基于红外视频的VOCs泄漏源定位与气羽实例分割

TP273; 为实现对基于红外视频的挥发性有机化合物(VOCs)的自动化检测,提出了一种泄漏源定位和气羽实例分割的协同建模方法,既保证了模型对气羽实例的区分,也保证了每个实例只预测一个泄漏源,并支持单支路网络通过单次前向推理同时进行泄漏源定位和实例分割.考虑到泄漏源附近的气羽逸散特性,使用泄漏源位置作为气羽在嵌入空间的聚类中心,并根据泄漏气羽的时空分布选取高斯分布概率密度函数的协方差变量,对嵌入空间内的像素进行聚类,得到不同实例的泄漏源定位和实例分割结果.将泄漏源定位问题定义为具有单一关键点的关键点检测问题并给出定量评价指标.此外,通过合成数据集获得更加精确且易于获取的标注.实验结果表明,本文...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 50; no. 5; pp. 695 - 707
Main Authors 江逸远, 谷小婧, 顾幸生
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 01.10.2024
Subjects
气体泄漏检测
instance segmentation
泄漏源定位
实例分割
leakage source localization
gas leakage detection
synthetic data
合成数据
infrared gas imaging
红外气体成像
Online AccessGet full text

Cover

More Information
Summary:TP273; 为实现对基于红外视频的挥发性有机化合物(VOCs)的自动化检测,提出了一种泄漏源定位和气羽实例分割的协同建模方法,既保证了模型对气羽实例的区分,也保证了每个实例只预测一个泄漏源,并支持单支路网络通过单次前向推理同时进行泄漏源定位和实例分割.考虑到泄漏源附近的气羽逸散特性,使用泄漏源位置作为气羽在嵌入空间的聚类中心,并根据泄漏气羽的时空分布选取高斯分布概率密度函数的协方差变量,对嵌入空间内的像素进行聚类,得到不同实例的泄漏源定位和实例分割结果.将泄漏源定位问题定义为具有单一关键点的关键点检测问题并给出定量评价指标.此外,通过合成数据集获得更加精确且易于获取的标注.实验结果表明,本文提出的方法可以对泄漏气羽进行较为准确的泄漏源定位和实例分割,综合定量指标高于其他同类方法,且在真实视频中具有良好的泛化性.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20231011002