红外相机检测甲烷气体排放-Machine Vision for Natural Gas Methane Emissions Detection Using an Infrared Camera

论文地址：https://arxiv.org/pdf/1904.08500.pdf

摘要

在一个气候限制的世界中，它是非常重要的去减少天然气甲烷排放，能够潜在的抵消气候受益在替代煤使用气。视觉气体图像（OGI）广泛使用的方法去检测甲烷泄漏，但是劳动密集型和不能提供泄漏检测结果在没有技术的判断。在这篇文章中，我们发展了一个计算视觉方法来对基于OGI泄漏检测，使用卷积神经网络，训练甲烷泄漏图像去能够自动检测。首先，我们收集~1M帧的标签视频的甲烷泄漏从不同的泄漏需要对于训练，证明和测试CNN模型，包含一个广泛的范围在泄漏大小（5.3-2051.6CH4/h）以及图像距离（4.6-15.6m）。第二，我们检查不同背景分割方法来提取甲烷气流在前景中。第三，我们然后测试3层CNN模型。准确地叫做GasNet，来检测气流在视频中其它泄漏需要。我们估计这个GasNet性能检测泄漏对比基准的方法使用光流基础变化的检测算法。

展示五个不同大小的泄漏

GasNet-2深度卷积网络框架图

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料