主页 > 热点资讯 >气体洩漏影像自动辨识技术,工厂管线抓漏的好帮手 >


气体洩漏影像自动辨识技术,工厂管线抓漏的好帮手

  • 2020-07-19
  • 244人已阅读
气体洩漏影像自动辨识技术,工厂管线抓漏的好帮手

化工厂管线气体外洩,电脑看得到!工研院成功开发「气体洩漏影像自动辨识技术」,运用全球首创的「管线洩漏智慧侦测辨识软体」,强化影像辨识技术,让演算法自动侦测判别气体外洩,弥补传统人工侦测辨识率不足的问题,大幅提升厂房与公共安全,因而获 2018 全球百大科技研发奖入围殊荣。

高雄气爆事件引发台湾社会对管线气体洩漏的重视。不仅台湾,世界各国都曾因管线洩漏引发的火灾、爆炸,造成严重的生命、财产损失;根据美国运输部油管及有害物质安全总署(Pipeline and Hazardous Materials Safety Administration;PHMSA)统计,在过去 20 年,美国共发生近千件管线事故,造成数百人死亡、上千人受伤,足见气体洩漏为害之大。

由于大多数工业用管线甚长,且阀件数量庞大,目前尚无法进行长期、高效率的监测;现下普遍的监测方式,就是以红外线热影像或单点抽气式机器扫描,辅以人工巡查,检测管线是否洩露出易燃、易爆或是有毒气体。只是,若要巡查製造业厂房管线,以国内某石化园区来说,厂区内阀件数高达约 200 多万个,要完成整个厂区的检测,不仅旷日废时且耗费人力甚鉅,小洩漏更常被忽略而产生重大问题。

结合无人机检测 辨识速度快又準

以一座有 10 万个阀件的小型工厂为例,如果以人工揹着单点抽气式机器检测,需耗费约 500 个工作日,才能完成整区检测。若以人工使用红外线热像仪进行检测,则因人眼易疲劳导致辨识率欠佳,且检测至少也得花上约数 10 个工作日,效率仍不甚理想。

工研院绿能与环境研究所资深工程师赵浩廷表示,为解决检测气体洩漏效率不彰的问题,工研院研发「气体洩漏影像自动辨识技术」,希望成为管线监测的主流技术,「我们採用辨识演算法、机器学习等 AI 分析技术,打破传统管线洩漏侦测技术的应用限制,不仅速度更快,辨识率亦大幅提升,既可节省可观的人力成本,还可增加管线的安全性。」

「无论是人工揹抽气式机器或用红外线热像仪检查,因检测效率低,检查到后面的管线时,前面管线可能已发生新的洩漏。」赵浩廷表示,若将气体洩漏影像自动辨识技术结合现有的红外线热像仪,根据洩漏程度的不同,自动辨识率可达 85% 至 97%;更可结合厂区轨道、无人机等方式自动巡检,不仅节省了可观的人力、时间,也大幅降低管线洩漏引发灾祸的频率。

气体洩漏影像自动辨识技术,工厂管线抓漏的好帮手 当「气体洩漏影像自动辨识技术」结合无人机,不仅弥补传统人工侦测辨识率不足的问题,也大幅降低管线洩漏引发灾祸的频率。

活用 AI 提升侦测辨识率

赵浩廷解释,气体洩漏影像自动辨识技术的优势,在于「影像稳定」与「影像强化演算法」两大技术,能改善人工辨识率不足问题,强化微小气体可视性与移动辨识之稳定性,即使是每小时洩漏 1 公克的微小气体洩漏,也能看得出来。搭配「机器学习动态影像分析辨识演算法」,强化侦测灵敏度。

堪称全球首创的「管线洩漏智慧侦测辨识软体」,内含「影像稳定与影像强化演算法」以及「机器学习与动态影像分析辨识演算法」,是研究团队的结晶。除归纳外洩气体的影像型态,强化影像以利辨识,也建立大量之气体洩漏影像资料库进行机器学习,提升辨识率、减少误判,是提高检测效率的关键。「手持移动侦测是影像辨识很大的挑战。」赵浩廷解释,这套系统是靠洩漏气体的特徵进行辨识,但移动中的环境过于複杂,且洩漏气体没有固定线条与形状,特徵比较不明显,需加入影像时间序的分析,以提升系统强健性。

整合扩充性佳 节省建置成本

气体洩漏影像自动辨识技术还可以支援目前普遍用于侦测气体洩漏的各厂牌红外线热像仪,厂商无须更换检测设备,大幅提升企业主的添购意愿,有助于提升现有红外线热像仪检测的準确度与速度。赵浩廷表示,该技术现将进入化工厂实测,之后,再针对之前未发现的问题进行调整,就可进入商业化阶段。」

赵浩廷透露,目前已与化工、光电大厂洽谈合作,在可见的未来,气体洩漏影像自动辨识技术,将可广泛应用于与化学相关的产业,包括化工、电子、油气等高危险性产业,成为全球製造业提升工安层次的一大利器!