本發(fā)明涉及一種基于圖像融合分析的多源壓力設(shè)備安全監(jiān)測(cè)系統(tǒng)，屬于工業(yè)設(shè)備安全監(jiān)測(cè)。

背景技術(shù)：

1、當(dāng)前該領(lǐng)域普遍采用基于圖像特征提取的物理量化監(jiān)測(cè)方式，即通過(guò)高精度圖像傳感器捕捉設(shè)備表面的幾何形變或紋理變化，將其轉(zhuǎn)化為微米級(jí)位移或裂紋長(zhǎng)度等物理參數(shù)進(jìn)行閾值報(bào)警，此類方法在化工儲(chǔ)運(yùn)、能源管道等場(chǎng)景部署時(shí)，常面臨根本性局限：其技術(shù)邏輯依賴對(duì)顯性物理缺陷的識(shí)別，而設(shè)備失效早期的應(yīng)力集中往往僅表現(xiàn)為表面像素集群動(dòng)態(tài)響應(yīng)模式的統(tǒng)計(jì)性漂移，此類微弱信號(hào)在復(fù)雜工業(yè)環(huán)境噪聲下難以被有效分離；為提高信噪比而引入的多源數(shù)據(jù)融合方案，如紅外測(cè)溫與視覺(jué)疊加，多采用數(shù)學(xué)加權(quán)平均或特征級(jí)拼接，在電弧閃光、粉塵干擾等極端工況下易因數(shù)據(jù)時(shí)空失準(zhǔn)引發(fā)誤判。

2、值得注意的是，隨著工業(yè)現(xiàn)場(chǎng)對(duì)隱性風(fēng)險(xiǎn)預(yù)警需求的升級(jí)，現(xiàn)有技術(shù)體系暴露更深層矛盾：當(dāng)嘗試通過(guò)提升圖像分辨率或算法復(fù)雜度來(lái)捕捉早期模式異常時(shí)，系統(tǒng)反而因計(jì)算負(fù)載激增而喪失實(shí)時(shí)性；而簡(jiǎn)單增加紅外傳感器精度雖可定位溫升區(qū)域，卻無(wú)法解釋視覺(jué)動(dòng)態(tài)失穩(wěn)但溫度分布正常的偽異常案例，業(yè)界近年探索的聲振輔助方案雖能觸發(fā)事件監(jiān)測(cè)，但其振動(dòng)信號(hào)與視覺(jué)動(dòng)態(tài)的物理關(guān)聯(lián)模型尚未建立，導(dǎo)致決策鏈條斷裂。

3、具體而言，現(xiàn)有技術(shù)主要存在以下瓶頸：1、對(duì)設(shè)備表面像素集群在壓力循環(huán)中形成的動(dòng)態(tài)穩(wěn)態(tài)缺乏建模能力，無(wú)法量化其統(tǒng)計(jì)穩(wěn)定性漂移這類早期失效征兆；2、視覺(jué)、熱力學(xué)、聲振數(shù)據(jù)的邏輯耦合僅停留在數(shù)據(jù)疊加層面，未構(gòu)建基于物理常識(shí)的跨模態(tài)互證機(jī)制；3、全局光照突變等常見(jiàn)干擾會(huì)直接污染視覺(jué)分析結(jié)果，且系統(tǒng)缺乏在傳感器瞬時(shí)失效時(shí)的決策連續(xù)性保障。因此，如何在強(qiáng)噪聲環(huán)境下實(shí)現(xiàn)設(shè)備表面動(dòng)態(tài)模式穩(wěn)定性的在線評(píng)估，并通過(guò)多模態(tài)邏輯仲裁建立高置信預(yù)警機(jī)制，成為本發(fā)明所要解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于圖像融合分析的多源壓力設(shè)備安全監(jiān)測(cè)系統(tǒng)，其主要目的在于解決當(dāng)前壓力設(shè)備安全監(jiān)測(cè)技術(shù)在強(qiáng)噪聲工業(yè)環(huán)境下，無(wú)法對(duì)早期隱性風(fēng)險(xiǎn)進(jìn)行高置信度預(yù)警的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于圖像融合分析的多源壓力設(shè)備安全監(jiān)測(cè)系統(tǒng)，其特征在于，包括：

3、圖像采集模塊，配置為在壓力設(shè)備的一個(gè)完整工作循環(huán)內(nèi)，采集壓力設(shè)備的基線圖像序列；以及在持續(xù)監(jiān)測(cè)中，實(shí)時(shí)采集壓力設(shè)備的實(shí)時(shí)圖像序列；

4、基線分析模塊，配置為將基線圖像序列的視野劃分為多個(gè)圖像區(qū)塊，并對(duì)每個(gè)圖像區(qū)塊，提取其像素亮度均值隨時(shí)間變化的基線時(shí)間序列；

5、實(shí)時(shí)分析模塊，配置為將實(shí)時(shí)圖像序列的視野以與基線圖像序列相同的方式劃分為多個(gè)圖像區(qū)塊，并對(duì)每個(gè)圖像區(qū)塊，提取其像素亮度均值隨時(shí)間變化的實(shí)時(shí)時(shí)間序列；

6、失配度計(jì)算模塊，配置為針對(duì)每個(gè)圖像區(qū)塊，基于實(shí)時(shí)時(shí)間序列與基線時(shí)間序列之間的時(shí)間序列相似度，通過(guò)以下方式計(jì)算一個(gè)失配度值，其中，表示實(shí)時(shí)時(shí)間序列在時(shí)刻的像素亮度均值，表示基線時(shí)間序列在時(shí)刻的像素亮度均值，表示實(shí)時(shí)時(shí)間序列的平均值，表示基線時(shí)間序列的平均值，表示時(shí)間序列的采樣點(diǎn)數(shù)量；并根據(jù)所有圖像區(qū)塊的失配度值，生成一張失配度空間分布圖；

7、溫度采集模塊，配置為采集壓力設(shè)備的低分辨率溫度分布數(shù)據(jù)；

8、預(yù)警判斷模塊，配置為當(dāng)失配度空間分布圖中出現(xiàn)一個(gè)在空間上連續(xù)且在時(shí)間上持續(xù)存在等于或超過(guò)預(yù)設(shè)時(shí)長(zhǎng)的異常區(qū)域，并且異常區(qū)域在空間上與溫度分布數(shù)據(jù)中持續(xù)存在且溫度高于其鄰近區(qū)域的溫升區(qū)域相重合時(shí)，輸出高置信度預(yù)警信息；預(yù)警判斷模塊還配置為，當(dāng)圖像采集模塊檢測(cè)到實(shí)時(shí)圖像序列的全局亮度統(tǒng)計(jì)特征與基線圖像序列的全局亮度統(tǒng)計(jì)特征之間的差值超過(guò)第一預(yù)設(shè)亮度差閾值，并且溫度采集模塊在同一時(shí)刻采集到的溫度分布數(shù)據(jù)與其前一時(shí)刻或正常工作狀態(tài)下的溫度分布數(shù)據(jù)相比未發(fā)生超過(guò)第二預(yù)設(shè)溫度差閾值的相應(yīng)變化時(shí)，判定系統(tǒng)進(jìn)入光學(xué)干擾狀態(tài)，并暫時(shí)掛起基于失配度空間分布圖的預(yù)警邏輯。

9、優(yōu)選的，系統(tǒng)還包括：聲振采集模塊，配置為持續(xù)監(jiān)測(cè)壓力設(shè)備的聲振信號(hào)強(qiáng)度，當(dāng)聲振信號(hào)強(qiáng)度達(dá)到或超過(guò)預(yù)設(shè)聲振強(qiáng)度閾值時(shí)，向圖像采集模塊和失配度計(jì)算模塊發(fā)送喚醒指令，使系統(tǒng)從休眠模式進(jìn)入工作模式，并在聲振信號(hào)強(qiáng)度低于預(yù)設(shè)聲振強(qiáng)度閾值且持續(xù)預(yù)設(shè)時(shí)長(zhǎng)時(shí)，使系統(tǒng)自動(dòng)返回休眠模式。

10、優(yōu)選的，失配度計(jì)算模塊配置為采用動(dòng)態(tài)時(shí)間規(guī)整算法或互相關(guān)函數(shù)計(jì)算時(shí)間序列相似度。

11、優(yōu)選的，基線分析模塊配置為周期性地自動(dòng)更新基線時(shí)間序列，以適應(yīng)壓力設(shè)備表面的長(zhǎng)期緩慢變化。

12、優(yōu)選的，預(yù)警判斷模塊還配置為在輸出高置信度預(yù)警信息前，對(duì)失配度空間分布圖上的異常區(qū)域，通過(guò)判斷其溫度是否在一個(gè)預(yù)設(shè)時(shí)間段內(nèi)持續(xù)升溫并滿足預(yù)設(shè)溫升速率或預(yù)設(shè)溫升量的判定條件，進(jìn)行二次熱力學(xué)仲裁，僅當(dāng)確認(rèn)滿足持續(xù)升溫判定條件時(shí)，才輸出高置信度預(yù)警信息。

13、優(yōu)選的，圖像采集模塊配置為工業(yè)攝像頭，用于記錄像素亮度變化，溫度采集模塊配置為紅外陣列傳感器，用于為視覺(jué)異常提供邏輯上的置信度加權(quán)。

14、優(yōu)選的，失配度計(jì)算模塊配置為邊緣計(jì)算單元，用于一維時(shí)間序列比較。

15、優(yōu)選的，預(yù)警判斷模塊配置為，在判定系統(tǒng)進(jìn)入光學(xué)干擾狀態(tài)時(shí)，暫?；谑涠瓤臻g分布圖的預(yù)警邏輯，并激活一個(gè)臨時(shí)的聲振-熱力關(guān)聯(lián)模型，在該模型下，當(dāng)聲振采集模塊檢測(cè)到聲振信號(hào)強(qiáng)度波動(dòng)幅度超過(guò)第三預(yù)設(shè)聲振波動(dòng)閾值，并且溫度采集模塊檢測(cè)到溫度分布變化量超過(guò)第四預(yù)設(shè)溫度異常閾值時(shí)，則發(fā)出警報(bào)。

16、優(yōu)選的，系統(tǒng)還包括：熱激勵(lì)模塊，配置為周期性地控制一熱激勵(lì)源，對(duì)壓力設(shè)備的預(yù)定區(qū)域施加一個(gè)標(biāo)準(zhǔn)化熱脈沖；以及溫度采集模塊還配置為監(jiān)測(cè)預(yù)定區(qū)域在熱脈沖作用后的溫度衰減特性，以反演出該區(qū)域的材料疲勞狀態(tài)；預(yù)警判斷模塊還配置為根據(jù)材料疲勞狀態(tài)，對(duì)失配度空間分布圖中的風(fēng)險(xiǎn)等級(jí)進(jìn)行加權(quán)。

17、優(yōu)選的，溫度采集模塊通過(guò)分析溫度衰減特性曲線的熱衰減時(shí)間常數(shù)，表征材料的熱擴(kuò)散速率；其中，熱衰減時(shí)間常數(shù)的延長(zhǎng)指示材料的疲勞程度加劇，并通過(guò)將其與一個(gè)預(yù)設(shè)健康基線時(shí)間常數(shù)進(jìn)行比較，從而量化材料疲勞狀態(tài)。

18、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果是：

19、1、系統(tǒng)通過(guò)捕捉壓力設(shè)備完整工作循環(huán)中的像素亮度時(shí)序變化，形成表征設(shè)備健康狀態(tài)的呼吸模式基線，這種基于設(shè)備自身動(dòng)態(tài)特性構(gòu)建的無(wú)監(jiān)督學(xué)習(xí)機(jī)制，使得系統(tǒng)能夠感知局部區(qū)域時(shí)序模式的微小失配，將傳統(tǒng)監(jiān)測(cè)中難以量化的動(dòng)態(tài)穩(wěn)定性漂移轉(zhuǎn)化為可計(jì)算的失配度空間分布，從而在物理形變特征顯現(xiàn)前識(shí)別早期異常萌芽；當(dāng)視覺(jué)動(dòng)態(tài)分析檢測(cè)到時(shí)空連續(xù)的異常區(qū)域時(shí)，系統(tǒng)并非直接觸發(fā)警報(bào)，而是要求該區(qū)域必須與紅外溫度場(chǎng)中的持續(xù)性溫升區(qū)域空間重合，這種基于物理常識(shí)的多模態(tài)互證機(jī)制，使得光照干擾導(dǎo)致的視覺(jué)偽影或局部環(huán)境溫變均無(wú)法單獨(dú)觸發(fā)誤報(bào)，僅當(dāng)視覺(jué)與熱力學(xué)異常形成邏輯共識(shí)時(shí)，系統(tǒng)才輸出高置信度預(yù)警，從而解決了復(fù)雜工業(yè)場(chǎng)景下的虛警難題。

20、2、聲振傳感器作為超低功耗的狀態(tài)哨兵，僅在檢測(cè)到設(shè)備工況變化時(shí)喚醒高耗能視覺(jué)分析模塊，這種事件驅(qū)動(dòng)的按需監(jiān)測(cè)機(jī)制，既避免了靜態(tài)工況下的無(wú)效數(shù)據(jù)處理，又將核心算力集中于設(shè)備狀態(tài)最可能演變的窗口期，在降低95%以上能耗的同時(shí)，反而因聚焦關(guān)鍵時(shí)段而提升了異常識(shí)別的信噪比；當(dāng)全局亮度突變而溫度場(chǎng)保持穩(wěn)定時(shí)，系統(tǒng)自動(dòng)判定為光學(xué)瞬態(tài)污染，并暫時(shí)掛起視覺(jué)分析邏輯，此時(shí)通過(guò)激活聲振-熱力關(guān)聯(lián)模型，在攝像頭短暫失效期間仍能維持基礎(chǔ)監(jiān)控能力，這種基于物理量突變邏輯反證的自我診斷機(jī)制，使系統(tǒng)在電弧閃光等強(qiáng)干擾下具備抗脆弱性，確保監(jiān)測(cè)邏輯的連續(xù)性。

21、3、系統(tǒng)周期性向關(guān)鍵區(qū)域施加標(biāo)準(zhǔn)化熱脈沖，通過(guò)分析其溫度衰減特性反演材料熱擴(kuò)散速率，將所得疲勞狀態(tài)數(shù)據(jù)作為權(quán)重因子融入視覺(jué)失配度分析，使得同一視覺(jué)異常在材料疲勞區(qū)域的風(fēng)險(xiǎn)等級(jí)顯著提升，這種主動(dòng)探測(cè)與被動(dòng)監(jiān)測(cè)的閉環(huán)耦合，實(shí)現(xiàn)了對(duì)無(wú)視覺(jué)征兆但已近失效臨界的隱性風(fēng)險(xiǎn)評(píng)估。