基于双光谱图像的净化厂周界入侵系统设计与应用

针对川西北气矿某天然气净化厂周界安防手段落后及低效问题,设计了一种基于双光谱图像的净化厂周界入侵报警系统。依靠可见光和红外两种光谱图像优势,结合深度学习目标检测算法和自定义周界区域,系统克服了单光谱图像在全天候工况下识别准确率低或漏检的问题。一方面,根据净化厂周界安防需求提出了入侵报警系统的具体方案和系统结构;另一方面,根据环境特点给出了系统的详细部署。为验证系统有效性,在净化厂周界不同地点和时间对系统进行实验验证,结果表明:给出的周界入侵系统方案能够实现对净化厂周界的全天候入侵检测与报警。净化厂周界入侵系统投入应用后,可有效降低厂区因入侵事件导致重大安全事故的风险,同时也为石油天然气行业其他场站安防建设提供了重要参考。

利用FY-2C双光谱图像反演白天像素级逐时雨强

基于中国静止气象卫星FY-2C的多光谱数据,研究了由热红外亮温和可见光反照率拟合反演白天地面像素级逐时雨强分布的方法。利用降雨概率判识矩阵区分了降雨云和非降雨云,技术得分为0.507 3,比简单利用阈值划分方法显著提高了雨区判识精度。对逐时降水率的分析,允许误差为±20%内,正确率为52.19%。对降水等级的分析,经1 200多个实测有雨样本的检验,其对小雨、中雨、大雨和暴雨的实测命中率达62.79%。若将降水率小于0.5 mm/h的微雨这种临界状态作无雨处理,则有雨样本的降水强度判识准确率达到88.17%。