一种设备检测方法及装置与流程

文档序号:36132353发布日期:2023-11-22 20:31阅读:63来源:国知局
一种设备检测方法及装置与流程

本发明涉及计算机,特别涉及一种设备检测方法及装置。


背景技术:

1、设备跑冒滴漏的检测在流程行业中具有重要性,安全保障:设备跑冒滴漏可能导致液体或气体泄漏,引发事故和安全隐患。通过及时检测和识别设备的跑冒滴漏情况,可以预防事故的发生,保障工作场所的安全。生产质量:跑冒滴漏的设备可能导致产品质量问题,例如液体泄漏到产品中,影响产品的性能或质量。通过检测设备跑冒滴漏,可以及时发现并解决问题,确保产品质量符合标准和要求。资源利用和节约:跑冒滴漏意味着设备正处于不正常状态,导致资源的浪费和能源的消耗增加。通过及时检测和修复设备的跑冒滴漏问题,可以减少资源的浪费,提高能源利用效率,降低生产成本。环境保护:跑冒滴漏可能导致有害物质的泄漏到环境中,对生态系统和环境造成污染和危害。通过设备跑冒滴漏的检测,可以预防环境污染,保护生态环境,实现可持续发展。维护和预防性维修:及时检测设备的跑冒滴漏问题可以帮助维护人员及时发现设备的故障和损坏,进行维修和保养。通过预防性维修,可以减少设备的故障率和停机时间,提高设备的可靠性和生产效率。

2、综上所述,设备跑冒滴漏的检测对于流程行业来说是非常重要的,它直接关系到工作场所的安全、产品质量、资源利用、环境保护以及设备维护等方面。通过有效的跑冒滴漏检测和管理,可以提高生产效率、降低生产成本,并确保可持续发展和企业的长期竞争力。

3、设备跑冒滴漏检测是指通过一系列方法和技术来检测设备在运行过程中是否存在漏液、冒烟或滴水等异常情况,包括计算机视觉、压力检测、热成像检测、声音检测、化学检测等,其中计算机视觉方式成本低、范围广、泛化能力强等特点,在检测设备跑冒滴漏得到广泛应用。

4、利用计算机视觉进行设备跑冒滴漏(equipment leakage and drip detection)是一种常见的应用场景,但在实际应用中可能面临以下一些问题:

5、1、图像质量:计算机视觉算法对于输入图像的质量要求较高。如果图像模糊、光照不足、噪点干扰等,可能会导致算法无法准确地检测设备的跑冒滴漏情况。

6、2、多样性和复杂性:设备的跑冒滴漏形态各异,涉及不同的材料、颜色、形状和纹理。算法需要具备足够的泛化能力,能够适应各种设备和情况,以实现准确的检测。

7、3、实时性:某些应用场景对于设备跑冒滴漏的检测需要实时响应,即时发现问题。在这种情况下,算法需要在较短的时间内对图像进行处理和分析,以及作出准确的判断。

8、4、数据标注:计算机视觉算法通常需要大量标注好的数据进行训练,以学习设备跑冒滴漏的特征。然而,标注数据的获取可能需要大量的人力和时间成本,并且标注的质量对算法性能有很大影响。

9、5、环境因素:设备跑冒滴漏的检测通常需要考虑环境因素,例如背景干扰、遮挡物、光照变化等。这些因素可能会对算法的准确性和鲁棒性造成挑战,需要通过合适的预处理或者改进算法的方式来应对。

10、6、效率和可扩展性:在一些实际应用中,需要同时检测大量的设备,因此算法需要具备高效的计算能力和良好的可扩展性,以满足实际生产环境中的需求。

11、在cv(computer vision,计算机视觉技术)领域通用分割预训练模型表现出了很好的性能,且可以对不熟悉的物体和图像进行零镜头泛化,而无需额外的训练。自meta研究团队发布以来,sam(segment anything model,分割一切模型)以其出色的零样本迁移性能和与其他模型的高度兼容性引起了广泛关注,用于高级视觉应用程序,如具有细粒度控制的图像编辑。此处通用分割预训练模型包括meta公司的segment anything、seggpt(segment everything in context,通用分割模型)等,以及扩展模型如fast-sam(fastsegment anything,图像分割的快速模型)、hq-sam(segment anything in high quality,高质量分割一切模型)、mobilesam(适合移动设备的分割一切模型)等类似通用分割模型。如何利用该类模型的特性并结合图像处理方法实现对工厂中设备及管道跑冒滴漏及类似设备状态的检测是目前亟待解决的问题。


技术实现思路

1、有鉴于此,本发明的目的在于提供一种设备检测方法及装置,能够分割模型并结合图像处理方法对设备进行检测。其具体方案如下:

2、第一方面,本技术公开了一种设备检测方法,包括:

3、基于预设监控设备获取待检测区域的目标采集图像,并基于图像配准算法以及预先创建的参考模板对应的模板特征匹配区域确定所述目标采集图像的目标特征匹配区域,以及所述目标特征匹配区域对应的目标坐标;

4、根据所述目标坐标以及预先确定的相对位置坐标确定所述目标采集图像对应的需要检测设备跑冒滴漏的目标感兴趣区域;所述相对位置坐标为所述参考模板对应的模板感兴趣区域与所述模板特征匹配区域之间的相对位置坐标;

5、基于所述目标感兴趣区域截取所述目标采集图像中的目标图像,并基于预设的分割模型对应的分割参数对所述目标图像进行分割,以得到目标分割图形区域集合;

6、基于所述目标分割图形区域集合与所述参考模板对应的模板分割区域集合检测异常区域,并根据检测结果执行相应的操作。

7、可选的,所述基于预设监控设备获取待检测区域的目标采集图像之前,还包括:

8、根据所述待检测区域对所述预设监控设备进行调整;所述调整包括全方位移动、镜头变倍以及变焦控制其中的一种或几种的组合。

9、可选的,所述基于图像配准算法以及预先创建的参考模板对应的模板特征匹配区域确定所述目标采集图像的目标特征匹配区域之前,还包括:

10、在不同光线以及不同天气状况的条件下,采集不存在跑冒滴漏情况的设备图像;

11、选取所述设备图像中符合预设标志性特征条件的区域作为所述参考模板对应的所述模板特征匹配区域。

12、可选的,所述基于所述目标分割图形区域集合与所述参考模板对应的模板分割区域集合检测异常区域之前,还包括:

13、选取所述参考模板对应的模板感兴趣区域,基于所述模板感兴趣区域截取不存在跑冒滴漏情况的设备图像中的模板图像,并基于所述预设分割模型对所述模板图像进行分割,以获取所述分割参数以及所述模板分割区域集合。

14、可选的,所述基于所述目标分割图形区域集合与所述参考模板对应的模板分割区域集合检测异常区域,包括:

15、确定所述模板分割区域集合中的各第一分割区域单元以及所述目标分割图形区域集合中的各第二分割区域单元;

16、将各所述第一分割区域单元分别与各所述第二分割区域单元进行匹配,从所述第二分割区域单元中确定出与所述第一分割区域单元重合度最大的目标区域;

17、基于所述目标区域、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的大小关系检测异常区域。

18、可选的,所述基于所述目标区域、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的大小关系检测异常区域,包括:

19、确定所述目标区域对应的所述第一分割区域单元以及所述第二分割区域单元之间的并集结果,并确定所述并集结果与所述目标区域之间的差值;

20、确定所述差值与预设区域差异像素阈值之间的第一大小关系;

21、确定所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的第一数量大小关系;

22、基于所述第一数量大小关系、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第一大小关系确定是否存在异常区域。

23、可选的,所述基于所述第一数量大小关系、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第一大小关系确定是否存在异常区域,包括:

24、若所述第一分割区域单元的数量等于所述第二分割区域单元的数量,同时所述第一分割区域单元与所述第二分割区域单元一一对应,且所述差值小于所述预设区域差异像素阈值,则判定不存在所述异常区域;

25、若所述第一分割区域单元的数量不等于所述第二分割区域单元的数量,或所述第一分割区域单元的数量等于所述第二分割区域单元的数量但所述第一分割区域单元不能与所述第二分割区域单元一一对应,则将不能对应的所述第二分割区域单元标记为所述异常区域;

26、若所述第一分割区域单元的数量等于所述第二分割区域单元的数量,所述第一分割区域单元与所述第二分割区域单元一一对应,且所述差值大于所述预设区域差异像素阈值,则判定存在所述异常区域,并将所述目标区域对应的所述第一分割区域单元以及所述第二分割区域单元之间的并集结果与所述目标区域之间的差值表征的区域标记为所述异常区域。

27、可选的,所述基于所述目标区域、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的大小关系检测异常区域,包括:

28、确定所述目标区域对应的所述第一分割区域单元以及所述第二分割区域单元的之间的并集结果;

29、确定所述并集结果或所述目标区域与预设交并比系数阈值之间的第二大小关系;

30、确定所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的第二数量大小关系;

31、基于所述第二数量大小关系、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第二大小关系确定是否存在异常区域。

32、可选的,所述基于所述第二数量大小关系、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第二大小关系确定是否存在异常区域,包括:

33、若所述第一分割区域单元的数量等于所述第二分割区域单元的数量,同时所述第一分割区域单元与所述第二分割区域单元一一对应,且所述并集结果或所述目标区域小于所述预设交并比系数阈值,则判定不存在所述异常区域;

34、若所述第一分割区域单元的数量不等于所述第二分割区域单元的数量,或所述第一分割区域单元的数量等于所述第二分割区域单元的数量但所述第一分割区域单元不能与所述第二分割区域单元一一对应,则将不能对应的所述第二分割区域单元标记为所述异常区域;

35、若所述第一分割区域单元的数量等于所述第二分割区域单元的数量,所述第一分割区域单元与所述第二分割区域单元一一对应,且所述并集结果或所述目标区域大于所述预设交并比系数阈值,则判定存在所述异常区域,并将所述目标区域对应的所述第一分割区域单元以及所述第二分割区域单元之间的并集结果与所述目标区域之间的差值表征的区域标记为所述异常区域。

36、可选的,所述基于所述目标区域、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的大小关系检测异常区域,包括:

37、确定所述目标区域对应的所述第一分割区域单元与所述第二分割区域单元的相加结果;

38、确定所述相加结果或预设倍数的所述目标区域与预设戴斯相似系数阈值之间的第三大小关系;

39、确定所述第一分割区域单元的数量与所述第二分割区域单元的数量之间的第三数量大小关系;

40、基于所述第三数量大小关系、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第三大小关系确定是否存在异常区域。

41、可选的,所述基于所述第三数量大小关系、各所述第一分割区域单元与各所述第二分割区域单元的对应关系以及所述第三大小关系确定是否存在异常区域,包括:

42、若所述第一分割区域单元的数量等于所述第二分割区域单元的数量,同时所述第一分割区域单元与所述第二分割区域单元一一对应,且所述相加结果或预设倍数的所述目标区域小于所述预设戴斯相似系数阈值,则判定不存在所述异常区域;

43、若所述第一分割区域单元的数量不等于所述第二分割区域单元的数量,或所述第一分割区域单元的数量等于所述第二分割区域单元的数量但所述第一分割区域单元不能与所述第二分割区域单元一一对应,则将不能对应的所述第二分割区域单元标记为所述异常区域;

44、若所述第一分割区域单元的数量等于所述第二分割区域单元的数量,所述第一分割区域单元与所述第二分割区域单元一一对应,且所述相加结果或预设倍数的所述目标区域大于所述预设戴斯相似系数阈值,则判定存在所述异常区域,并将所述目标区域对应的所述第一分割区域单元以及所述第二分割区域单元之间的并集结果与所述目标区域之间的差值表征的区域标记为所述异常区域。

45、可选的,所述根据检测结果执行相应的操作,包括:

46、若存在所述异常区域,则在发送相应的报警通知之后进行下一个设备或下一轮的检测;

47、若不存在所述异常区域,则直接进行下一个设备或下一轮的检测。

48、第二方面,本技术公开了一种设备检测装置,包括:

49、区域及坐标确定模块,用于基于预设监控设备获取待检测区域的目标采集图像,并基于图像配准算法以及预先创建的参考模板对应的模板特征匹配区域确定所述目标采集图像的目标特征匹配区域,以及所述目标特征匹配区域对应的目标坐标;

50、感兴趣区域确定模块,用于根据所述目标坐标以及预先确定的相对位置坐标确定所述目标采集图像对应的需要检测设备跑冒滴漏的目标感兴趣区域;所述相对位置坐标为所述参考模板对应的模板感兴趣区域与所述模板特征匹配区域之间的相对位置坐标;

51、集合获取模块,用于基于所述目标感兴趣区域截取所述目标采集图像中的目标图像,并基于预设的分割模型对应的分割参数对所述目标图像进行分割,以得到目标分割图形区域集合;

52、异常区域检测模块,用于基于所述目标分割图形区域集合与所述参考模板对应的模板分割区域集合检测异常区域,并根据检测结果执行相应的操作。

53、第三方面,本技术公开了一种电子设备,包括:

54、存储器,用于保存计算机程序;

55、处理器,用于执行所述计算机程序,以实现前述公开的所述的设备检测方法的步骤。

56、第四方面,本技术公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的所述的设备检测方法的步骤。

57、本技术在进行设备检测时,首先基于预设监控设备获取待检测区域的目标采集图像,并基于图像配准算法以及预先创建的参考模板对应的模板特征匹配区域确定所述目标采集图像的目标特征匹配区域,以及所述目标特征匹配区域对应的目标坐标;之后根据所述目标坐标以及预先确定的相对位置坐标确定所述目标采集图像对应的需要检测设备跑冒滴漏的目标感兴趣区域;所述相对位置坐标为所述参考模板对应的模板感兴趣区域与所述模板特征匹配区域之间的相对位置坐标;然后基于所述目标感兴趣区域截取所述目标采集图像中的目标图像,并基于预设的分割模型对应的分割参数对所述目标图像进行分割,以得到目标分割图形区域集合;最后基于所述目标分割图形区域集合与所述参考模板对应的模板分割区域集合检测异常区域,并根据检测结果执行相应的操作。由此可见,本技术通过对于监控设备及感兴趣区域的调整能够适用于较复杂大规模场景,允许进行拆分简化检测场景,提高识别准确率,使用图像配准算法确定目标特征匹配区域能够补偿摄像机重复误差或微量移动产生的偏差,同时,利用分割模型进行全局分割能够实现适应不同场景,不需要特定负样本进行训练的效果。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1