基于迁移学习的气体泄漏红外图像去噪方法

非制冷型红外相机由于其成本低、寿命长、性能稳定等优势在气体泄漏检测领域有着广泛应用,而良好的图像去噪算法可以有效提升其检测灵敏度与准确性。结合深度学习和迁移学习技术,提出了一种基于深度迁移学习的气体泄漏红外图像去噪方法。首先使用静止场景数据集对卷积神经网络模型进行训练,然后固定部分模型参数,并通过仿真气体数据集对模型再次训练,最终获得适用于气体泄漏红外图像去噪的模型。实验结果表明,该方法可以对非制冷型红外相机拍摄的气体红外图像进行去噪,去噪后的图像具有明显的气体轮廓信息,同时可以分辨出泄漏源的位置。因此,该方法可以帮助非制冷型红外相机更好地完成气体泄漏检测任务。

高光谱成像的船舶燃油硫含量遥测技术

在港口运输领域,船舶燃油中硫含量检测一直是海事部门的监管重点。随着我国港口贸易飞速发展,一种简单高效的船舶燃油硫含量检测手段对我国海洋环保事业具有重要意义。现有的检测方法普遍存在时效性差,应用范围窄等问题,难以实现船舶尾气的大范围快速遥测。利用高光谱成像技术实现船舶尾气中CO_(2)和SO_(2)的遥测,充分发挥高光谱成像技术信息丰富、检测距离远、检测范围广等优势,发展傅里叶变换干涉型高光谱成像技术与高光谱成像三维低秩优化技术,解决了开放光路下的低浓度检测问题和复杂环境干扰问题,成功计算出船舶燃油中的硫含量,为我国船舶燃油中硫含量监测提供有效工具。研究主要包括:在天津港东疆码头开展昼、夜时段固定船舶硫含量检测试验以及随机船舶硫含量检测试验,采集大量船舶尾气高光谱图像,建立船舶尾气数据库;发展针对复杂开放光路气体远距离检测的傅里叶变换干涉型高光谱成像技术,具有高通量、高光谱分辨率、高信噪比等优点,可以将检测距离扩增至1200 m,单次检测用时小于3 s;设计基于高光谱成像三维低秩优化技术对高光谱数据进行预处理,以低秩作为约束对高光谱图像进行三维重建,去除复杂环境对高光谱图像的干扰,实现高光谱图像信噪比的进一步提升;利用偏最小二乘法化学计量技术实现SO_(2)和CO_(2)气体浓度的准确解析,并依据真实大气辐射情况,建立辐射传输模型,从而实现对昼、夜环境下加注高硫油的固定船舶以及随机船舶中的准确识别,并在高光谱图像中SO_(2)气体浓度过高的部分进行主动标识。所述技术已在天津港进行了实地应用,成功检测出Xinchunshun号排放尾气中SO_(2)气体浓度超标,检测结果与海事部门掌握的数据相符,验证了基于高光谱成像技术的远程被动测量船舶尾气及燃油中硫含量检测的可行性。