?????????????????智安視訊
專(zhuān)業(yè)AI智能分析場(chǎng)景化應(yīng)用方案提供商
（1）通過(guò)人工智能算法及相關(guān)的AI計(jì)算單元等硬件，對(duì)風(fēng)機(jī)機(jī)組機(jī)倉(cāng)漏油現(xiàn)象進(jìn)行實(shí)時(shí)的監(jiān)測(cè)預(yù)警，并記錄時(shí)間，抓拍照片，進(jìn)行事件回放。
（2）機(jī)艙在非預(yù)設(shè)的時(shí)間范圍，有任何人員進(jìn)入機(jī)艙進(jìn)行報(bào)警，并記錄時(shí)間，抓拍照片，進(jìn)行事件回放。
（3）機(jī)艙內(nèi)設(shè)備運(yùn)行出現(xiàn)高溫，高于設(shè)定的溫度范圍進(jìn)行報(bào)警。
（4）機(jī)艙內(nèi)設(shè)備運(yùn)行出現(xiàn)抽煙等行為異常進(jìn)行報(bào)警。
配置相應(yīng)數(shù)量的存儲(chǔ)設(shè)備。
3、智能監(jiān)測(cè)系統(tǒng)設(shè)計(jì)
整個(gè)監(jiān)測(cè)系統(tǒng)可以總體分為數(shù)據(jù)采集模塊、主體監(jiān)測(cè)系統(tǒng)、報(bào)警模塊、異常定位模塊，如下圖所示。通過(guò)數(shù)據(jù)采集模塊獲取視頻圖像數(shù)據(jù)并輸入到主體監(jiān)測(cè)系統(tǒng)，主體監(jiān)測(cè)系統(tǒng)對(duì)獲取的圖像進(jìn)行分析監(jiān)測(cè)，通過(guò)內(nèi)部判定模塊選擇是否給報(bào)警模塊發(fā)送信息，執(zhí)行異常報(bào)警，同時(shí)對(duì)異常圖像內(nèi)部異常區(qū)域進(jìn)行定位。
圖7 監(jiān)測(cè)系統(tǒng)示意圖
圖7中藍(lán)線表示監(jiān)控過(guò)程，紅線表示深度學(xué)習(xí)模型訓(xùn)練過(guò)程，只在初始監(jiān)控階段運(yùn)行。下面介紹各個(gè)模塊功能及運(yùn)行流程。
1.1.1 數(shù)據(jù)采集模塊
數(shù)據(jù)采集模塊由三個(gè)攝像頭組成，每個(gè)攝像頭對(duì)應(yīng)一片監(jiān)控區(qū)域。攝像頭靜止不動(dòng)，在無(wú)異常發(fā)生時(shí)，監(jiān)控區(qū)域基本不發(fā)生變化。
1.1.2 主體監(jiān)測(cè)系統(tǒng)
（1）圖像文件管理模塊
圖像文件管理模塊用去儲(chǔ)存管理從多個(gè)攝像頭獲取的監(jiān)控區(qū)域視頻，將視頻轉(zhuǎn)為圖像幀。
（2）視頻圖像讀取模塊
該模塊用于將不同監(jiān)控區(qū)域下的視頻流圖像按照時(shí)間先后順序分別輸入到下面3個(gè)異常監(jiān)測(cè)模塊中。
（3）機(jī)倉(cāng)漏油監(jiān)測(cè)模塊
該模塊用于機(jī)倉(cāng)是否出現(xiàn)漏油。通常情況下，當(dāng)齒輪箱底部發(fā)生滲漏油時(shí)，漏油區(qū)域的顏色一般會(huì)呈現(xiàn)黃褐色，因此可以基于該顏色特征對(duì)齒輪箱滲漏油現(xiàn)象進(jìn)行識(shí)別。首先將輸入的BGR圖像轉(zhuǎn)變?yōu)?/span>HSV圖像。之后在HSV空間中設(shè)計(jì)目標(biāo)對(duì)應(yīng)顏色區(qū)間，得到HSV圖像中的目標(biāo)區(qū)域?？紤]到會(huì)存在噪聲區(qū)域的干擾，因此執(zhí)行形態(tài)學(xué)處理以獲取更加準(zhǔn)確的目標(biāo)區(qū)域掩膜。之后執(zhí)行按位與操作來(lái)獲取BGR空間中的目標(biāo)區(qū)域?？紤]到圖像中可能存在與油液相同顏色的物體，以及通常漏油區(qū)域?yàn)檩^小的近似圓形區(qū)域，通過(guò)計(jì)算漏油區(qū)域的面積以及圓形度大小，根據(jù)定義的閾值，從而可以判斷機(jī)倉(cāng)是否存在漏油。當(dāng)出現(xiàn)漏油，則向報(bào)警模塊傳遞信息。具體流程圖如下圖所示。
圖8 漏油監(jiān)測(cè)模塊流程圖
（4）塔筒異物入侵監(jiān)測(cè)模塊
該模塊用于監(jiān)測(cè)機(jī)艙異物入侵，算法基于三幀差分法。塔筒中設(shè)置了許多風(fēng)電機(jī)組運(yùn)行必要的線纜和設(shè)備，非專(zhuān)業(yè)人員的進(jìn)入可能會(huì)對(duì)線纜設(shè)備造成損害，影響機(jī)組運(yùn)行，及時(shí)的發(fā)現(xiàn)和處理可以有效保護(hù)機(jī)組設(shè)施的安全運(yùn)行。當(dāng)存在異物入侵，獲取的每幀圖像會(huì)發(fā)生較大的變化，因此為識(shí)別入侵的異物，可以采用對(duì)運(yùn)動(dòng)物體輪廓的提取優(yōu)于二幀差法的三幀差分法。首先通過(guò)差分操作獲取兩個(gè)差分圖像，之后需要對(duì)差值圖像進(jìn)行灰度化處理、高斯濾波平滑圖像，去除噪聲影響；考慮在斜向的光照下異物在地面上會(huì)產(chǎn)生較長(zhǎng)的影子，后面采用開(kāi)運(yùn)算可以有效的去除光線造成的陰影問(wèn)題，并且可以去除離散較小的白點(diǎn)；當(dāng)非外物入侵而造成的白點(diǎn)較為集中并且不能有效去除時(shí)，用白點(diǎn)數(shù)目進(jìn)行閾值判斷，降低誤報(bào)概率。最后，提取區(qū)域輪廓，利用獲取的最大輪廓面積來(lái)判斷是否存在異物入侵。當(dāng)出現(xiàn)異物入侵，則向報(bào)警模塊傳遞信息。具體流程圖如
