基于溢油扩展实验的油膜厚度检测方法转让专利
申请号 : CN202010365890.1
文献号 : CN111412844B
文献日 : 2021-06-15
发明人 : 童思陈 , 蒋聘凤 , 唐小娅 , 王怡婷 , 蒋孜伟
申请人 : 重庆交通大学
摘要 :
权利要求 :
1.基于溢油扩展实验的油膜厚度检测方法,其特征在于,包括以下步骤:步骤A:根据预设的图像灰度‑油膜厚度映射关系计算生成目标油品对应的图像灰度‑油膜厚度映射模型;所述预设的图像灰度‑油膜厚度映射关系为:h=a(1‑x/256)‑b;式中,h为油膜厚度, x为油膜灰度图像的图像灰度,a、b均为目标油品对应的拟合系数;
步骤B:获取目标油品在待检测区域内的油膜图像,并对目标油品的油膜图像进行图像灰度处理得到相应的油膜灰度图像;
步骤C:计算目标油品油膜灰度图像的图像灰度,然后根据目标油品的图像灰度‑油膜厚度映射模型计算生成目标油品相应的油膜厚度。
2.如权利要求1所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A中,计算生成目标油品的图像灰度‑油膜厚度映射模型时,包括以下步骤:步骤A1:在放置有实验用水的实验容器中注入一定质量的目标油品;
步骤A2:待目标油品在实验用水中扩展至铺满实验容器表面时,采集相应的油膜图像并计算相应的油膜厚度;然后对油膜图像进行图像灰度处理并计算得到相应的图像灰度;
步骤A3:重复步骤A1和步骤A2多次,得到多组目标油品的图像灰度和相应的油膜厚度数据组;
步骤A4:根据多组目标油品的图像灰度和相应的油膜厚度数据组计算图像灰度‑油膜厚度映射关系h=a(1‑x/256)‑b中的拟合系数a和b,以得到目标油品的图像灰度‑油膜厚度映射模型。
3.如权利要求2所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A2中,计算目标油品相应的油膜厚度时,根据注入的目标油品质量和密度计算得到目标油品相应的溢油体积,然后根据目标油品的溢油体积和实验容器的截面积,计算得到目标油品相应的油膜厚度。
4.如权利要求1所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A中,所述预设的图像灰度‑油膜厚度映射关系,通过如下步骤拟合生成:步骤A11:采集两种或两种以上目标油品的多组图像灰度和相应的油膜厚度数据组;
步骤A12:然后根据多组图像灰度和相应的油膜厚度数据组,分别计算生成各种目标油品对应的图像灰度‑油膜厚度对应公式;
步骤A13:对各种目标油品的图像灰度‑油膜厚度对应公式进行计算拟合,生成相应的图像灰度‑油膜厚度映射关系。
5.如权利要求4所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A11中,目标油品包括润滑油和石油醚90~120。
6.如权利要求5所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A12׳ ׳ ׳
中,润滑油的图像灰度‑油膜厚度对应公式为:h =1.44(1‑x/256)‑0.7262,式中,h 为润滑׳
油的油膜厚度,x 为润滑油的油膜灰度图像的图像灰度。
7.如权利要求5所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A12׳׳ ׳׳
中,石油醚90~120的图像灰度‑油膜厚度对应公式为:h =1.30(1‑x /256)‑0.5130,式中,׳׳ ׳׳
h 为石油醚90~120的油膜厚度,x 为石油醚90~120的油膜灰度图像的图像灰度。
8.如权利要求2所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A1中,在实验容器中注入目标油品之前,预先将实验容器的底部布置为浅色。
9.如权利要求2所述的基于溢油扩展实验的油膜厚度检测方法,其特征在于:步骤A1中,在实验容器中注入目标油品之前,预先隔离实验容器周边的自然光源,并为实验容器提供统一强度光照的实验光源。
说明书 :
基于溢油扩展实验的油膜厚度检测方法
技术领域
背景技术
为全球化产业,石油交易大多由水路运输实现,因此船舶运载的大量石油也对水环境具有
不可忽视的威胁,而船舶溢油是船舶污染的主要污染源之一。海洋溢油污染事故发生后,通
过空间监测与评估技术能确定海洋溢油污染的位置、圈定污染的面积、查明溢油污染形成
的类型,将有助于海洋溢油污染后续清理工作的开展。海面油膜是海洋溢油污染的最直接
形式,也是海洋溢油污染转化的重要承载体之一,海洋溢油油膜随着厚度的不同,其光学特
性也发生了显著的变化,同时海水背景影响逐渐增强,因此海面油膜探测的难度也逐渐增
大,成为海洋溢油污染监测中的一个难点。
据并进行预处理;海洋溢油卫星遥感数据的获取与预处理;基于卫星传感器性能指标的标
准油膜光谱重采样;光谱反射率归一化;油膜厚度光学计算模型;衰减系数参数查找表;卫
星数据的反射率归一化与掩膜处理;卫星数据的最优波段及其相关参数查询建立;利用参
数查找表及光学模型计算卫星数据中的油膜厚度。
目标油品的溢油扩展现象。上述现有方案中的油膜厚度检测方法是根据油膜厚度与光谱反
射率之间的对应关系来检测得到油膜厚度的,其在实际使用过程中存在以下问题:1)现有
检测方法以光谱反射率作为中间值,但是不同水质的光谱反射率是不同的,甚至光谱反射
率相差很大(例如海水和内河水的光谱反射率相差就很大),使得在面对不同的水质时检测
结果会存在较大的误差,导致油膜厚度检测方法的检测通用性不好;2)上述现有方案中的
检测方法在建立参数查找表和计算油膜厚度时,需要利用地物光谱仪和卫星传感器等装
置,使得其存在指标参数复杂和计算数据量大的问题,导致油膜厚度检测方的检测效率低。
发明内容
用性和高效性,从而能够提升油膜厚度的检测效果。
据油膜灰度图像和图像灰度‑油膜厚度映射模型生成油膜厚度。本方案中以油膜灰度图像
的图像灰度作为中间值,一方面,图像灰度处理后的油膜图像能够很好的突出油膜区域,且
能够弱化水质的光谱反射,使得能够很好的避免水质的限制,能够提升油膜厚度的检测通
用性;另一方面,图像灰度处理后的油膜图像具有较少的信息量,能够极大的简化计算过
程,使得能够在提升检测通用性的前提下提升油膜厚度的检测效率;此外,申请人在实验中
发现,油膜灰度图像的图像灰度与油膜厚度的相关性很好,计算偏差能够控制在百分之十
以内,能够保证油膜厚度的检测精度。
膜厚度的检测效率;此外,上述映射关系是申请人根据润滑油和石油醚90~120的图像灰
度‑油膜厚度对应公式计算拟合而成,其计算偏差能够控制在百分之十以内,能够保证油膜
厚度的检测精度,从而能够提升油膜厚度的检测效果。
度;
厚度映射模型。
目标油品的图像灰度和相应的油膜厚度数据组计算拟合系数a和b,从而得到图像灰度‑油
膜厚度映射模型。一方面,在实际使用过程中,每种油品均能够通过上述步骤计算得到相应
的图像灰度‑油膜厚度映射模型,能够提升油膜厚度的检测通用性;另一方面,目标油品的
图像灰度‑油膜厚度映射模型是基于该目标油品的相关数据计算的,使得该目标油品的图
像灰度和油膜厚度的相关性很好,能够提升油膜厚度的检测效果。
积,计算得到目标油品相应的油膜厚度。
于提升油膜厚度的检测效果。
度‑油膜厚度对应公式拟合生成图像灰度‑油膜厚度映射关系。本方案中通过多种油品像灰
度‑油膜厚度对应公式计算拟合得到的图像灰度‑油膜厚度映射关系具有通用性强和计算
精度高的优点,能够有效的提升对油膜厚度的检测精度,从而能够提升油膜厚度的检测效
果。
度存在较大的差异,通过这两种油品更有利于体现不同(粘稠度)油品的扩散规律,有利于
提升对油膜厚度的检测精度;此外,申请人在实验中发现,润滑油和石油醚90~120的油品
参数具有很强的代表性,通过对润滑油和石油醚90~120的计算拟合能够将模型的计算偏
差能够控制在百分之十以内,能够保证油膜厚度的检测精度,从而能够提升油膜厚度的检
测效果。
256)‑0.7262,式中,h 为润滑油的油膜厚度,x 为润滑油的油膜灰度图像的图像灰度。
提升油膜厚度的检测精度;此外,申请人通过实验数据发现,通过上述公式能够将润滑油的
油膜厚度计算偏差能够控制在百分之十以内,其计算相关性达到了0.9911。
(1‑x /256)‑0.5130,式中,h 为石油醚90~120的油膜厚度,x 为石油醚90~120的油膜灰
度图像的图像灰度。
提升油膜厚度的检测精度;此外,申请人通过实验数据发现,通过上述公式能够将石油醚90
~120油膜厚度的计算偏差能够控制在百分之十以内,其计算相关性达到了0.9899。
行刷白(变成浅色),使得能够增强实验容器底部颜色与油膜颜色对比度强度,能够更好的
采集油膜图像,有利于提升后续模型的检测精度,从而能够提升油膜厚度的检测效果。
题,本方案中通过蓝色遮光布在实验容器四周搭建试验棚对自然光源进行隔离,然后在实
验容器四上方安装白织节能灯管作为实验光源,以提供统一强度光照,能够避免环境自然
光源对油膜图像采集的影响,能够更好的采集油膜图像,有利于提升后续模型的检测精度,
从而能够提升油膜厚度的检测效果。
附图说明
具体实施方式
根据油膜灰度图像和图像灰度‑油膜厚度映射模型生成油膜厚度。本实施例中以油膜灰度
图像的图像灰度作为中间值,一方面,图像灰度处理后的油膜图像能够很好的突出油膜区
域,且能够弱化水质的光谱反射,使得能够很好的避免水质的限制,能够提升油膜厚度的检
测通用性;另一方面,图像灰度处理后的油膜图像具有较少的信息量,能够极大的简化计算
过程,使得能够在提升检测通用性的前提下提升油膜厚度的检测效率;此外,申请人在实验
中发现,油膜灰度图像的图像灰度与油膜厚度的相关性很好,计算偏差能够控制在百分之
十以内,能够保证油膜厚度的检测精度。
系数。本实施例中,图像灰度‑油膜厚度映射关系根据润滑油和石油醚90~120的图像灰度‑
油膜厚度对应公式计算拟合生成,并基于ImageJ2X建立。
膜厚度的检测效率;此外,上述映射关系是申请人根据润滑油和石油醚90~120的图像灰
度‑油膜厚度对应公式计算拟合而成,其计算偏差能够控制在百分之十以内,能够保证油膜
厚度的检测精度,从而能够提升油膜厚度的检测效果。
度;
厚度映射模型。
据目标油品的图像灰度和相应的油膜厚度数据组计算拟合系数a和b,从而得到图像灰度‑
油膜厚度映射模型。一方面,在实际使用过程中,每种油品均能够通过上述步骤计算得到相
应的图像灰度‑油膜厚度映射模型,能够提升油膜厚度的检测通用性;另一方面,目标油品
的图像灰度‑油膜厚度映射模型是基于该目标油品的相关数据计算的,使得该目标油品的
图像灰度和油膜厚度的相关性很好,能够提升油膜厚度的检测效果。
器的截面积,计算得到目标油品相应的油膜厚度。
于提升油膜厚度的检测效果。
A2和步骤A3中采集目标油品的图像灰度和相应的油膜厚度数据组的方式相同;
度‑油膜厚度对应公式拟合生成图像灰度‑油膜厚度映射关系。本方案中通过多种油品像灰
度‑油膜厚度对应公式计算拟合得到的图像灰度‑油膜厚度映射关系具有通用性强和计算
精度高的优点,能够有效的提升对油膜厚度的检测精度,从而能够提升油膜厚度的检测效
果。
度存在较大的差异,通过这两种油品更有利于体现不同(粘稠度)油品的扩散规律,有利于
提升对油膜厚度的检测精度;此外,申请人在实验中发现,润滑油和石油醚90~120的油品
参数具有很强的代表性,通过对润滑油和石油醚90~120的计算拟合能够将模型的计算偏
差能够控制在百分之十以内,能够保证油膜厚度的检测精度,从而能够提升油膜厚度的检
测效果。
提升油膜厚度的检测精度;此外,如图6所示:申请人通过实验数据发现,通过上述公式能够
将润滑油的油膜厚度计算偏差能够控制在百分之十以内,其计算相关性达到了0.9911。
式:
提升油膜厚度的检测精度;此外,如图9所示:申请人通过实验数据发现,通过上述公式能够
将石油醚90~120油膜厚度的计算偏差能够控制在百分之十以内,其计算相关性达到了
0.9899。
行刷白(变成浅色),使得能够增强实验容器底部颜色与油膜颜色对比度强度,能够更好的
采集油膜图像,有利于提升后续模型的检测精度,从而能够提升油膜厚度的检测效果。
题,本方案中通过蓝色遮光布在实验容器四周搭建试验棚对自然光源进行隔离,然后在实
验容器四上方安装白织节能灯管作为实验光源,以提供统一强度光照,能够避免环境自然
光源对油膜图像采集的影响,能够更好的采集油膜图像,有利于提升后续模型的检测精度,
从而能够提升油膜厚度的检测效果。
普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手
段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施
本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请
的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作
出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效
果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具
体实施方式等记载可以用于解释权利要求的内容。