1种基于视频的油田危险区域入侵检测智能综合识别技术研究

为解决油田日常生产作业中缺乏危险作业区域的等级划分与自动识别方式以及缺乏人员踏入危险区域的识别方法。提出1种基于视频智能综合识别技术的全天油田危险区域入侵检测算法,该算法首先结合油田危险因素对油田危险区域进行危险等级的划分与危险区域的识别;然后,针对光照条件良好的白天场景,在训练数据集中融合油田作业区视频数据和公开行人数据集,弥补油田作业区入侵样本不足的问题,有效地增加模型的泛化性;针对光照条件差的黑夜场景,使用三帧差分法,背景减除法等算法对运动目标进行检测。研究结果表明:本文提出算法较YOLOv5方法的精度更高,在不同油田场景下精度可达91.83%,已在油田作业现场进行部署与应用。

油田作业现场智能视频监控系统

近年来,油田作业现场由于不安全因素的存在导致大量的伤亡事件和财产损失,人工巡检又会受到地域因素、巡检效率低下以及发现危险不及时等问题的约束,同时传统的视频监控系统在油田作业现场虽有应用,但功能较为简单,只是机械地记录视频,无法满足对视频中存在的不安全因素进行实时检测和报警的需求。因此设计了油田作业现场智能视频监控系统,该系统采用Socket消息传输管理多台服务器开启/关闭危险因素检测算法模型,并利用流媒体服务器将检测结果以视频流的形式推送给客户端,完成对油田作业现场不安全因素的实时检测,并保存异常图片和视频以备后续查看。通过测试系统运行良好,目前该监控系统已经成功部署到油田作业现场中,监控识别效果较好,满足了油田作业现场的实际需求,解决了油田作业现场不安全因素的检测识别问题。

油田作业现场漏油识别算法

为了提高工作人员对油田作业现场原油泄漏事故的监管效率和准确性,避免由于原油泄漏而造成的经济损失,设计与实现了基于YOLOv5网络结构的油田作业现场漏油识别模型。首先通过单反相机收集了室内与室外2种场景下不同距离的漏油数据集,其次采用数据增强的方法对数据集进行扩充,最后将数据集输入到YOLOv5的网络里进行训练,并通过负样本对比方法提高模型准确率。实验结果表明,该模型能够准确检测出油田作业现场原油泄漏事故,其准确率达到了94.2%,检测速度为17.5 ms,满足油田企业需求。目前,该模型已经部署到油田作业现场中,并成功通过了功能测试和性能测试。