VOC危险化学品泄漏光谱视频识别算法研究

针对挥发性有机物(Volatile Organic Compounds, VOCs)气体特征微弱、视觉显著性差、形态多变等难题,本文基于时-空-频联合去噪、多模态视差匹配模型,提出了一种高精度气体泄漏光谱视频识别算法。通过挖掘时-空-谱高维数据的本征信息来实现VOC气体的高精度识别,并利用多模块级联联合优化将传统方法的可解释性与深度学习的强大表征能力有机结合。最后,通过与国际先进气体监测设备森西亚和锐百凌进行同等条件的对比,可知所提出的气体泄漏成像方法对于低浓度的甲烷气体识别准确率提升了46.25%,误报降低至原来的1/3,验证了所提算法的有效性和可行性,为石化行业危险化学品泄漏监测提供了有力保障。