Школа молодых ученых и специалистов МЧС России 2018·СЕКЦИЯ 1 ПРОБЛЕМЫ ОБЕСПЕЧЕНИЯ ПОЖАРНОЙ БЕЗОПАСНОСТИ

АЛГОРИТМ АВТОМАТИЗИРОВАННОГО МОНИТОРИНГА ЛИНЕЙНЫХ ОБЪЕКТОВ НЕФТЕГАЗОВОЙ ОТРАСЛИ НА ОСНОВЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ОБНАРУЖЕНИЯ ПЛАМЕНИ С БОРТА БЕСПИЛОТНОГО ВОЗДУШНОГО СУДНА

ALGORITHM OF AUTOMATED MONITORING OF LINEAR OBJECTS OF OIL AND GAS INDUSTRY ON THE BASIS OF THE MATHEMATICAL MODEL OF DETECTION OF FLAME FROM THE BOARD OF A FREE AIRCRAFT

Вытовтов Алексей Владимирович1,Королев Денис Сергеевич2
  1. 1 Воронежский институт - филиал ИПСА ГПС МЧС
  2. 2 Воронежский институт - фелиал ИПСА ГПС МЧС
27 февраля 2019 61 просмотров 8 мин чтения
Аннотация

Разработана схема алгоритма обнаружения огня с беспилотного воздушного судна, основанная на математической обработке записи с цифровой видеокамеры, расположенной на борту аппарата. Алгоритм использует семь фильтров для ступенчатой проверки наличия горения в кадре. Фильтры реализуются с помощью регрессионных уравнений описывающих коэффициенты допуска в зависимости от выбранных факторов.

#беспилотное воздушное судно#распознавание пламени#система автоматического контроля#алгоритм распознавания#дрон#линейный объект нефтегазовой отрасли
Abstract

A scheme for the algorithm for detection of fire from an unmanned aircraft is developed, based on the mathematical processing of recording from a digital video camera located on the apparatus. The algorithm uses seven filters to check the presence of combustion in the frame step by step. Filters are implemented using regression equations describing the tolerance coefficients depending on the selected factors

#drone#flame recognition#automatic control system#recognition algorithm#linear object of oil and gas industry
Полный текст1429 слов

Отметим, что в последние годы для визуального обследования нефтегазовых трубопроводов стали широко использоваться беспилотные воздушные суда [1]. Причем сложные многоуровневые системы обнаружения огня, позволяющие проводить мониторинг в автоматическом режиме, разработаны только в иностранных проектах [2].

В качестве альтернативы существующим методам визуального контроля предложен алгоритм автоматизированного мониторинга на основе математической модели обнаружения пламени с борта беспилотного воздушного судна. Алгоритм реализован в оригинальной программе на языке программирования Python с помощью библиотеки OpenCV и выполняется микропроцессором, расположенным на бору аппарата [3]. Алгоритм построен на последовательной работе ряда фильтров, анализирующих изображение на наличие горения. В связи с необходимостью рационального подхода к ресурсам микрокомпьютера предусмотрен алгоритм ранжирования фильтров [4]. Последующие фильтры включаются только после положительного результата по первому [5]. Схема алгоритма распознавания пламени представлена на рисунке 1.

Фильтр 1 – анализ цвета пикселей кадра. Весовой коэф. – 1. Фильтр 2 – проверка цвета выявленной области на совпадение с гаммой огня. Область пикселей, определенных в первом фильтре сравнивается с базой данных цветового распределения, которая представляет собой возможную цветовую гамму в пространстве RGB. Весовой коэф. – 0,5. Фильтр 3 – определение областей движения. Весовой коэф. – 0,5. Фильтр 4 – проверка цвета движущихся пикселей на совпадение с гаммой огня. Весовой коэф.– 0,5. Фильтр 5 – вейвлет-анализ во временной области. Утверждение, на котором строится данный фильтр – нестабильность края огня, то есть граница пламени будет менять цвет с фонового на цвет пламени. Весовой коэф – 1. Фильтр 6 – пространственный вейвлет-анализ. Весовой коэф. – 1. Фильтр 7 – проверка объемности области огня. Весовой коэф. – 1. Положительные результаты каждого фильтра поступают в блок анализа весовых коэффициентов, где суммируются для принятия решения. Весовые коэффициенты подобраны, исходя из особенностей каждого способа наиболее точно определять наличие горения.

Предложенный алгоритм позволяет реализовывать методику обнаружения пламени с борта беспилотного воздушного судна без участия оператора [6]. Это существенно разгружает каналы связи с аппаратом и увеличивает автономность воздушного комплекса, позволяет проводить мониторинг в течении длительного времени.

Рисунок 1 – Схема алгоритма математической модели автоматического распознавания пламени с борта беспилотного воздушного судна

Для реализации разработанного мониторинга выведены регрессионные зависимости, описывающие каждый из фильтров [7]. Первый из фильтров выявляет пороговое значение коэффициента , который характеризует стремление области горения к абсолютно белому цвету в черно-белом изображении.

Для подбора оптимального уравнения вычислили коэффициент детерминации для разных типов регрессий – таблица 1.

Таблица 1 – Коэффициенты детерминации для каждой из регрессий

Регрессия

Результат

Линейная

Полиномиальная

Полиномиальная

третьей степени

Полиномиальная

четвертой степени

Коэф. детерминации

0.7675

0.8452

0.8817

0.8817

Для рассматриваемого набора данных выбрана множественная полиномиальная регрессия второй степени. Чтобы принять полученное уравнение должны быть выполнены допущения МНК-регрессии: нормальность, независимость, линейность, гомоскедастичность. По результатам проверки выяснилось, что модель не соответствует допущениям по нормальности и гомоскедастичности. Преобразованием Бокса-Кокса (Box-Cox) подобрана степень зависимой переменной [8], в случае использования которой уравнение отвечает требованиям нормальности. Полученная зависимость имеет вид:

Множественный коэффициент детерминации равен 0.913, модель объясняет 89% дисперсии значений коэффициента β. Предсказательная способность модели увеличилась на 4,48%, степенное преобразование обеспечило выполнение допущений МНК-регрессии. Наибольшее влияние на исследуемый параметр оказывает фактор расстояния, наименьшее яркость источника горения все регрессионные коэффициенты статически значимо отличаются от нуля. Значения дисперсий, вызванных влиянием факторов, лежат в интервале от 0,0244 до 0,0286, что превышает среднюю дисперсию повторяемости 0,021. Это позволяет строить регрессионную модель влияния факторов [9].

В рамках эксперимента были определены граничные условия по факторам: расстояние, освещенность, яркость. Нарушение этих условий может привести к неправильной работе уравнения и, как следствие, превышению значения коэффициента β более 1. Данное явление вероятно при динамическом изменении высоты беспилотного воздушного судна в связи с изменением уровня земли: овраги, низины луга и т.д. В исследовании максимальное расстояние составляет 50 м, яркость 200 кд/м2. Превышение данных условий наиболее вероятно в связи с возможностью крупномасштабного горения и большей высотой полета из-за погодных условий и рельефа местности. В алгоритме распознавания отрицательный результат по первому фильтру полностью прекращает распознавание, что недопустимо для задач исследования. Фактически камера никогда не может получить значения коэффициента β более 1. Для корректной работы модели было введено уравнение (2):

(2)

Второй фильтр определяет центр симметрии в зависимости от освещенности. Фильтр действует различно для каждой из пожарных нагрузок. Значение центра симметрии в зависимости от освещенности описывается формулой 3 для бензина и нефти, для сжиженного углеводородного газа – формулой 4, для древесины – формулой 5.

(3)

(4)

(5)

Радиус допуска зависит от освещенности и определяется по следующей формуле:

(6)

Разработанная математическая модель обнаружения пламени с борта беспилотного воздушного судна реализована в программе для ЭВМ «Видеодетектор пламени 2.0 (FD)». Разработанный способ автоматизированного мониторинга линейных объектов нефтегазовой отрасли получила патент на изобретение «Экспресс-способ автоматического распознания пламени с борта беспилотного воздушного судна».


Литература:

1. Степанов Р.А., Белкин Д.С., Перевалов А.С. Перспективы развития и применения беспилотных воздушных судов в МЧС России / Р.А. Степанов, Д.С. Белкин, А.С. Перевалов // Проблемы управления рисками в техносфере. – 2017. – №2(42). – С. 36-43.

2. Вытовтов А.В., Калач А.В., Сазанова А.А., Лебедев Ю.М. К вопросу о создании беспилотных летательных аппаратов / А.В. Вытовтов, А.В. Калач, А.А. Сазанова, Ю.М. Лебедев // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. – 2016. – № 2. – С. 87-91.

3. Вытовтов А.В., Калач А.В., Куликова Т.Н. Алгоритм распознавания пламени с борта беспилотного воздушного судна / А.В. Вытовтов, А.В. Калач, Т.Н. Куликова // Вестник Воронежского института ГПС МЧС России. – 2017. – №3(24). С. 86-90.

4. Русских Д.В., Денисов М.С. Методы определение пламени и задымления с помощью анализа видеоизображения/ Д.В. Русских, М.С. Денисов // В сборнике: Современные методы прикладной математики, теории управления и компьютерных технологий (ПМТУКТ-2013) сборник трудов VI международной конференции. – 2013. – С. 89.

5. Денисов М.С., Кожевин А.С., Чалый Е.С. Распознавание источников открытого огня на ранних стадиях пожара с помощью видеодетектора/ М.С. Денисов, А.С. Кожевин, Е.С. Чалый // Современные технологии обеспечения гражданской обороны и ликвидации последствий чрезвычайных ситуаций. – 2014. – № 1(5). – С. 93-94.

6. Ситников, И. В. Имитационное моделирование площади пожара с применением метода Моне-Карло в рамках интегральной математической модели пожара / И.В. Ситников, К.Г. Кривопуст, А.А. Однолько, С. В. Артыщенко // Инженерные системы и сооружения. – 2012. – № 4 (9). – С. 75-82.

7. Калач А.В., Чудаков А.А. Система контроля затопления населенных пунктов / А.В. Калач, А.А. Чудаков // Системы управления и информационные технологии. – 2014. – Т. 55. – № 1. – С. 69-73.

8. Мазаев А.В., Иванова Ю.В. Особенности технологии изготовления панели двойной кривизны и переменной толщины из композита сиал / А.В. Мазаев, Ю.В. Иванова // Научный вестник Воронежского государственного архитектурно-строительного университета. – Серия: Инновации в строительстве. - 2017. - № 3. С. 76-82.

9. Королев Д.С., Калач А.В., Зенин А.Ю. Важность принятия решений при обеспечении пожарной безопасности / Д.С. Королев, А.В. Калач, А.Ю. Зенин // Вестник Воронежского института ГПС МЧС России. – 2015. – №2(15). – С. 42-46.

Есть что обсудить?
Оставьте комментарий — автор и читатели увидят его в обсуждении.