基于YOLOV5的热红外气体泄漏检测方法、检测装置和检测系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114298989A(43)申请公布日2022.04.08(21)申请号202111555077.1(22)申请日2021.12.17(71)申请人洛阳热感科技有限公司地址471023河南省洛阳市自由贸易试验区洛阳片区涧西区蓬莱路2号洛阳国家大学科技园25幢4层(72)发明人锁言鹏冯涛郑逢勋(74)专利代理机构北京康信知识产权代理有限责任公司11240代理人张岳峰(51)Int.Cl.G06T7/00(2017.01)G06T7/70(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书9页附图3页(54)发明名称基于YOLOV5的热红外气体泄漏检测方法、检测装置和检测系统(57)摘要本申请提供了一种基于YOLOV5的热红外气体泄漏检测方法、检测装置和检测系统，该方法包括：获取目标对象的红外图像，目标对象为任意可能发生气体泄漏的场景；将红外图像输入图像检测模型，得到标记红外图像，标记红外图像为标记泄漏气体位置的红外图像，图像检测模型为使用训练数据集通过机器学习训练出来的，训练数据集中的每组训练数据均包括：历史红外图像和标记泄漏气体位置的历史红外图像；根据标记红外图像确定目标对象是否发生气体泄漏。该方法解决了现有技术中气体泄漏检测的准确度低的问题，另外，上述方法可以从目标对象的监控视频逐帧获取目标对象的红外图像，实现对目标对象气体泄漏的实时检测，确保及时发现气体泄漏，提高安全性。CN114298989ACN114298989A权利要求书1/2页1.一种基于YOLOV5的热红外气体泄漏检测方法，其特征在于，包括：获取目标对象的红外图像，所述目标对象为任意可能发生气体泄漏的场景；将所述红外图像输入图像检测模型，得到标记红外图像，所述标记红外图像为标记泄漏气体位置的所述红外图像，所述图像检测模型为使用训练数据集通过机器学习训练出来的，所述训练数据集中的每组训练数据均包括：历史红外图像和标记泄漏气体位置的所述历史红外图像；根据所述标记红外图像确定所述目标对象是否发生气体泄漏。2.根据权利要求1所述的方法，其特征在于，所述图像检测模型的训练过程包括：获取历史目标对象的监控视频，得到第一监控视频，所述第一监控视频为红外热成像装置采集的；对所述第一监控视频进行抽帧，得到历史红外图像数据集，所述历史红外图像数据集包括多个历史红外图像；对所述历史红外图像数据集进行处理，得到所述训练数据集；采用所述训练数据集对YOLOv5模型进行训练，得到所述图像检测模型。3.根据权利要求2所述的方法，其特征在于，对所述历史红外图像数据集进行处理，得到所述训练数据集，包括：对所述历史红外图像进行双边滤波增强处理，得到增强图像；对增强图像进行阈值分割得到二值化图像；利用形态学滤波剔除所述二值化图像的非气体元素，得到泄漏气体的红外图像；采用连通域提取算法标记所述泄漏气体的红外图像中的气体位置，得到标记泄漏气体位置的所述历史红外图像，所述训练数据集由所述历史红外图像和对应的标记泄漏气体位置的所述历史红外图像组成。4.根据权利要求2所述的方法，其特征在于，所述历史目标对象有多个，所述训练数据集有多个，所述训练数据集与所述目标对象一一对应。5.根据权利要求2所述的方法，其特征在于，在将所述红外图像输入图像检测模型，得到标记红外图像之前，所述方法还包括：在所述目标对象不同于所述历史目标对象的情况下，获取所述目标对象的监控视频，得到第二监控视频；对所述第二监控视频进行处理，得到更新训练数据集；采用所述更新训练数据集对所述图像检测模型进行训练，以更新所述图像检测模型的权重。6.根据权利要求1所述的方法，其特征在于，根据所述标记红外图像确定所述目标对象是否发生气体泄漏，包括：在所述标记红外图像存在泄漏气体位置的标记的情况下，确定所述目标对象发生气体泄漏；在所述标记红外图像不存在泄漏气体位置的标记的情况下，确定所述目标对象没有发生气体泄漏。7.一种基于YOLOV5的热红外气体泄漏检测装置，其特征在于，包括：获取单元，用于获取目标对象的红外图像，所述目标对象为任意可能发生气体泄漏的2CN114298989A权利要求书2/2页场景；处理单元，用于将所述红外图像输入图像检测模型，得到标记红外图像，所述标记红外图像为标记泄漏气体位置后的所述红外图像，所述图像检测模型为使用训练数据集通过机器学习训练出来的，所述训练数据集中的每组训练数据均包括：历史红外图像和标记泄漏气体位置的所述历史红外图像；确定单元，用于根据所述标记红外图像确定所述目标对象是否发生气体泄漏。8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至