当前位置: 首页 > news >正文

专为石油和天然气检测而开发的基于无人机的OGI相机

专为石油和天然气检测而开发的基于无人机的OGI相机

基于无人机的 OGI 相机:(Optical Gas Imaging,光学气体成像)其实是近几年油气、电力、化工等行业里非常热门的应用方向。

什么是 OGI 相机

  • OGI(Optical Gas Imaging):利用红外成像原理,对特定气体(如甲烷、挥发性有机物 VOCs、六氟化硫 SF₆ 等)进行可视化成像。

  • 工作原理:相机通常采用 中红外(Mid-wave Infrared, MWIR, 3–5 μm) 或 长红外(LWIR, 8–12 μm) 光谱段,配合滤光片,能检测气体吸收红外光后产生的影像差异。

为什么结合无人机

  1. 高危区域:油田、化工厂、管道线路往往危险或难以接近,无人机可以远程巡检。

  2. 效率提升:无人机可以在较短时间内覆盖数公里输气管线或大面积工厂。

  3. 安全合规:很多国家的碳排放监管要求(EPA、欧盟 Methane Regulation)鼓励无人机 + OGI 来做甲烷泄漏检测。

  4. 自动化:结合 AI 识别和定位算法,可以做到“发现泄漏 → 定位 → 报警”。

技术难点

  • 重量与平台匹配:OGI 相机价格高、体积大,早期 GF320(约 2.4kg)只能挂载在大型无人机(如 DJI M600)。

  • 稳定性要求:对红外成像要求极高,云台要保证 ±0.01° 精度,避免画面抖动。

  • 气体检测灵敏度:需要考虑环境背景温差、风速、湿度,影响检测效果。

  • 实时处理:红外视频需要边飞边处理,有时需要搭配机载 GPU(如 Jetson 系列)。

应用场景

  1. 油气管道巡检:甲烷泄漏检测(常见)。

  2. 炼化厂 / 化工园区:VOCs 监测,防止爆炸或环境污染。

  3. 电力行业:六氟化硫(SF₆)检测(用于 GIS 开关设备)。

  4. 环保监管:碳排放核查。

图片

MFE Inspection Solutions 开发了 MFE Detect LW,这是一款长波、非制冷 OGI 摄像机,可由无人机携带,并符合 EPA 40 CFR 第 60 部分附录 K 的要求,属于 OOOOa、b 和 c 的一部分。

典型的光学气体成像 (OGI) 相机价格昂贵,如果用户需要一台符合 EPA 40 CFR 第 60 部分附录 K 要求(包括 Quad OA)的相机,价格会更高,而且选择有限。

此外,大多数OGI相机只能在地面上使用。这意味着它们只能捕获约80%的所需数据,因为20%的数据位于视线水平或更高的地方。

MFE Detect LW 的设计初衷是为了解决这些挑战,它是一款长波、非制冷 OGI 相机,其特点是:

  • 符合 EPA 40 CFR 第 60 部分附录 K 的要求
  • 可由无人机携带(DJI 的 Matrice 300 和 350)
  • 创建时考虑到了实惠的价格
  • 配备人工智能软件,可识别 OGI 影像中的泄漏

图片

DJI 合作伙伴关系

MFE Inspection Solutions 多年来一直致力于 Detect LW 的研发。2020 年,该公司与大疆合作推出了一款兼容无人机的 OGI 相机,使油气作业人员能够从空中收集光学气体数据,而无需使用昂贵的载人飞机或脚手架。

Sierra Olympia 合作

MFE Inspection Solutions 还与Sierra Olympia合作开发了一种低成本解决方案,以满足 EPA 的 40 CFR 第 60 部分附录 K 的要求。

通过与 Sierra Olympia 密切合作,该公司成功开发出 Detect LW 中的长波非制冷传感器,据报道这是同类产品中第一款专门用于甲烷检测的符合 Quad OA 标准的传感器。

图片

现场测试

Detect LW 与雪佛龙的 BakerRisk Testing 合作通过了 67 项现场测试,收集了高质量的数据,使检查人员能够发现 300 英尺处的 19 克/小时泄漏和 5 千克/小时泄漏,以及其他数十种泄漏。

自动泄漏检测人工智能软件

MFE 开发了一款人工智能泄漏检测软件,帮助企业满足美国环保署 (EPA) 的要求。该软件可自动执行泄漏检测,使企业能够自动分析其 OGI 数据。

检查人员只需使用 OGI 摄像机捕捉视频,然后软件就会对其进行分析并帮助发现潜在的泄漏。

该软件完全与硬件无关,这意味着用户可以将该软件与任何 OGI 相机的数据一起使用,而不仅仅是 Detect LW。

图片

图片


文章转载自:

http://qyN8Bm9d.kgLtb.cn
http://mU1s0ZiQ.kgLtb.cn
http://pEE0WG9p.kgLtb.cn
http://hyjy2CbR.kgLtb.cn
http://j4WNRmlf.kgLtb.cn
http://UCT9yzmn.kgLtb.cn
http://tSvSoZR5.kgLtb.cn
http://3Du7zqot.kgLtb.cn
http://g6sUdtS5.kgLtb.cn
http://KkfBLsdC.kgLtb.cn
http://mFIzRShK.kgLtb.cn
http://26TaqZNy.kgLtb.cn
http://dwIPxCW1.kgLtb.cn
http://moD2edTN.kgLtb.cn
http://tO8HvIiz.kgLtb.cn
http://f5yEUNd9.kgLtb.cn
http://41nRDB9e.kgLtb.cn
http://A4GqQVDf.kgLtb.cn
http://NcaROBYd.kgLtb.cn
http://1Xdwmipi.kgLtb.cn
http://Dcynhww8.kgLtb.cn
http://EK9WkXNp.kgLtb.cn
http://k5DbmR6E.kgLtb.cn
http://fK9NKXbq.kgLtb.cn
http://g7Vb3Jsx.kgLtb.cn
http://qlkVU2mM.kgLtb.cn
http://CDc0Xt8V.kgLtb.cn
http://Sx9rEG1n.kgLtb.cn
http://IyDDvAp7.kgLtb.cn
http://xMKnRE16.kgLtb.cn
http://www.dtcms.com/a/373766.html

相关文章:

  • pytest(2):测试用例查找原理详解(从默认规则到高级钩子定制)
  • Java 服务接口中解决跨域(CORS,Cross-Origin Resource Sharing)问题
  • 【VLNs篇】09:NavA³—理解任意指令,导航任意地点,找到任意物体
  • JS实现丝滑文字滚动
  • 小程序获取手机号完整流程 弹出框获取电话号码
  • Claude API 到智谱 API 迁移全流程教程(含兼容性对比)
  • 玩转Docker | 使用Docker部署Umbrel操作系统
  • 一客一策:Data Agent 如何重构大模型时代的智能营销
  • 一次用户请求的网络之旅
  • Java 泛型知识点
  • 天硕工业级SSD固态硬盘凭什么寿命更长?
  • IntelliJ IDEA 2023更新git凭据
  • 中小企业SAP B1 HANA部署全解析:成本与云端优势
  • pymodbus启动一个简单的modbus tcp client
  • 5G边缘计算:重构物联网开发新范式
  • CentOS操作系统虚拟机安装以及连接工具下载和远程连接工具远程连接
  • 计算机视觉案例分析之银行卡号识别
  • 【motion】音乐节奏特征:bpm与舞蹈的适配性
  • Spark 核心原理:RDD, DataFrame, DataSet 的深度解析
  • 三轴云台之电子换向技术篇
  • gradient_accumulation_steps的含义
  • 经典视觉跟踪算法的MATLAB实现
  • 编译器构造:从零手写汇编与反汇编程序(一)
  • 【Ubuntu20.04 + VS code 1.103.2 最新版,中文输入法失效】
  • 【开题答辩全过程】以 基于Python的北城公务用车系统设计与实现_为例,包含答辩的问题和答案
  • Proximal SFT:用PPO强化学习机制优化SFT,让大模型训练更稳定
  • 2025年Q3 GEO优化供应商技术能力评估与行业应用指南
  • 25上半年软考网工备考心得
  • XPath:从入门到能用
  • Kotlin协程 -> Job.join() 完整流程图与核心源码分析