發(fā)布時間：2021-08-29 08:38

　　天然氣管道作為國家能源傳輸的主要傳輸介質,是國家重要的基礎設施。長距離傳輸天然氣管道口徑較大、壓力較高,泄露后將造成重大安全隱患�，F(xiàn)有的傳統(tǒng)甲烷泄漏檢測系統(tǒng)存在方案實施周期較長、人工巡檢勞動強度大等缺陷。因此,設計并實現(xiàn)一套高精準的智能化甲烷泄露監(jiān)測系統(tǒng)迫在眉睫。本文針對長距離傳輸天然氣管道,設計并實現(xiàn)了基于智能巡航算法的物聯(lián)網激光甲烷遙測云平臺。本文對現(xiàn)有空間信息建模中傳統(tǒng)特征區(qū)域選取部分進行改進,使用全卷積神經網絡圖像語義分割模型,提高了特征區(qū)域的選取精度。同時,針對自旋狀態(tài)下的單目視覺定位場景,首次將傳統(tǒng)定位技術中記錄三維空間信息的三維直角坐標系替換為三維極坐標系,有效的提高了單目視覺定位算法效率。本系統(tǒng)使用云計算的軟件即服務（Software as a Service,SaaS）模式的云平臺,將智能巡航算法等功能作為服務發(fā)布出去,為物聯(lián)網終端提供穩(wěn)定可靠的算法支持。在此基礎上,本文設計并實現(xiàn)了以智能巡航算法為核心的基于物聯(lián)網的激光甲烷遙測云平臺。本文對整個云平臺進行了功能測試和性能測試,其中算法性能測試結果表明智能巡航算法相比常規(guī)巡航方法將發(fā)現(xiàn)泄漏平均時間縮短了 48.77%,... 

【文章來源】：北華航天工業(yè)學院河北省

【文章頁數】：63 頁

【學位級別】：碩士

【部分圖文】：

圖３．１?ＦＣＮ網絡模型結構圖??

／標識真實值，＿／表示預測值，；＾＿??表示將／預測為力??１?ｋ?Ｄｉｉ??ＭＩｏＵ?＝?Ｙ?－ｒ?７－??＼＊?ＭＥＲＧＥＦＯＲＭＡＴ?（３．１）??灸＋?１卜０?▽?▽??ＺｕＰｉｊ＾Ｐｉｊ￣ＰＵ??ｊ＝〇?ｊ＝〇??實驗結果并沒有該網絡在ＶＯＣ２０１２數據集上表現(xiàn)的好，該網絡在ＶＯＣ２０１２數據集??上表現(xiàn)，如表３．１所示。所以這也從側面證明了網絡模型的優(yōu)化是針對數據集的。所以需??要對ＦＣＮ網絡做出改進，讓其在長輸天然氣管道數據集擁有良好的表現(xiàn)。??在圖３．１中可以明顯的看出，在ＦＣＮ網絡下采樣的過程中，每通過一層卷積層，圖??片的淺層信息就會損失一些，每通過一層池化層，圖片的淺層信息就會損失更多。最后在??預測階段之前的特征圖中，由于特征圖尺寸太小了，淺層的信息己經非常少了，即使在預??測過程中使用雙線性上采樣方法并融合淺層特征也不能彌補之前下采樣時產生的損失。這??時可以在下采樣到一定尺寸時，使用空洞卷積％可以保證看到更大的感受野信息，從而??保留更多的淺層信息，同時也降低了參數量和計算量。此外在預測階段仍舊可以使用雙線??性上采樣和跳層結構，更好的融合淺層信息，使語義分割結果更加精細�？斩淳矸e示意圖，??如圖３．２所示，從圖（ａ）到圖（ｃ）空洞卷積逐漸擴大。??ＩＩＩ?ＭＭ?ＩＩＩ?ＩＭｆｆｌ?１１１１１１１１１１１１１１?Ｉｆｆｌ?｜?腦圓－肝??丨匪圍＾議匪丨園吾??＝＝＿＿鮮三二：４??虐二腫―巧＊｜｜：＝??（ａ）標準卷積?（ｂ）空洞卷積?（ｃ）空洞卷積??圖３．２空洞卷積示意圖??空洞卷積的改變主要是在卷積核層面，將原本緊密的卷積核變得分散以獲得更多的特??１５??

片數據集重新對網絡進行了訓??練和測試，測試結果與改進之前測試結果對比，如表３．１所示。??表３．１網絡測試結果得分對比表??ＶＯＣ２０１２?Ｏｕｒ?ＤａｔａＢａｓｅ??ＦＣＮ?６２．２?５１．６??Ｏｕｒｓ?－?７３．８??測試結果表明改進后的網絡在長輸天然氣管道圖片數據集上有著更好的表現(xiàn)。這也意??味著對長輸天然氣管道特征區(qū)域的選取將更加精確，對特征點的選取也更具有說服力。??通過對ＦＣＮ網絡的改進優(yōu)化了識別效果。目前改進后的網絡模型識別長輸天然氣管??道效果圖，如圖３．３所示。識別邊緣與實際邊緣相比已經十分接近，對長輸天然氣管道的??語義分割結果表現(xiàn)良好，為特征點選取打下堅實基矗??ｍ?ｍｓｍｍ??圖３．３長輸天然氣管道識別效果圖??３．２．２單目視覺定位技術??單目視覺定位技術主要用來測量圖像中的物體和攝像機的相對位置，可以應用在攝像??機位姿感知、視覺物體測距、視覺物體跟蹤等領域。??通過第一章對卷積神經網絡圖像語義分割研究現(xiàn)狀的分析得知，目前大部分單目視覺??定位技術的研宄方向都偏向于水平垂直移動的單目視覺系統(tǒng)定位技術，該研究方向體現(xiàn)在??二維圖像上只涉及圖像的平移和旋轉。將該研宄方向的技術用在本文智能巡航算法研宄方??向的半固定式單目視覺系統(tǒng)，即自旋轉單目視覺系統(tǒng)上空間建模精度并不是很高，而且計??算量龐大，所以需要針對自旋轉單目視覺系統(tǒng)做出相應改進。??對比自旋轉狀態(tài)和傳統(tǒng)的水平垂直移動狀態(tài)，不難發(fā)現(xiàn)，自旋轉狀態(tài)下很多參數都是??和角度相關的，那么不妨設想一下，如果將記錄三維空間位置的量都變成角度，那么計算??量大的問題將迎刃而解。所以改進方向就找到了，那就是使用三維極坐標系替換三維直角

【參考文獻】：
期刊論文
[1]全卷積神經網絡研究綜述[J]. 章琳,袁非牛,張文睿,曾夏玲.  計算機工程與應用. 2020(01)
[2]基于單目視覺原理的空間位置測量技術研究[J]. 王鍇磊,吳躍,沙春哲,劉莎,王春喜,王占濤.  宇航計測技術. 2019(04)
[3]單目視覺定位實現(xiàn)機器人跟蹤的實驗系統(tǒng)和控制方法[J]. 程前,聶卓赟,方浩澄,邵輝.  華僑大學學報(自然科學版). 2019(04)
[4]戶外變電站復雜環(huán)境下的移動操作機器人單目視覺定位[J]. 桑浩楠,王石剛,梁慶華.  機械設計與研究. 2019(03)
[5]基于云平臺的智慧圖書館系統(tǒng)的設計與實現(xiàn)[J]. 王茜,張黎.  圖書館. 2019(02)
[6]物聯(lián)網多層設備信息通信數據分類識別仿真[J]. 魏葆春,甘發(fā)旺.  計算機仿真. 2019(01)
[7]無人機載管道巡檢系統(tǒng)在輸氣管道的應用[J]. 王慶國,王興宇.  煤氣與熱力. 2018(12)
[8]基于ZigBee和云平臺的葡萄霜霉病防控系統(tǒng)的設計與應用[J]. 楊寧,來智勇,蘇鵬飛,劉斌.  現(xiàn)代電子技術. 2018(24)
[9]物聯(lián)網架構研究綜述[J]. 李冬月,楊剛,千博.  計算機科學. 2018(S2)
[10]基于多特征融合的云平臺異常檢測方法[J]. 張晶,任永功.  模式識別與人工智能. 2018(11)

碩士論文
[1]基于物聯(lián)網的居家環(huán)境監(jiān)測系統(tǒng)設計[D]. 岳銳.中北大學 2017
[2]基于ZigBee的社區(qū)安全保障系統(tǒng)設計[D]. 張景順.曲阜師范大學 2013



本文編號：3370302