下载掌阅APP，畅读海量书库
立即打开
机器视觉智能感知的研究应分为五个研究任务推进完成，任务与研究目标之间的逻辑与承接关系如图2-20所示。技术路线中各任务为逐步递进和相互补充的关系，并最终集中体现在多维智能感知的算法模块上。其中任务1和任务2是研究的基础，任务3是技术应用的前提条件，任务4是研究目标的关键技术，任务5是研究目标的成果集中体现。
（1）任务1：典型感知方法。
即提炼形成应用机器视觉感知发电厂生产设备典型缺陷方法。调研发电厂重点区域生产设备的历史巡检记录和缺陷记录，分析可见光图像与红外图像的成像特点，提炼形成应用机器视觉感知发电厂生产设备典型缺陷方法。
（2）任务2：优化配置方案。
即制定生产区域视频监控观测点优化布置方案。根据生产设备典型缺陷机器视觉感知方法，研究重点区域视频监控重点观测目标，研究发电厂重点区域视频监控摄像头的选型、布点、数量优化配置，制定优化配置指导方案。
图2-20 技术路线示意图
（3）任务3：构建样本库。
即构建基于机器视觉的发电厂生产设备异常样本库。依托现有的发电厂工业电视系统，收集大量发电厂重点区域不同时期的视频图像样本。构建基于机器视觉的发电厂重点区域生产设备异常样本库。研究图像样本自动标注方法，通过自动标注与人工校核的方式对所获取的图像样本进行高效标记，以供机器视觉感知和深度学习算法开发，避免算法欠拟合和过拟合。
（4）任务4：算法和测试。
即研究基于机器视觉及深度学习的设备异常智能感知技术及其测试方法。研究基于混合高斯模型的背景减法、光流法等目标检测方法；研究基于HSV颜色模型及YCrCb像素颜色空间的机器视觉色彩特征提取方法；研究基于卷积神经网络的深度学习算法，并用深度学习算法对所构建的样本库进行训练，以实现电厂重点区域生产设备异常状态（漏油、漏水、烟雾、明火、管道破损等）的机器视觉智能识别和告警。
（5）任务5：应用和示范。
即基于机器视觉的生产区域智能感知算法模块开发与试点应用。研究摄像头远程自动控制策略，实现摄像头根据一次识别结果自动对焦放大异常区域进行二次识别，提升识别效果；规范数据结构与数据接口；研发智能感知算法进程管理技术和调用授权许可技术；开发基于机器视觉的生产区域智能感知算法模块，实现重点区域设备异常状态智能识别和告警等功能，根据发电厂工业电视系统及其他生产系统建设实际情况确定算法模块的部署形式。