Los sensores tradicionales de detección de fugas de metano por contacto tienen un alcance de detección pequeño y baja eficiencia, mientras que los algoritmos de visión por máquina combinados con imágenes térmicas infrarrojas sin contacto pueden realizar segmentación de instancias de metano infrarrojo a larga distancia y gran escala, lo que tiene ventajas significativas para mejorar la eficiencia de detección de metano y garantizar la seguridad del personal. Sin embargo, los contornos borrosos en imágenes de gas metano a larga distancia, el bajo contraste entre el gas de metano fugado y el fondo, y la forma que se ve fácilmente afectada por factores de flujo atmosférico limitan el rendimiento de la segmentación de instancias de metano infrarrojo. Para estos problemas, este artículo propone un modelo de red de regulación adaptativa de información espacial y alineación de características (Adaptive spatial information regulation and Feature alignment Network, AFNet) para lograr la segmentación de instancias de fugas de metano en imágenes infrarrojas. Primero, para mejorar la capacidad de extracción de características del modelo, se propone un módulo de regulación adaptativa de información espacial que otorga pesos adaptativos a bloques residuales de diferentes escalas en la red principal, enriqueciendo el espacio de características extraídas por el modelo. En segundo lugar, se construyó una pirámide bidireccional ponderada para compensar la dispersión y pérdida de la posición espacial de características de bajo nivel y la información de los bordes de instancias causada por la propagación descendente de características en la pirámide de características, para adaptarse a las necesidades de localización de objetivos en primer plano y segmentación de bordes bajo cambios complejos en el contorno del gas metano. Finalmente, se diseñó un módulo de alineación de características prototipo para capturar las relaciones semánticas entre características de gas a larga distancia, enriqueciendo la cantidad de información semántica del prototipo para mejorar la calidad de la máscara generada y aumentar la precisión de segmentación del gas metano. Los resultados experimentales muestran que el modelo AFNet propuesto logró una precisión cuantitativa de segmentación AP50@95 y AP50 de 42.42% y 92.18% respectivamente, aumentando en 9.79% y 6.18% en comparación con el modelo Yolact original, con una velocidad de inferencia de 36.80 cuadros por segundo, satisfaciendo las necesidades de segmentación de fugas de metano. Los resultados confirman la efectividad y practicidad de este algoritmo para la segmentación de fugas de metano en infrarrojo.

metano infrarrojo;regulación adaptativa;alineación de características;pirámide de características;segmentación de instancias