美國西南研究院研發用于危險液體管道微小泄漏的自動化跨平臺遙感泄漏檢測技術

?

美國西南研究院研發用于危險液體管道微小泄漏的自動化跨平臺遙感泄漏檢測技術

美國西南研究院開發出一種基于泄漏事件大數據識別技術的跨平臺遙感泄漏檢測技術，該技術可實時地檢測危險液體管道微小泄漏，此技術適用于移動平臺（載人和無人飛機、全地形車等）和固定平臺（如泵站和截止閥位置的固定裝置）的液態和氣態烴泄漏，具有誤報率低、自主檢測等特點，并具有良好的可擴展性。

該技術采用多種光學傳感器（長波紅外(LWIR)、短波紅外(SWIR)、高光譜和可見光攝像機等）多階段處理技術，各階段包括傳感器配準(Sensor Registration)、特征提取(Feature Extraction)、分類器分類(Classifier)和后處理器(Post-Processing)。光學傳感器將信號饋入傳感器配準器，這里的圖像數據轉換可確保每臺攝像機中的視界都是相同的，通過特征提取找到危險液體唯一特性的頻譜帶，特征向量被傳遞到分類器中做出有關圖像中是否存在某種特定危險液體的決策，確定該特定危險液體在圖像中的位置，并對該決策的可信度評分，最后由后處理器清理低可信度決策和噪聲源，使有用傳感器的數量降至最低。

該技術的核心是基于泄漏事件大數據識別技術，對不同介質，不同環境的泄漏表征進行自主分類。泄漏表征通過以下方式執行：讓各種不同類型的危險液體構成（例如原油、成品油、混合各種常見成品油產品的原油、乙烯、甲烷等），在多種不同的環境條件下（例如照明、溫度等），于各種表面上（如草地、鋪筑路面、礫石、灰土地等）成像。每臺攝像機的頻譜范圍和分辨率如表2所示。

表2 攝像機的頻譜范圍和分辨率

頻譜響應的變化基于液體的溫度、液體在表面停留的持續時間以及泄漏過程中的環境條件。在數據收集的過程中，除當時所處的環境以外，液體不會被任何外部源加熱或冷卻。每次測試的數據收集方式均可確保捕獲到泄漏液體導致的環境溫度變化，以及吸收和蒸發情況。此外，數據收集在多個不同的時間執行（包括黃昏、正午、晚間、陽光直射下和陰涼處），以捕獲各種照明條件和環境溫度。特征提取包括頻譜信息（電磁波譜特定范圍內大量離散頻譜帶的反射率數據）和空間信息（如規模和紋理等），旨在將地面實況標簽轉換成判別組件，作為輸入信息，在應用分類系統將危險液體與非危險物質區分開。分類器會從所提取的地面實況標簽特征中學習，然后在稍后的階段在一組已提取特征的未知樣本上學習。然后，調用分類器，就是否存在危險物質做出決策。按像素定義分類輸出，最后運用后處理技術移除錯誤檢測出的像素并對真正類區域分組，以更好地確定圖像內的危險液體構成。

張雪琴 編譯自《Pipeline Technology Journal》雜志2016年8月