电缆自重。设备安装应牢靠、稳固。电源、视频线、控制线均应固定，且留有余地，以不影响红外成像仪的转动为宜。线缆应做明显的永久性标记，以便于维护和管理。
77.本技术实施例提供的螺杆压缩机故障检测系，安装有红外成像仪，基于红外成像仪实时监测螺杆压缩机关键部位的红外热像信号，掌握监测设备温度场分布情况及关键部位的温度变化；利用服务器对采集的温度数据进行数据分析，自动生成电子报表，自动预警，达到故障分析监测螺杆压缩机目的。该系统吸收了红外监测自动识别、自动预警的优点，并在原有振动监测的基础上考虑螺杆压缩机表面及关键部位的温度。可在工厂尚能控制的范围内及早检测和诊断出潜在的故障并进行合理、及时的维修，避免安全事故的发生。
78.下面介绍本技术实施例提供的一种螺杆压缩机故障检测方法，图2是本技术实施
例所提供的一种螺杆压缩机故障检测方法的流程示意图，该螺杆压缩机故障检测方法的执行主体可以为上述图1中的服务器108。
79.如图2所示，本技术实施例提供的螺杆压缩机故障检测方法可以包括步骤210-步骤240。
80.步骤210、获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像。
81.其中，红外温场图像可以是用于表征螺杆压缩机工作过程中的温度情况的图像。该图像可以是基于红外成像仪采集的螺杆压缩机工作过程中的视频截取的。
82.步骤220、基于至少一帧红外温场图像，得到螺杆压缩机工作状态下的温度信息。
83.在本技术的一些实施例中，可以是基于温度检测算法对至少一帧红外温场图像进行检测，由此得到螺杆压缩机工作状态下的温度信息。
84.需要说明的是，上述利用温度检测算法得到螺杆压缩机工作状态下的温度信息仅为本技术的一种示例，本领域技术人员应该知道，还有其他方式可基于至少一帧红外温场图像，得到螺杆压缩机工作状态下的温度信息，任何可基于至少一帧红外温场图像，得到螺杆压缩机工作状态下的温度信息的方式均属于本技术的保护之列。
85.步骤230、将温度信息与温度阈值信息进行比对，得到第一比对结果。
86.其中，温度阈值信息可以为螺杆压缩机的温度阈值，具体的可以是螺杆压缩机的最大温度和最小温度。
87.第一比对结果可以是将温度信息与温度阈值信息进行比对后所得到的结果。
88.在本技术的一些实施例中，该温度阈值信息可以基于螺杆压缩机的生产信息确定，即该温度阈值信息可以是基于螺杆压缩机生产时的说明书确定。
89.步骤240、基于第一比对结果，确定螺杆压缩机的故障状态。
90.在本技术的一些实施例中，可将温度信息与温度阈值信息进行比对，得到第一比对结果，根据该比对结果，可确定螺杆压缩机是否故障。
91.在本技术的一些实施例中，在确定螺杆压缩机存在故障的情况下，可生成报警信息，以提示工作人员螺杆压缩机故障，提升用户体验。
92.在本技术的一些实施例中，在确定螺杆压缩机存在故障的情况下，还可以生成目标发热位点对应的零部件处的温度报表，以供工作人员进行查看，提升用户体验。
93.通过本技术的实施例，充分分析螺杆压缩机运行时的温度变化和温度梯度特征，通过结合螺杆压缩机的红外特异性与图像智能分析，实现螺杆式压缩机运行状态实时监测，故障预警，负载监控。
94.本发明公开了一种螺杆压缩机红外图像自动故障识别方法，首先选择需要检测的螺杆压缩机，获取设备的温度图像；然后通过处理温度图像获取设备的发热点以及发热点温度和正常相温度；最后再结合环境参考温度计算相对温度来判断该设备的运行状况和故障信息。本发明采用基于红外图像处理技术来监测螺杆式压缩机运行状况和故障信息，利用红外温度图像处理技术，寻找温度发热异常点，计算异常点的发热温度、正常温度以及环境温度以及相对温度，通过相对温差判断法，自动判断该螺杆压缩机设备的运行状况和故障信息，实现了在线快速检测螺杆式压缩机的运行状况。
95.在本技术的一些实施例中，每帧红外温场图像中均可具有螺杆压缩机的至少一个
发热位点；每个发热位点可以对应于螺杆压缩机的一个零部件(例如可以但不限于是压缩机进出口、轴承、密封装置、联轴器、电机等)；温度阈值信息可以包括第一温度阈值信息和第二温度阈值信息。
96.其中，第一温度阈值信息可以是螺杆压缩机所允许的最小温度。
97.第二温度阈值信息可以是螺杆压缩机所允许的最大温度。
98.在本技术的一些实施例中，发热位点通常指螺杆压缩机关键温场指示位点，例如可以是压缩机进出口、轴承、密封装置、联轴器、电机等处的位点。
99.在本技术的一些实施例中，为了精确确定螺杆压缩机的故障状态，上述确定螺杆压缩机是否存在故障可以包括如下两种方式：
100.(1)预设点位阈值算法
101.预设点位阈值算法即为选取预设的发热位点，利用选取的预设发热位点处的温度信息来确定螺杆压缩机是否故障。
102.针对预设点位阈值算法，可以具体如下两种计算方式：
103.a、位点计算
104.步骤220具体可以包括：
105.基于至少一帧红外温场图像，得到每个发热位点对应的零部件工作状态下的温度信息；
106.步骤230具体可以包括：
107.将目标发热位点对应的温度信息与温度阈值信息进行比对，得到第一比对结果；
108.步骤240具体可以包括：
109.在确定目标发热位点对应的零部件的温度信息小于或等于第一温度阈值信息，和/或，目标发热位点对应的零部件的温度信息大于或等于第二温度阈值信息的情况下，确定螺杆压缩机故障。
110.其中，目标发热位点可以为至少一个发热位点中的至少一个发热位点。
111.在本技术的一些实施例中，可以基于至少一帧红外温场图像，得到每个发热位点对应的零部件工作状态下的温度信息，然后将目标发热位点对应的温度信息与温度阈值信息进行比对，在确定目标发热位点对应的零部件的温度信息小于或等于第一温度阈值信息，和/或，目标发热位点对应的零部件的温度信息大于或等于第二温度阈值信息的情况下，确定螺杆压缩机故障。
112.在一个示例中，参考图3，若第一温度阈值信息为a，第二温度阈值信息为b，获取发热位点a处的温度信息i，在确定i小于或等于a，和/或，i大于或等于b的情况下，则确定螺杆压缩机故障，发出预警，然后生成该发热位点对应的零部件处的温度报表。
113.在本技术的实施例中，基于至少一帧红外温场图像，得到每个发热位点对应的零部件工作状态下的温度信息，将目标发热位点对应的温度信息与温度阈值信息进行比对，得到第一比对结果，在确定目标发热位点对应的零部件的温度信息小于或等于第一温度阈值信息，和/或，目标发热位点对应的零部件的温度信息大于或等于第二温度阈值信息的情况下，确定螺杆压缩机故障，如此可精确确定螺杆压缩机是否故障，提升了螺杆压缩机的故障检测的精确性。
114.b、绝对值计算
115.在本技术的一些实施例中，目标发热位点可以包括第一目标发热位点和第二目标发热位点。
116.其中，第一目标发热位点可以是至少一个发热位点中的其中一个，第二目标发热位点可以是至少一个发热位点中除第一目标发热位点外的另一发热位点。
117.步骤230具体可以包括：
118.确定第一目标发热位点对应的温度信息和第二目标发热位点对应的温度信息的差值的绝对值；
119.将绝对值与温度阈值信息进行比对，得到第一比对结果；
120.步骤240具体可以包括：
121.在确定绝对值小于或等于第一温度阈值信息，和/或，绝对值大于或等于第二温度阈值信息的情况下，确定螺杆压缩机故障。
122.在本技术的一些实施例中，在基于至少一帧红外温场图像，得到第一目标发热位点和第二目标发热位点对应的零部件工作状态下的温度信息后，可计算第一目标发热位点对应的温度信息和第二目标发热位点对应的温度信息的差值的绝对值，若该绝对值小于或等于第一温度阈值信息，和/或，绝对值大于或等于第二温度阈值信息的情况下，确定螺杆压缩机故障。
123.在一个示例中，参考图4，若第一温度阈值信息为a，第二温度阈值信息为b，获取发热位点a(第一目标发热位点)处的温度信息i，发热位点b(第二目标发热位点)处的温度信息ii，计算i-ii的绝对值，在该绝对值小于或等于a，和/或，绝对值大于或等于b的情况下，确定螺杆压缩机故障，发出预警，然后生成发热位点a和发热位点b处对应的零部件处的温度报表。
124.在本技术的实施例中，通过确定第一目标发热位点对应的温度信息和第二目标发热位点对应的温度信息的差值的绝对值，将绝对值与温度阈值信息进行比对，得到第一比对结果，在确定绝对值小于或等于第一温度阈值信息，和/或，绝对值大于或等于第二温度阈值信息的情况下，确定螺杆压缩机故障，如此可精确确定螺杆压缩机是否故障，提升了螺杆压缩机的故障检测的精确性。
125.(2)区域大数据算法
126.在实际工程应用中，单一的点位估计是不准确的。此外，随着机器使用寿命的增加，出厂时的阈值(即温度阈值信息)相对于现在可能并不适合，因此盲目相信产品阈值信息(即温度阈值信息)也是不可信的。基于以上两点问题，区域大数据算法进行了改进。区域大数据算法以预设发热位点为中心，一定距离为半径，相比之前的单一预选发热位点或者多个预选发热位点来检测螺杆压缩机的关键器件的状态，这一区域可以很好的代表关键器件。因此使用红外温场图片监测螺杆压缩机状态，使用这一区域的平均温度来衡量这一器件。而针对第二个问题(阈值不可信)，区域大数据算法采取对比的思想，对当前获取的红外温场图像，与数据库中所存有的历史监测结果相比较，具体表现为与之前报警情形进行数据比对，如果两者温度曲线变化相接近并且温度基本一致，那么可以认为需要进行报警，反之则不进行报警。
127.具体的步骤220可以包括：
128.基于至少一帧红外温场图像，确定预设位点的预设范围内的第一平均温度信息；
129.步骤230具体可以包括：
130.将第一平均温度信息与温度阈值信息作差，得到差值；
131.步骤240具体可以包括：
132.在确定差值大于预设阈值的情况下，确定螺杆压缩机故障。
133.其中，预设位点可以为至少一个发热位点中的任意一个发热位点。
134.预设范围可以是预先设置的范围，例如可以是以预设位点为中心，以0.5米为半径范围内。
135.第一平均温度信息可以是预设位点的预设范围内的平均温度信息。
136.在本技术的实施例中，通过基于至少一帧红外温场图像，确定预设位点的预设范围内的第一平均温度信息，将第一平均温度信息与温度阈值信息作差，得到差值，在确定差值大于预设阈值的情况下，确定螺杆压缩机故障，如此可精确确定螺杆压缩机是否故障，提升了螺杆压缩机的故障检测的精确性。
137.在本技术的一些实施例中，在利用红外成像仪来判断螺杆压缩机的温度存在些许问题，例如如果有行人闯入该场景下，并且正好对螺杆压缩机产生遮挡现象，那么此时红外温场图像与未有行人遮挡时的红外温场图像就会存在显著的差异，在这种情形下，无法合理地对螺杆压缩机的工作状态进行推测。值得一提的是，红外成像仪所提供的不只有红外温场图像，同时还有可见光图像。基于此，可利用可见光图像进行行人的检测来对两种不同的情形进行区分。具体的实现方式如下：
138.在本技术的一些实施例中，为了避免行人对检测结果的影响，在步骤210之后，上述所涉及的螺杆压缩机故障检测方法还可以包括：
139.获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧可见光图像；
140.对至少一帧可见光图像进行检测，得至少一帧可见光图像的检测结果；
141.步骤220具体可以包括：
142.基于未有行人的可见光图像所对应的红外温场图像，得到螺杆压缩机工作状态下的温度信息。
143.其中，可见光图像可以是普通的拍摄图像，每帧可见光图像均有对应的一帧红外温场图像，即可见光图像和红外温场图像是一一对应的关系。
144.检测结果可以用于指示至少一帧可见光图像中是否具有行人。
145.在本技术的一些实施例中，参考图5，在获取到可见光图像后，可对可见光图像进行行人检测，若检测到无行人，则基于该可见光图像对应的红外温场图像，执行上述步骤220-步骤240。若检测到有行人，则执行后续的行人后处理以及图像分析比对(具体的在后面实施例再详细介绍)。
146.在本技术的实施例中，通过获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧可见光图像，对至少一帧可见光图像进行检测，得至少一帧可见光图像的检测结果，基于未有行人的可见光图像所对应的红外温场图像，得到螺杆压缩机工作状态下的温度信息，如此可基于与红外温场图像对应的可见光图像进行行人检测，如此可精确确定是否有行人闯入，避免行人闯入，影响螺杆压缩机的故障检测。
147.在本技术的一些实施例中，为了提升螺杆压缩机的故障检测的精确性和高效性，所述对至少一帧可见光图像进行检测，得至少一帧可见光图像的检测结果，具体可以包括：
148.将至少一帧可见光图像输入至预先训练好的行人检测模型中，得到至少一帧可见光图像的第一检测结果；
149.和/或；
150.将至少一帧可见光图像输入至预先训练好的行人分割检测模型中，得到至少一帧可见光图像的第二检测结果；
151.其中，行人检测模型可以是预先训练好的基于深度学习的神经网络模型，该模型可以是用于检测可见光图像中是否具有行人。
152.第一检测结果可以是基于行人检测模型所得到的检测结果。该第一检测结果具体可以包括：用于指示至少一帧可见光图像中是否具有行人的指示信息。具体的可以是用方框将可见光图像中的行人框起来。
153.第二检测结果可以是基于行人分割检测模型所得到的检测结果。该第二检测结果具体可以包括：用于指示可见光图像中是否具有行人的指示信息，以及行人的轮廓信息，具体的可以是将行人的轮廓标识出来。
154.在本技术的一些实施例中，行人分割检测模型可以是基于yolov5算法构建的神经网络模型，yolov5作为单阶段目标检测算法的代表性算法，在保持极快的推理速度的同时，检测精度不逊色于双阶段检测算法。yolov5算法思想是将图片送入骨干网络，经过特征金字塔后得到不同尺度的特征图，之后通过检测头同时进行分类和回归任务。其标签匹配策略都是将图片网格化，由边界框中心所在的单元格负责进行对应真实标注的预测。yolov5通过设计其特有的骨干网络结构，在颈部网络部分使用卷积神经网络fpn和路径聚合网络pan的形式，并且使用强大的马赛克数据增强和mixup数据增强，最终在数据集上得到了较高的精度。基于所制作的数据集，该算法使用yolov5进行充分训练和学习，最终能够检测出该图片中是否含有行人(具体的可以是告知是否有行人的结果，然后利用标记框将行人框起来)。
155.在本技术的一些实施例中，参考图6，如果对检测结果要求不是非常精确(即不需要精确获取行人的位置信息，即不需要获取行人的精细轮廓)，则可采用上述的行人检测模型。若对检测结果要求精细，则可采用行人分割检测模型(具体的可以是利用cascade mask r-cnn算法构建的模型，当然本技术实施例中不限定于cascade mask r-cnn算法，其他任何可得到行人轮廓的方式均属于本技术的保护之列)，基于该模型可得到行人的精确轮廓信息，提升了行人检测的精确性。
156.在本技术的实施例中，通过将至少一帧可见光图像输入至预先训练好的行人检测模型中，得到至少一帧可见光图像的第一检测结果；和/或；将至少一帧可见光图像输入至预先训练好的行人分割检测模型中，得到至少一帧可见光图像的第二检测结果，如此可根据用户需求自行选择对应的检测模型，得到可见光图像的检测结果，提升了用户体验。
157.在本技术的一些实施例中，为了进一步精确对螺杆压缩机的故障进行检测，在所述对至少一帧可见光图像进行检测，得到至少一帧可见光图像的检测结果之后，上述所涉及的螺杆压缩机故障检测方法还可以包括：
158.将具有行人的可见光图像所对应的红外温场图像中的行人剔除，得到目标红外温场图像；
159.基于目标红外温场图像，确定目标区域的第二平均温度信息；
160.将第二平均温度信息与历史平均温度信息进行比对，得到第二比对结果；
161.基于第二比对结果，确定螺杆压缩机的故障状态。
162.其中，目标红外温场图像可以是将红外温场图像中的行人剔除后所得到的红外温场图像。
163.目标区域可以为目标红外温场图像中除行人所在区域外的其他区域。
164.历史平均温度信息可以为存储的螺杆压缩机故障状态下的不含行人的红外温场图像得到的温度信息，以及螺杆压缩机非故障状态下的不含行人的红外温场图像得到的温度信息；即历史平均温度信息可以是历史记录的螺杆压缩机故障状态下和非故障状态下的不含行人的红外温场图像得到的温度信息。第二平均温度信息可以是目标红外温场图像中目标区域的平均温度信息。
165.第二比对结果可以是第二平均温度信息与历史平均温度信息的比对结果。
166.在本技术的实施例中，在确定可见光图像中具有行人时，可将该具有行人的可见光图像对应的红外温场图像中的行人剔除，得到目标红外温场图像(即行人后处理过程)，然后确定目标红外温场图像中目标区域的第二平均温度信息，将第二平均温度信息与历史平均温度信息进行比对，得到第二比对结果(图像分析比对过程)，基于第二比对结果，可精确确定螺杆压缩机的故障状态，如此提升了螺杆压缩机的故障检测的精确性。
167.在本技术的实施例中，利用红外图像识别技术在线监测螺杆压缩机运行时温度，并根据温度变化特征，实现负载监控和故障预警。红外温场图像与可见光图像相结合，实现全面的监测与分析。
168.在本技术的实施例中，从布置红外成像监测的角度来考虑，还可以采用红外监测技术对同厂区多台压缩机进行实时监测。红外监测技术可以直指动设备故障的病灶，温度测量连续全面，结果呈现直观。温度梯度图像智能识别可通过动态温差和常态对比预测设备故障。将为多台压缩机布置红外监测系统，实现可以对比的差异性红外监测。通过多台同厂区设备对比，研发具有通用性的螺杆压缩机红外诊断系统。多台红外摄像头可以共用同一台独立的视频分析服务器在本技术的实施例中，红外监测故障技术在螺杆压缩机上没有运用先例，相对于其他故障在线监测方案，本技术在实施起来更加灵活，对设备无任何干扰。
169.在本技术的实施例中，本技术对于人员的识别更加全面，目前市场上的产品大多是对于人员面部特征信息的识别，本技术在此基础上结合石油化工行业特殊的人员，提取数以万计的人员特征信息，比如佩戴防护服、安全帽、呼吸器等特殊人员特征信息均涵盖在内。更加精确的排出人员干扰。
170.在本技术的实施例中，利用设备温场数据生成设备关键位置温度报表，数据可实时查看，也可以根据设置定义数据存储时间，确保历史数据可追溯，故障起始轨迹可查询。
171.本技术设计了针对行人闯入这一实际工程实践中经常发生的问题设计了全新的算法预警逻辑，行人遮挡螺杆压缩机的关键部位会导致螺杆压缩机的报警逻辑发生变化，因此本技术先利用可见光图像判断该场景下是否存在行人，若存在行人，则提供了两种不同定位行人轮廓的方案，一是利用先前的检测结果(即行人检测模型所得到的检测结果)，不再进行额外的训练和标注，二是追求更加精确的行人轮廓，使用分割算法(即利用行人分割检测模型)来得到最终的结果。在得到修正后的行人红外图像(将行人剔除后的红外温场
图像)之后，则通过图片对比算法来监测螺杆压缩机的工作状态。若不存在行人，则使用预选点位阈值法和区域大数据法来监测螺杆压缩机的工作状态。整体而言，本技术具有很强的实际意义，基本上实现了最开始的目的。
172.需要说明的是，本技术实施例提供的螺杆压缩机故障检测方法，执行主体可以为螺杆压缩机故障检测装置，或者该螺杆压缩机故障检测装置中的用于执行螺杆压缩机故障检测方法的控制模块。
173.基于与上述的螺杆压缩机故障检测方法相同的发明构思，本技术还提供了一种螺杆压缩机故障检测装置。下面结合图7对本技术实施例提供的螺杆压缩机故障检测装置进行详细说明。
174.图7是根据一示例性实施例示出的一种螺杆压缩机故障检测装置的结构示意图。
175.如图7所示，该螺杆压缩机故障检测装置700可以包括：
176.第一获取模块710，用于获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像；
177.第一确定模块720，用于基于所述至少一帧红外温场图像，得到所述螺杆压缩机工作状态下的温度信息；
178.第二确定模块730，用于将所述温度信息与温度阈值信息进行比对，得到第一比对结果；其中，所述温度阈值信息为所述螺杆压缩机的温度阈值；所述温度阈值信息基于所述螺杆压缩机的生产信息确定；
179.第三确定模块740，用于基于所述第一比对结果，确定所述螺杆压缩机的故障状态。
180.在本技术的实施例中，基于第一获取模块获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧红外温场图像，基于第一确定模块根据至少一帧红外温场图像，可得到螺杆压缩机工作状态下的温度信息，然后基于第二确定模块将温度信息与温度阈值信息进行比对，得到第一比对结果，基于第三确定模块根据第一比对结果，确定螺杆压缩机的故障状态，如此本技术实施例的方法，通过红外成像技术来确定螺杆压缩机的故障状态，无需人工进行检测，节省了人力成本，同时也提升了螺杆压缩机的故障状态检测效率和精确性。
181.在本技术的一些实施例中，每个所述红外温场图像中具有所述螺杆压缩机的至少一个发热位点；每个发热位点对应所述螺杆压缩机的一个零部件；温度阈值信息包括第一温度阈值信息和第二温度阈值信息。
182.在本技术的一些实施例中，为了精确确定螺杆压缩机的故障状态，第一确定模块720具体可以用于：基于所述至少一帧红外温场图像，得到每个发热位点对应的零部件工作状态下的温度信息；
183.第二确定模块730具体可以用于：将目标发热位点对应的温度信息与温度阈值信息进行比对，得到第一比对结果；其中，所述目标发热位点为所述至少一个发热位点中的至少一个发热位点；
184.第三确定模块740具体可以用于：在确定所述目标发热位点对应的零部件的温度信息小于或等于第一温度阈值信息，和/或，所述目标发热位点对应的零部件的温度信息大于或等于第二温度阈值信息的情况下，确定所述螺杆压缩机故障。
185.在本技术的一些实施例中，所述目标发热位点包括第一目标发热位点和第二目标
发热位点；为了进一步提升螺杆压缩机的故障检测的精确性，第二确定模块730具体可以用于：确定所述第一目标发热位点对应的温度信息和所述第二目标发热位点对应的温度信息的差值的绝对值；将所述绝对值与温度阈值信息进行比对，得到第一比对结果；
186.第三确定模块740具体可以用于：在确定所述绝对值小于或等于所述第一温度阈值信息，和/或，所述绝对值大于或等于所述第二温度阈值信息的情况下，确定所述螺杆压缩机故障。
187.在本技术的一些实施例中，为了进一步提升螺杆压缩机的故障检测的精确性，第一确定模块720具体可以用于：基于所述至少一帧红外温场图像，确定预设位点的预设范围内的第一平均温度信息；其中，所述预设位点为所述至少一个发热位点中的任意一个发热位点；
188.第二确定模块730具体可以用于：将所述第一平均温度信息与温度阈值信息作差，得到差值；
189.第三确定模块740具体可以用于：在确定所述差值大于预设阈值的情况下，确定所述螺杆压缩机故障。
190.在本技术的一些实施例中，为了避免行人对检测结果的影响，上述所涉及的螺杆压缩机故障检测装置还可以包括：
191.第二获取模块，用于获取红外成像仪采集的螺杆压缩机工作过程中的至少一帧可见光图像；其中，每帧可见光图像均有对应的一帧红外温场图像；
192.第四确定模块，用于对所述至少一帧可见光图像进行检测，得到所述至少一帧可见光图像的检测结果；其中，所述检测结果用于指示所述至少一帧可见光图像中是否具有行人；
193.第一确定模块720具体可以用于：基于未有行人的可见光图像所对应的红外温场图像，得到所述螺杆压缩机工作状态下的温度信息。
194.在本技术的一些实施例中，为了提升螺杆压缩机的故障检测的精确性和高效性，第四确定模块具体可以用于：
195.将所述至少一帧可见光图像输入至预先训练好的行人检测模型中，得到所述至少一帧可见光图像的第一检测结果；其中，所述第一检测结果包括：用于指示所述至少一帧可见光图像中是否具有行人的指示信息；
196.和/或；
197.将所述至少一帧可见光图像输入至预先训练好的行人分割检测模型中，得到所述至少一帧可见光图像的第二检测结果；其中，所述第二检测结果包括：用于指示所述至少一帧可见光图像中是否具有行人的指示信息，以及所述行人的轮廓信息。
198.在本技术的一些实施例中，为了进一步精确对螺杆压缩机的故障进行检测，上述所涉及的螺杆压缩机故障检测装置还可以包括：
199.第五确定模块，用于将具有行人的可见光图像所对应的红外温场图像中的行人剔除，得到目标红外温场图像；
200.第六确定模块，用于基于所述目标红外温场图像，确定目标区域的第二平均温度信息；其中，所述目标区域为所述目标红外温场图像中除所述行人所在区域外的其他区域；
201.第七确定模块，用于将所述第二平均温度信息与历史平均温度信息进行比对，得
到第二比对结果；其中，所述历史平均温度信息为存储的所述螺杆压缩机故障状态下的不含行人的红外温场图像得到的温度信息，以及所述螺杆压缩机非故障状态下的不含行人的红外温场图像得到的温度信息；
202.第八确定模块，用于基于所述第二比对结果，确定所述螺杆压缩机的故障状态。
203.本技术实施例提供的螺杆压缩机故障检测装置，可以用于执行上述各方法实施例提供的螺杆压缩机故障检测方法，其实现原理和技术效果类似，为简介起见，在此不再赘述。
204.基于同一发明构思，本技术实施例还提供了一种电子设备。
205.图8是本技术实施例提供的一种电子设备的结构示意图。如图8所示，电子设备可以包括处理器801以及存储有计算机程序或指令的存储器802。
206.具体地，上述处理器801可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
207.存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器802可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器802可在综合网关容灾设备的内部或外部。在特定实施例中，存储器802是非易失性固态存储器。存储器可包括只读存储器(read only memory image，rom)、随机存取存储器(random-access memory，ram)、磁盘存储介质设备、光存储介质设备、闪存设备、电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行上述实施例提供的螺杆压缩机故障检测方法所描述的操作。
208.处理器801通过读取并执行存储器802中存储的计算机程序指令，以实现上述实施例中的任意一种螺杆压缩机故障检测方法。
209.在一个示例中，电子设备还可包括通信接口803和总线810。其中，如图8所示，处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。
210.通信接口803，主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。
211.总线810包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线810可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
212.该电子设备可以执行本发明实施例中的螺杆压缩机故障检测方法，从而实现图2描述的螺杆压缩机故障检测方法。
213.另外，结合上述实施例中的螺杆压缩机故障检测方法，本发明实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序指令；该程序指令被处理器执行时实现上述实施例中的任意一种螺杆压缩机故障检测方法。
214.另外，结合上述实施例中的螺杆压缩机故障检测方法，本发明实施例可提供一种计算机程序产品来实现。计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行上述实施例中的任意一种螺杆压缩机故障检测方法。
215.需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
216.以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
217.还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
218.上面参考根据本技术的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本技术的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
219.以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。