基于背景纹影测量和特征匹配的高压管道微泄漏检测方法研究

《Applied Sciences》：Study on a High-Pressure Pipeline Micro-Leakage Detection Method Based on Background-Oriented Schlieren Measurement and Feature Matching

　　

复杂高压气体管网中的微泄漏在线检测难以通过常规方法实现。为解决此问题，研究人员提出了一种基于背景纹影测量（BOS）和特征匹配的高压管道微泄漏检测方法。通过BOS测量，利用互相关计算和泊松方程求解重建泄漏场的密度分布，并将其与特定工况下的数值模拟结果进行比较。通过比较不同实验条件下的密度场，揭示了不同泄漏压力下射流场的形态特征。随后，研究人员将位移场数据压缩为一维特征表示，用于泄漏场特征的结构导向匹配，并引入时间平滑和双阈值滞回策略以提高匹配鲁棒性。结果表明，峰值密度误差保持在10%以下，表明背景纹影测量与数值模拟之间具有良好的一致性。同时，一维特征曲线在保留泄漏场主导特征的同时加速了计算。所提出的框架实现了ROC曲线下面积（AUC）为0.992，平均精度（AP）为0.998。在选定阈值0.650下，综合评估指标达到0.972，反映了灵敏度和可靠性之间的良好平衡。此外，时间稳定策略改善了报警连续性并抑制了检测过程中的抖动。

**论文解读文章**

**研究背景、问题与意义**
高压管道在能源系统和工业设备中是关键基础设施，用于输送氢气、氨气、易燃油品及高温高压蒸汽等高风险介质。长期暴露于高温、高压、腐蚀环境及机械振动下，管道密封失效、焊缝开裂或阀门老化等导致介质泄漏的风险不可避免。一旦发生泄漏，不仅造成化学污染，还可能引发燃烧或爆炸事故，危及人员安全和设备完整性。传统泄漏检测方法主要依赖人工巡检和传感器部署，前者无法及时定位泄漏源，后者（如压力、流量、气体浓度传感器）在复杂设施或大规模管网中部署成本高、维护困难，且在微泄漏早期信号变化微弱，易漏检或响应滞后。此外，结构复杂环境中的泄漏扩散路径受局部流场和空间遮挡影响明显，点监测方法难以准确反映空间分布特征。因此，亟需开发非接触、大范围、高灵敏度的新型监测方法。光学测量技术，特别是背景纹影测量（BOS），凭借高响应速度、高灵敏度、强抗干扰能力和长检测距离等优势，成为管道泄漏检测的有力候选。但传统纹影测量受限于昂贵光学元件和光路对准困难，而BOS克服了这些限制。现有基于图像检测和流场特征识别的方法虽取得进展，但多数仍依赖单一物理信号或静态指标，在弱泄漏和复杂背景条件下在线决策的鲁棒性有待提高。为此，研究人员提出了一种基于BOS测量和特征匹配的高压管道微泄漏检测方法。该研究发表在《Applied Sciences》。

**主要关键的技术方法**
研究人员构建了基于BOS原理的微泄漏检测实验平台，使用Nikon D7100相机、平面LED光源和随机点背景板，设定光学参数（Z_D=500 mm，Z_A=100 mm，焦距70 mm，光圈f/8）以获取高信噪比数据。通过互相关计算提取无泄漏与有泄漏图像间的位移场，在近轴近似下建立泊松方程求解折射率分布，再通过Gladstone–Dale关系转换为密度场。随后，将位移场数据压缩为一维特征向量，基于归一化互相关（NCC）进行模板匹配，并引入指数移动平均（EMA）平滑和双阈值滞回策略（激活阈值τ_on=0.650，释放阈值τ_off=0.600）实现稳定报警。样本来源为独立采集的两组实验数据，其中一组构建参考库，另一组作为独立测试序列。

**研究结果**
**3.1 图像处理方法验证与分析**
以1.2 MPa代表性工况验证BOS方法有效性。通过互相关计算、泊松方程求解和Gladstone–Dale关系重建折射率场和密度场，成功识别出射流边界及内部结构。与数值模拟（Fluent 2022 R2，RANS模型，二维轴对称，泄漏孔径0.5 mm）对比，在泄漏孔下游5、10、15 mm处横向采样，峰值密度误差分别为9.8%、0%和3.7%，表明BOS重建有效再现了泄漏射流高密度区域的主导密度响应。但可检测高密度区域宽度误差较大（38.1%~42.3%），归因于单视角BOS的视线投影积分、互相关窗口空间平均及有限景深导致的几何散焦模糊。进一步提取全压力范围（0.2~2.0 MPa）中心线峰值密度，BOS重建与数值模拟的随压力变化趋势高度一致，最大绝对偏差为0.5688 kg/m³，验证了方法在全压力范围对主导密度响应的有效捕捉。

**3.2 数据比较与特征提取**
不同泄漏压力下密度场形态各异。低压力区（0.2~0.8 MPa）为面积扩张区，射流边界随压力增大而扩张，主射流核心与外围羽流结构逐渐清晰；高压力区（1.0~2.0 MPa）为密度增强区，射流边界尺寸相对稳定，但中心密度逐渐增大，边界梯度变陡。提取密度超过环境空气密度50%的高密度特征点数量，在面积扩张区数量显著增加，在密度增强区数量继续增加但增长率降低，验证了压力主导特征从面积扩张到密度增强的转变。该方法对不同压力条件具有良好适应性和可重复性。

**3.3 特征识别结果**
将BOS位移场压缩为一维特征曲线，该曲线保留羽流核心主导峰值、下游衰减段及弱扰动背景段，具有明确物理意义。泄漏特征曲线与基线曲线在峰值出现位置、宽度、衰减行为及谷值分布上存在明显结构差异，而非仅依赖局部幅度变化。基于NCC的模板匹配和EMA平滑将这种分离转化为报警输出。

**3.4 检测性能与决策稳定性**
在独立测试序列上，ROC分析得AUC为0.992，精确率-召回率分析得AP为0.998，在τ_on=0.650时综合评估得分为0.972。阈值敏感性分析显示，上阈值在0.60~0.75范围内无虚警帧且仅两次状态转换，选定0.650/0.600对实现泄漏帧报警覆盖率为0.932。时间序列显示，平滑抑制了短时波动，滞回策略防止了阈值带内状态快速反转。最佳匹配轨迹显示，在粗粒度三区（低、中、高）模板间持续分配，支持基于一维特征的粗状态区分。

**3.5 监测适用性与局限性**
在稳定非报警和报警时段引入短时随机强度波动和局部背景运动干扰，结果显示原始NCC得分受影响但平滑后得分变化微小，且未改变报警状态，体现了归一化NCC、帧平均、空间压缩、EMA平滑和滞回策略的联合稳定性。但BOS监测仍依赖可见且对比度足够的背景及稳定光学配置，严重非均匀光照、饱和、散焦、持续相机运动、大范围背景移动或密集粉尘等条件可能削弱相关性峰值，需重新校准和验证。此外，监测距离、管道几何形状、气体成分及极端压力条件也会影响性能。

**总结讨论与结论**
讨论部分指出，本方法通过多阶段处理（归一化NCC、帧平均、空间压缩、EMA平滑、双阈值滞回）实现了对短时干扰的鲁棒性，但未消除物理干扰本身，且需在任意干扰条件下验证。实际应用中需注意背景可见性、光学配置稳定性及安装变化后的重新校准。
研究结论部分翻译如下：
本研究提出了一种基于背景纹影测量（BOS）和特征匹配的高压管道微泄漏检测方法。通过结合BOS泄漏流场可视化、位移场一维压缩和特征匹配，建立了从流场测量到微泄漏检测的完整流程。主要结论如下：基于BOS技术重建了泄漏场密度分布，与数值模拟结果相比峰值密度误差保持在10%以内。原始图像中难以区分的微泄漏扰动被准确转换为具有明确物理意义的二维数据表示。基于BOS密度场图像，揭示了不同泄漏压力下泄漏主导特征从面积扩张区到密度增强区的转变。在此基础上，进一步将位移场压缩为一维表示，并引入基于归一化互相关的匹配、时间平滑和双阈值滞回决策，实现了微泄漏场的稳定检测。将固定特征库应用于独立测试实验，AUC达0.992，AP达0.998，在τ_on=0.650时综合评估得分为0.972。这些结果支持了测试条件下的泄漏状态监测和粗略三区匹配。压力、温度或泄漏强度的定量反演需要单独的校准和额外的热力学信息。