Традиционные контактные датчики утечки метана имеют малый диапазон обнаружения и низкую эффективность, тогда как алгоритмы машинного зрения, сочетаемые с бесконтактной инфракрасной тепловизионной съемкой, могут реализовывать сегментацию экземпляров метана в инфракрасном диапазоне на большом расстоянии и в широком диапазоне, что значительно повышает эффективность обнаружения метана и обеспечивает безопасность персонала. Однако проблемы, такие как размытые контуры изображений метана на дальнем расстоянии, низкая контрастность утекшего метана с фоном и форма, легко подверженная влиянию атмосферных потоков, ограничивают производительность сегментации экземпляров инфракрасного метана. Для решения этих проблем в статье предложена сетевая модель с адаптивным регулированием пространственной информации и выравниванием признаков (Adaptive spatial information regulation and Feature alignment Network, AFNet) для сегментации инфракрасных изображений утечки метана. Во-первых, для повышения способности модели извлекать признаки предложен адаптивный модуль регулирования пространственной информации, который придает адаптивные веса остаточным блокам различного масштаба в основной сети, обогащая пространство извлекаемых признаков. Во-вторых, построена взвешенная двунаправленная пирамида для устранения рассеивания и потери позиций признаков низкого уровня и информации о краях экземпляров, вызванных нисходящим распространением признаков в пирамиде признаков, чтобы удовлетворить потребности в определении местоположения и сегментации контуров переднего плана при сложных изменениях контура метана. Наконец, разработан модуль выравнивания прототипных признаков для захвата семантических связей между признаками газа на дальнем расстоянии, что обогащает семантическую информацию прототипа, улучшает качество создания масок объектов и повышает точность сегментации газа метана. Экспериментальные результаты показывают, что предложенная модель AFNet достигла количественной точности сегментации AP50@95 и AP50 42,42% и 92,18% соответственно, что на 9,79% и 6,18% выше, чем у исходной модели Yolact, при скорости вывода 36,80 кадров в секунду, что удовлетворяет требованиям по сегментации утечек метана. Результаты подтверждают эффективность и инженерную применимость предлагаемого алгоритма для сегментации инфракрасных изображений утечки метана.

инфракрасный метан;адаптивное регулирование;выравнивание признаков;пирамида признаков;сегментация экземпляров