开发基于人工智能的图像/超声波融合摄像系统,用于精确检测石化工厂的气体泄漏
JoonHyuk Lee1,2, YoungSik Kim3, Abdur Rehman3
1Korean Fire Protection Association, Seoul, 07328, South Korea.
Heliyon
|April 10, 2024
概括
这项研究介绍了一种使用图像和超声波数据的AI驱动的摄像系统,用于精确检测石化工厂的室外管道泄漏,克服了当前方法的局限性.
科学领域:
- 石化工程是石油化学工程的重要组成部分.
- 人工智能的人工智能
- 传感器技术 传感器技术
背景情况:
- 现有的石化工厂泄漏检测系统由于空气流和气体特异性而难以在户外准确.
- 管道泄漏的精确定位对于安全和环境保护至关重要.
研究的目的:
- 开发一个AI集成的图像/超声波摄像系统,用于增强户外管道泄漏检测.
- 建立一个实时监控系统,以改进气体泄漏局部化.
主要方法:
- 一个先进的超声波摄像机与深度学习物体检测算法相结合.
- 该算法是在石化工厂管道图像数据上训练的.
- 一个户外实验场模拟了石化工厂的条件和泄漏场景.
主要成果:
- 人工智能检测模型实现了0.45.50的平均精度 (mAP50) 得分.
- 该系统在定位气体泄漏点方面表现出更高的准确性.
- 实验成功地发现了模拟的边缘连接故障导致的泄漏.
结论:
- 开发的人工智能驱动的摄像头系统为准确的室外管道泄漏检测提供了一个有希望的解决方案.
- 这项技术可以克服复杂环境中传统气体检测方法的局限性.
- 实时监控能力提高了石化业务的安全性和效率.
