交城晋阳炉盖上升管图像识别率测试结果分析报告.docVIP

交城晋阳炉盖上升管图像识别率测试结果报告 采样方法：由于晋阳焦化现在的成焦周期在150小时左右，一天出焦在20到30炉之间，如果按照标准的程序来进行采样，那么采1000个样本，需要测试人员分成三个小组分三班用四十天左右的时间来进行测试，太耗时间。另外，晋阳的生产管理相对比较好，其不泄漏的炉盖较多，为了更多的拍摄到泄漏的炉盖图片，在采样时对泄漏的炉盖在不同光线情况或不同的晃动情况下，进行了多次拍摄。对于不泄漏的炉盖也采用了这样的原则。同时由于泄漏的炉盖较少，用人工的方法模拟了一部分泄漏，具体方法是用一小块焦油涂抹在炉盖边沿，在高温的作用下，边沿会出现一缕烟雾。另外由于晋阳的导烟车和我们的摄像装备和摄像工作存在打架的情况，为了防止出现意外，在拍摄时，将摄像装备从装煤楼处向焦炉两端延伸拍摄。 在这种情况下，样本的分布有一定的人为性，也就是说泄漏，不泄漏的数量，各种光线情况下泄漏的采样数量有一定的人为性。这种人为性并不是为了提高或者降低该算法的识别率，只是为了获取各种条件下足够数量的被测样本（实际上从张英俊来说，也并不清楚哪种情况下对本该识别算法能得到更好或者更差的识别率），所以从泄漏率的意义上来说本批样本并不是代表晋阳焦化的实际泄漏率情况。 另外需要说明的是，由于晋阳的焦炉是东西走向，故在背光情况上和阳光情况不同，即使在中午时，其背光情况也比阳光焦化下午背光时的情况要好。故这次拍摄的样本在背光情况的表现方面体现不足。 在拍摄过程中，由于本次采用的补光灯是光敏自动开关灯的，虽然厂家说感光度可调，但本次测试时测试人员未能掌握补光灯的对开灯光线的调节方法，在黄昏使用时，补光灯开的较晚，当时光线已经非常暗，但仍进行了部分拍摄，这部分图片画面非常暗，上面的泄漏烟雾肉眼也不易分辨。在实际工程中，可将此情况下的补光打开，因此这部分数据可以剔除，但为了保证最原始的测试数据，这部分数据未剔除，只在后面做出说明。还一些其他类似应剔除数据也是这样处理（比如对焦过程中拍摄到的图像，炉盖在画面中的大小不合适）。 分析方法：将所有拍摄回的图片按现场情况进行两级分类，第一级按光线情况分为“白天正常光线”“黄昏未开补光灯”“晚上开补光灯”、“”早晨补光灯亮、“早晨日出前补光灯自己关闭后”等几种情况，第二级按泄漏情况分类“漏烟”、“不漏烟”、“漏烟有人经过”、“漏烟有漂浮烟”等多种情况。 在此基础上，将所有数据存入数据库，并由识别算法对所有样本进行依次识别，并将结果写入数据库中。然后对识别结果进行统计。 使用这种方法排除了手工对所有样本识别时可能出现的手工统计错误及识别参数的不一致等可能引入的错误。 统计原则：在本识别算法真实工作时，其最终识别结果只有两种，即泄漏或不泄漏，但在识别过程中为了区分各种识别结果便于调试及改善算法，在识别时，除识别为泄漏，还会根据被识别目标情况，识别为无泄漏、刚性物体（人或其他物体的移动）、背景变化（包括晃动和背景烟雾）。在真实识别过程中这些情况均会作为不泄漏处理，因此在本次分析时也将这三种情况作为不泄漏处理。 测试结果：见后页。 识别率分析，从识别率来看，本算法的误判率稍好一点。但漏判率比较高。从具体原因上来看，误判的38个样本中，有24个是由于被测上升管旁边有其他点源泄漏（其中21个样本是由于74、89两个上升管旁有一个小炉盖在漏烟，另外3个是由于上升管后面的背景中有一个管道在泄漏）。 从现有的算法来看，这种情况不是很好排除。但实际情况中，会出现多少这种情况，不好准确描述。 从漏判率来看，最主要的组成部分由几部分构成： 光线比较暗，44例，在实际工程中基本要保证不出现这种情况，所以这部分数据应该剔除； 背景烟雾，153例，由于在19日时，晋阳焦化，停运了地面站，所以当天摄回的图形中背景烟雾比较多。 晃动，144例。 刚性物体，47例，其中有人活动45例，烟雾浓错判2例。 背光：6例 这几部分的漏判，最主要的原因是，在识别中采取了宁漏判不误判的原则，在做该算法时，多次的技术讨论中，我错误的理解为这个原则是可以接受的，因为在处理背光问题时，张总提出了，在识别时检查背光时间，只要在背光时间内就可不识别，在处理上升管泄漏识别时，提出了只要当前炭化室机侧炉门泄漏就可识别为不泄漏；在处理晃动的问题时，提出只要拍摄时，风速大于某一阈值就可判为不泄漏。在下一步的改进中，将对这个原则进行修正。 这个算法就像一杆称，它有一定的量程，在这个量程内，识别率会比较高，低于这个量程，它的识别率是零。而决定识别率的，就是量程内外样本的分布情况。而下一步改进要做的就是让这个量程更低一些。能识别的样本更多一些。 其中：上升管旁小炉盖泄漏21例（74、89两个小炉盖多次拍摄） 识别为无泄漏252例(86.9%) 识别为泄漏38例 实际不泄漏2