在大型化工廠中,輸送液體的管道泄漏是一個(gè)重要問(wèn)題。管道破損不僅會(huì)影響工廠的正常運(yùn)行,增加維護(hù)成本,還會(huì)使操作人員的生命安全受到威脅。因此,化工廠管道泄漏的檢測(cè)與定位是維護(hù)和狀態(tài)監(jiān)測(cè)中的關(guān)鍵任務(wù)。
在傳統(tǒng)狀態(tài)監(jiān)測(cè)中,常用的做法是由專業(yè)人員通過(guò)人工方式檢測(cè)管道故障。該方法的效果在很大程度上取決于檢測(cè)人員的專業(yè)能力以及檢測(cè)頻率。這是一項(xiàng)非常耗費(fèi)人力且需較高成本的工作。此外,檢測(cè)人員需要親自在工廠進(jìn)行現(xiàn)場(chǎng)檢查,但在危險(xiǎn)的情況下,要做到這一點(diǎn)幾乎是不可能的。因此,需要遠(yuǎn)程檢測(cè)的幫助,以避免人員直接暴露在工廠現(xiàn)場(chǎng)。
針對(duì)化工廠中的管道泄漏,提出了一種基于紅外視頻數(shù)據(jù)和機(jī)器視覺(jué)技術(shù)的檢測(cè)與定位方法。該方法是以視覺(jué)技術(shù)為基礎(chǔ),無(wú)需考慮泄漏液體的物理性質(zhì),因此其適用于任何類型的液體(水、油等)泄漏檢測(cè)。在該方法中,首先對(duì)后續(xù)幀進(jìn)行減影和分塊處理,然后對(duì)每一分塊進(jìn)行主成分分析,提取特征;接著將分塊內(nèi)所有減影幀都轉(zhuǎn)換為特征向量(作為塊分類的依據(jù)),根據(jù)特征向量,采用zui近鄰算法將塊分為正常(無(wú)泄漏)和異常(泄漏)兩類;然后在各異常塊上確定泄漏的位置。
技術(shù)優(yōu)勢(shì):
機(jī)器視覺(jué)技術(shù)與人工智能(AI)相結(jié)合,可為了解工廠狀況、識(shí)別工廠運(yùn)行狀態(tài)及決策提供架構(gòu)。視覺(jué)檢測(cè)是一種很有前景的方法,可實(shí)現(xiàn)制造系統(tǒng)全自動(dòng)狀態(tài)監(jiān)測(cè)及在線檢測(cè)。自動(dòng)視覺(jué)檢測(cè)的一個(gè)主要優(yōu)點(diǎn)在于,其可快速準(zhǔn)確地檢測(cè)出工廠特定部位的故障,并提高制造環(huán)境中的安全性。
技術(shù)局限性:
在實(shí)際工業(yè)環(huán)境和大型工廠中實(shí)現(xiàn)基于視覺(jué)技術(shù)的檢測(cè)系統(tǒng)仍然面臨挑戰(zhàn)。檢測(cè)微小泄漏液滴的能力非常重要,以避免因微小液滴長(zhǎng)期無(wú)法被檢測(cè)出而造成嚴(yán)重的破壞。由于工廠內(nèi)可能存在多處泄漏且在不同部位存在同時(shí)泄漏的可能性,因此泄漏檢測(cè)機(jī)制應(yīng)能夠檢測(cè)多處同時(shí)泄漏的情況。在檢測(cè)到泄漏后,還應(yīng)考慮泄漏的具體的位置。由于從管道泄漏出的物質(zhì)可能屬于危險(xiǎn)液體,除能夠定位泄漏位置外,檢測(cè)出泄漏的軌跡和路徑也是非常重要的。泄漏軌跡可提供有關(guān)泄漏液滴路徑的附加信息,以監(jiān)測(cè)可能受到泄漏影響的工廠的不同部位。此外,應(yīng)在合理的時(shí)間內(nèi)檢測(cè)出泄漏,以用于實(shí)際應(yīng)用,并盡可能快速地采取措施避免造成嚴(yán)重破壞。zui后,檢驗(yàn)方法應(yīng)與管道內(nèi)液體的物理性質(zhì)和管道本身的材質(zhì)無(wú)關(guān)。
一種解決方案是采用具備視覺(jué)能力的無(wú)人機(jī)平臺(tái)。盡管如此,由于無(wú)人機(jī)具有姿態(tài)變化和快速運(yùn)動(dòng)的特點(diǎn),大多數(shù)機(jī)器視覺(jué)算法在處理其拍攝的圖像時(shí)并不能實(shí)現(xiàn)zui優(yōu)化。此外,在防爆區(qū)內(nèi)無(wú)人機(jī)不屬于安全型設(shè)備,原因是無(wú)人機(jī)起火的風(fēng)險(xiǎn)較高。另一種方法是在大型工廠的不同位置部署多個(gè)固定式相機(jī),針對(duì)不同部位抓取影像。每一個(gè)相機(jī)能夠捕捉到工廠特定部位的圖像,并實(shí)施視覺(jué)檢測(cè)。
該方法在工廠實(shí)際應(yīng)用中的局限性以及有效性。
1、針對(duì)紅外相機(jī)在泄漏檢測(cè)中的應(yīng)用,目前主要的問(wèn)題是其不適合對(duì)戶外工廠設(shè)備的檢測(cè),原因是其可能受到多種因素的影響,諸如氣象條件、太陽(yáng)、風(fēng)力等。關(guān)于管道泄漏在垂直方向受到室外設(shè)備強(qiáng)風(fēng)的影響,或在強(qiáng)烈陽(yáng)光下由不同表面反射引起的其他意外噪聲的影響。因此,該方法更適用于室內(nèi)工廠。
2、在室內(nèi)大型工廠的實(shí)際應(yīng)用中,可在工廠前方設(shè)置多個(gè)固定相機(jī),然后使用的視覺(jué)檢測(cè)方法。每臺(tái)相機(jī)負(fù)責(zé)觀察工廠的特定部分,并針對(duì)所觀察到的工廠特定部分實(shí)施基于視覺(jué)的算法程序。如果廠房過(guò)大,可能需要安裝大量相機(jī)以觀察廠房?jī)?nèi)各個(gè)部位。在實(shí)際應(yīng)用中實(shí)現(xiàn)基于視覺(jué)技術(shù)系統(tǒng)的另一種方法是配備紅外相機(jī)的無(wú)人機(jī),但無(wú)人機(jī)的運(yùn)動(dòng)會(huì)影響檢測(cè)算法的精度,且對(duì)其在高風(fēng)險(xiǎn)地區(qū)能否應(yīng)用仍然存在疑問(wèn)。此外,移動(dòng)泄漏檢測(cè)裝置可作為補(bǔ)充但不能替代原裝置,因此,確定此類裝置的應(yīng)用對(duì)于大規(guī)模部署非常關(guān)鍵。
3、紅外相機(jī)可捕捉到0.05~0.10 ℃范圍內(nèi)的zui小溫差。在所提出的方法中,假設(shè)泄漏液體與周圍環(huán)境的溫差在紅外相機(jī)可捕捉溫差的范圍內(nèi)。因此,如果在工廠中該假設(shè)不成立,則泄漏液體就無(wú)法被紅外相機(jī)檢測(cè)到,所提出的方法也就不再適用。此外,考慮衰退問(wèn)題,泄漏液滴在失溫時(shí)將無(wú)法被觀察到,只能在液體的起始泄漏位置觀察到泄漏。
上述方法的局限性違背了有效性及確定性。實(shí)際工業(yè)應(yīng)用中,如果能夠克服這些局限性,所提出自動(dòng)視覺(jué)檢測(cè)的方法將適用于實(shí)際工廠,這項(xiàng)技術(shù)成熟后將與管道泄漏監(jiān)測(cè)系統(tǒng)-采用分布式光纖傳感技術(shù)(分布式光纖傳感系統(tǒng))進(jìn)行管道泄漏檢測(cè)起到相輔相成的作用,互為補(bǔ)充。
該自動(dòng)視覺(jué)技術(shù)還可以用于智慧工地、智慧園區(qū)、智慧交通、智慧能源、明廚亮灶、智慧水務(wù)、智慧零售、智慧養(yǎng)老等場(chǎng)合。