基于红外图像分析的火焰识别与高温铝液泄露监测研究

发布时间：2020-05-08 23:02

【摘要】：火灾和高温铝液泄漏是社会及工业生产安全事件,一旦发生,可造成人员伤亡和重大经济损失。热成像技术基本原理为辐射成像,探测早期火焰和泄漏铝液等高温物体具备天然的优势,本论文借助FLIR-A3 10红外热像仪开展早期火焰识别与高温铝液泄漏监测研究。基于传统模式识别方法的视频火灾探测算法难以突破识别精度瓶颈,且存在高误报、漏报问题,采用深度卷积神经网络取代传统人工特征提取方法,自动高效提取火焰目标深层抽象显著特征,可实现红外热成像早期火焰精准探测。此外,高温铝液泄漏监测技术还停留于原始人工阶段,设计一种基于红外图像特征融合的高温铝液模拟泄漏监测算法,提升铝液泄漏监测智能化、自动化水平。主要研究内容如下:1.提出一种深度卷积神经网络和SVM相结合的红外热成像早期火焰探测算法。建立红外热成像早期火焰探测标准数据集,采用数据扩增方法增加训练数据集规模,并利用Adam优化算法代替Mini-batch梯度下降算法,训练设计的9层IRCNN卷积网络。提取2048维红外图像抽象显著特征,送入SVM分类器进行早期火焰探测识别,性能表现突出,查准率、查全率和F1分数分别可达到98.82%、98.58%和98.70%。同时,算法能够满足常规红外热成像早期火焰探测需求,每秒钟可处理20张图片。2.构建紧凑型卷积网络LightflameNet,解决视频火灾探测系统深度神经网络模型部署难题。设计多分支的轻量卷积网络单元Flame module,取代传统的标准卷积层,既可以减少权重参数和计算量,又可以扩展单层网络宽度,提升红外图像火焰目标特征提取能力。LightflameNet网络几乎不损失模型精度的同时,仅需要2.5MB存储空间和0.89亿次浮点运算,使用CPU预测单张红外图片耗时6ms,配备GPU则缩短至2ms。3.提出一种基于红外图像特征融合的高温铝液模拟泄漏监测算法。搭建高温铝液泄漏模拟实验平台,利用热水模拟铝液泄漏场景,建立模拟泄漏标准数据集,其中,训练集1200张,测试集600张。利用LSS描述子弥补HOG单一特征不足,分别提取图像梯度边缘和相似形状等几何特征并进行特征融合,送入RBF核函数支持向量机分类识别。LSS步长设置为15,相机距离为3.5m时(对应于实际距离约10.5m),算法性能最优,查准率、查全率和F1分数分别为96.73%、96.50%和96.61%。
【图文】：

图１．２红外热成像火焰识别效果图逡逑国内红外热成像火灾探测技术研宄基础薄弱，目前主要集中于森林火灾探逡逑

基于红外图像分析的火焰识别与高温铝液泄露监测研究

图１．３深度学习Ｇｏｏｇｌｅ热度趋势图逡逑视频火灾探测属于计算机视觉研宄的边缘分支，，随着深度学习在各大领域逡逑
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X932;TP391.41

【相似文献】