基于物联网的激光甲烷遥测云平台的设计与实现
发布时间：2021-08-29 08:38
天然气管道作为国家能源传输的主要传输介质,是国家重要的基础设施。长距离传输天然气管道口径较大、压力较高,泄露后将造成重大安全隐患。现有的传统甲烷泄漏检测系统存在方案实施周期较长、人工巡检劳动强度大等缺陷。因此,设计并实现一套高精准的智能化甲烷泄露监测系统迫在眉睫。本文针对长距离传输天然气管道,设计并实现了基于智能巡航算法的物联网激光甲烷遥测云平台。本文对现有空间信息建模中传统特征区域选取部分进行改进,使用全卷积神经网络图像语义分割模型,提高了特征区域的选取精度。同时,针对自旋状态下的单目视觉定位场景,首次将传统定位技术中记录三维空间信息的三维直角坐标系替换为三维极坐标系,有效的提高了单目视觉定位算法效率。本系统使用云计算的软件即服务（Software as a Service,SaaS）模式的云平台,将智能巡航算法等功能作为服务发布出去,为物联网终端提供稳定可靠的算法支持。在此基础上,本文设计并实现了以智能巡航算法为核心的基于物联网的激光甲烷遥测云平台。本文对整个云平台进行了功能测试和性能测试,其中算法性能测试结果表明智能巡航算法相比常规巡航方法将发现泄漏平均时间缩短了 48.77%,...
【文章来源】：北华航天工业学院河北省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图３．１?ＦＣＮ网络模型结构图??
／标识真实值，＿／表示预测值，；＾＿??表示将／预测为力??１?ｋ?Ｄｉｉ??ＭＩｏＵ?＝?Ｙ?－ｒ?７－??＼＊?ＭＥＲＧＥＦＯＲＭＡＴ?（３．１）??灸＋?１卜０?▽?▽??ＺｕＰｉｊ＾Ｐｉｊ￣ＰＵ??ｊ＝〇?ｊ＝〇??实验结果并没有该网络在ＶＯＣ２０１２数据集上表现的好，该网络在ＶＯＣ２０１２数据集??上表现，如表３．１所示。所以这也从侧面证明了网络模型的优化是针对数据集的。所以需??要对ＦＣＮ网络做出改进，让其在长输天然气管道数据集拥有良好的表现。??在图３．１中可以明显的看出，在ＦＣＮ网络下采样的过程中，每通过一层卷积层，图??片的浅层信息就会损失一些，每通过一层池化层，图片的浅层信息就会损失更多。最后在??预测阶段之前的特征图中，由于特征图尺寸太小了，浅层的信息己经非常少了，即使在预??测过程中使用双线性上采样方法并融合浅层特征也不能弥补之前下采样时产生的损失。这??时可以在下采样到一定尺寸时，使用空洞卷积％可以保证看到更大的感受野信息，从而??保留更多的浅层信息，同时也降低了参数量和计算量。此外在预测阶段仍旧可以使用双线??性上采样和跳层结构，更好的融合浅层信息，使语义分割结果更加精细。空洞卷积示意图，??如图３．２所示，从图（ａ）到图（ｃ）空洞卷积逐渐扩大。??ＩＩＩ?ＭＭ?ＩＩＩ?ＩＭｆｆｌ?１１１１１１１１１１１１１１?Ｉｆｆｌ?｜?腦圓－肝??丨匪圍＾議匪丨园吾??＝＝＿＿鮮三二：４??虐二腫―巧＊｜｜：＝??（ａ）标准卷积?（ｂ）空洞卷积?（ｃ）空洞卷积??图３．２空洞卷积示意图??空洞卷积的改变主要是在卷积核层面，将原本紧密的卷积核变得分散以获得更多的特??１５??
片数据集重新对网络进行了训??练和测试，测试结果与改进之前测试结果对比，如表３．１所示。??表３．１网络测试结果得分对比表??ＶＯＣ２０１２?Ｏｕｒ?ＤａｔａＢａｓｅ??ＦＣＮ?６２．２?５１．６??Ｏｕｒｓ?－?７３．８??测试结果表明改进后的网络在长输天然气管道图片数据集上有着更好的表现。这也意??味着对长输天然气管道特征区域的选取将更加精确，对特征点的选取也更具有说服力。??通过对ＦＣＮ网络的改进优化了识别效果。目前改进后的网络模型识别长输天然气管??道效果图，如图３．３所示。识别边缘与实际边缘相比已经十分接近，对长输天然气管道的??语义分割结果表现良好，为特征点选取打下坚实基矗??ｍ?ｍｓｍｍ??图３．３长输天然气管道识别效果图??３．２．２单目视觉定位技术??单目视觉定位技术主要用来测量图像中的物体和摄像机的相对位置，可以应用在摄像??机位姿感知、视觉物体测距、视觉物体跟踪等领域。??通过第一章对卷积神经网络图像语义分割研究现状的分析得知，目前大部分单目视觉??定位技术的研宄方向都偏向于水平垂直移动的单目视觉系统定位技术，该研究方向体现在??二维图像上只涉及图像的平移和旋转。将该研宄方向的技术用在本文智能巡航算法研宄方??向的半固定式单目视觉系统，即自旋转单目视觉系统上空间建模精度并不是很高，而且计??算量庞大，所以需要针对自旋转单目视觉系统做出相应改进。??对比自旋转状态和传统的水平垂直移动状态，不难发现，自旋转状态下很多参数都是??和角度相关的，那么不妨设想一下，如果将记录三维空间位置的量都变成角度，那么计算??量大的问题将迎刃而解。所以改进方向就找到了，那就是使用三维极坐标系替换三维直角
【参考文献】：
期刊论文
[1]全卷积神经网络研究综述[J]. 章琳,袁非牛,张文睿,曾夏玲. 计算机工程与应用. 2020(01)
[2]基于单目视觉原理的空间位置测量技术研究[J]. 王锴磊,吴跃,沙春哲,刘莎,王春喜,王占涛. 宇航计测技术. 2019(04)
[3]单目视觉定位实现机器人跟踪的实验系统和控制方法[J]. 程前,聂卓赟,方浩澄,邵辉. 华侨大学学报(自然科学版). 2019(04)
[4]户外变电站复杂环境下的移动操作机器人单目视觉定位[J]. 桑浩楠,王石刚,梁庆华. 机械设计与研究. 2019(03)
[5]基于云平台的智慧图书馆系统的设计与实现[J]. 王茜,张黎. 图书馆. 2019(02)
[6]物联网多层设备信息通信数据分类识别仿真[J]. 魏葆春,甘发旺. 计算机仿真. 2019(01)
[7]无人机载管道巡检系统在输气管道的应用[J]. 王庆国,王兴宇. 煤气与热力. 2018(12)
[8]基于ZigBee和云平台的葡萄霜霉病防控系统的设计与应用[J]. 杨宁,来智勇,苏鹏飞,刘斌. 现代电子技术. 2018(24)
[9]物联网架构研究综述[J]. 李冬月,杨刚,千博. 计算机科学. 2018(S2)
[10]基于多特征融合的云平台异常检测方法[J]. 张晶,任永功. 模式识别与人工智能. 2018(11)
硕士论文
[1]基于物联网的居家环境监测系统设计[D]. 岳锐.中北大学 2017
[2]基于ZigBee的社区安全保障系统设计[D]. 张景顺.曲阜师范大学 2013
本文编号：3370302
【文章来源】：北华航天工业学院河北省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图３．１?ＦＣＮ网络模型结构图??
／标识真实值，＿／表示预测值，；＾＿??表示将／预测为力??１?ｋ?Ｄｉｉ??ＭＩｏＵ?＝?Ｙ?－ｒ?７－??＼＊?ＭＥＲＧＥＦＯＲＭＡＴ?（３．１）??灸＋?１卜０?▽?▽??ＺｕＰｉｊ＾Ｐｉｊ￣ＰＵ??ｊ＝〇?ｊ＝〇??实验结果并没有该网络在ＶＯＣ２０１２数据集上表现的好，该网络在ＶＯＣ２０１２数据集??上表现，如表３．１所示。所以这也从侧面证明了网络模型的优化是针对数据集的。所以需??要对ＦＣＮ网络做出改进，让其在长输天然气管道数据集拥有良好的表现。??在图３．１中可以明显的看出，在ＦＣＮ网络下采样的过程中，每通过一层卷积层，图??片的浅层信息就会损失一些，每通过一层池化层，图片的浅层信息就会损失更多。最后在??预测阶段之前的特征图中，由于特征图尺寸太小了，浅层的信息己经非常少了，即使在预??测过程中使用双线性上采样方法并融合浅层特征也不能弥补之前下采样时产生的损失。这??时可以在下采样到一定尺寸时，使用空洞卷积％可以保证看到更大的感受野信息，从而??保留更多的浅层信息，同时也降低了参数量和计算量。此外在预测阶段仍旧可以使用双线??性上采样和跳层结构，更好的融合浅层信息，使语义分割结果更加精细。空洞卷积示意图，??如图３．２所示，从图（ａ）到图（ｃ）空洞卷积逐渐扩大。??ＩＩＩ?ＭＭ?ＩＩＩ?ＩＭｆｆｌ?１１１１１１１１１１１１１１?Ｉｆｆｌ?｜?腦圓－肝??丨匪圍＾議匪丨园吾??＝＝＿＿鮮三二：４??虐二腫―巧＊｜｜：＝??（ａ）标准卷积?（ｂ）空洞卷积?（ｃ）空洞卷积??图３．２空洞卷积示意图??空洞卷积的改变主要是在卷积核层面，将原本紧密的卷积核变得分散以获得更多的特??１５??
片数据集重新对网络进行了训??练和测试，测试结果与改进之前测试结果对比，如表３．１所示。??表３．１网络测试结果得分对比表??ＶＯＣ２０１２?Ｏｕｒ?ＤａｔａＢａｓｅ??ＦＣＮ?６２．２?５１．６??Ｏｕｒｓ?－?７３．８??测试结果表明改进后的网络在长输天然气管道图片数据集上有着更好的表现。这也意??味着对长输天然气管道特征区域的选取将更加精确，对特征点的选取也更具有说服力。??通过对ＦＣＮ网络的改进优化了识别效果。目前改进后的网络模型识别长输天然气管??道效果图，如图３．３所示。识别边缘与实际边缘相比已经十分接近，对长输天然气管道的??语义分割结果表现良好，为特征点选取打下坚实基矗??ｍ?ｍｓｍｍ??图３．３长输天然气管道识别效果图??３．２．２单目视觉定位技术??单目视觉定位技术主要用来测量图像中的物体和摄像机的相对位置，可以应用在摄像??机位姿感知、视觉物体测距、视觉物体跟踪等领域。??通过第一章对卷积神经网络图像语义分割研究现状的分析得知，目前大部分单目视觉??定位技术的研宄方向都偏向于水平垂直移动的单目视觉系统定位技术，该研究方向体现在??二维图像上只涉及图像的平移和旋转。将该研宄方向的技术用在本文智能巡航算法研宄方??向的半固定式单目视觉系统，即自旋转单目视觉系统上空间建模精度并不是很高，而且计??算量庞大，所以需要针对自旋转单目视觉系统做出相应改进。??对比自旋转状态和传统的水平垂直移动状态，不难发现，自旋转状态下很多参数都是??和角度相关的，那么不妨设想一下，如果将记录三维空间位置的量都变成角度，那么计算??量大的问题将迎刃而解。所以改进方向就找到了，那就是使用三维极坐标系替换三维直角
【参考文献】：
期刊论文
[1]全卷积神经网络研究综述[J]. 章琳,袁非牛,张文睿,曾夏玲. 计算机工程与应用. 2020(01)
[2]基于单目视觉原理的空间位置测量技术研究[J]. 王锴磊,吴跃,沙春哲,刘莎,王春喜,王占涛. 宇航计测技术. 2019(04)
[3]单目视觉定位实现机器人跟踪的实验系统和控制方法[J]. 程前,聂卓赟,方浩澄,邵辉. 华侨大学学报(自然科学版). 2019(04)
[4]户外变电站复杂环境下的移动操作机器人单目视觉定位[J]. 桑浩楠,王石刚,梁庆华. 机械设计与研究. 2019(03)
[5]基于云平台的智慧图书馆系统的设计与实现[J]. 王茜,张黎. 图书馆. 2019(02)
[6]物联网多层设备信息通信数据分类识别仿真[J]. 魏葆春,甘发旺. 计算机仿真. 2019(01)
[7]无人机载管道巡检系统在输气管道的应用[J]. 王庆国,王兴宇. 煤气与热力. 2018(12)
[8]基于ZigBee和云平台的葡萄霜霉病防控系统的设计与应用[J]. 杨宁,来智勇,苏鹏飞,刘斌. 现代电子技术. 2018(24)
[9]物联网架构研究综述[J]. 李冬月,杨刚,千博. 计算机科学. 2018(S2)
[10]基于多特征融合的云平台异常检测方法[J]. 张晶,任永功. 模式识别与人工智能. 2018(11)
硕士论文
[1]基于物联网的居家环境监测系统设计[D]. 岳锐.中北大学 2017
[2]基于ZigBee的社区安全保障系统设计[D]. 张景顺.曲阜师范大学 2013
本文编号：3370302
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3370302.html
