美国西南研究院研发用于危险液体管道微小泄漏的自动化跨平台遥感泄漏检测技术



美国西南研究院研发用于危险液体管道微小泄漏的自动化跨平台遥感泄漏检测技术

美国西南研究院开发出一种基于泄漏事件大数据识别技术的跨平台遥感泄漏检测技术，该技术可实时地检测危险液体管道微小泄漏，此技术适用于移动平台（载人和无人飞机、全地形车等）和固定平台（如泵站和截止阀位置的固定装置）的液态和气态烃泄漏，具有误报率低、自主检测等特点，并具有良好的可扩展性。

该技术采用多种光学传感器（长波红外(LWIR)、短波红外(SWIR)、高光谱和可见光摄像机等）多阶段处理技术，各阶段包括传感器配准(Sensor Registration)、特征提取(Feature Extraction)、分类器分类(Classifier)和后处理器(Post-Processing)。光学传感器将信号馈入传感器配准器，这里的图像数据转换可确保每台摄像机中的视界都是相同的，通过特征提取找到危险液体唯一特性的频谱带，特征向量被传递到分类器中做出有关图像中是否存在某种特定危险液体的决策，确定该特定危险液体在图像中的位置，并对该决策的可信度评分，最后由后处理器清理低可信度决策和噪声源，使有用传感器的数量降至最低。

该技术的核心是基于泄漏事件大数据识别技术，对不同介质，不同环境的泄漏表征进行自主分类。泄漏表征通过以下方式执行：让各种不同类型的危险液体构成（例如原油、成品油、混合各种常见成品油产品的原油、乙烯、甲烷等），在多种不同的环境条件下（例如照明、温度等），于各种表面上（如草地、铺筑路面、砾石、灰土地等）成像。每台摄像机的频谱范围和分辨率如表2所示。

表2 摄像机的频谱范围和分辨率

频谱响应的变化基于液体的温度、液体在表面停留的持续时间以及泄漏过程中的环境条件。在数据收集的过程中，除当时所处的环境以外，液体不会被任何外部源加热或冷却。每次测试的数据收集方式均可确保捕获到泄漏液体导致的环境温度变化，以及吸收和蒸发情况。此外，数据收集在多个不同的时间执行（包括黄昏、正午、晚间、阳光直射下和阴凉处），以捕获各种照明条件和环境温度。特征提取包括频谱信息（电磁波谱特定范围内大量离散频谱带的反射率数据）和空间信息（如规模和纹理等），旨在将地面实况标签转换成判别组件，作为输入信息，在应用分类系统将危险液体与非危险物质区分开。分类器会从所提取的地面实况标签特征中学习，然后在稍后的阶段在一组已提取特征的未知样本上学习。然后，调用分类器，就是否存在危险物质做出决策。按像素定义分类输出，最后运用后处理技术移除错误检测出的像素并对真正类区域分组，以更好地确定图像内的危险液体构成。

张雪琴 编译自《Pipeline Technology Journal》杂志2016年8月