Utveckling av ett lärande system för detektion och identifiering av gas i IR-bilder

FLIR Systems termografidivision utvecklar och tillverkar IR-kameror (värmekameror) för civilt bruk. IR-kameror används för inspektion och övervakning inom ett stort antal områden. Exempel på användningsområden är övervakning av tillverkningsprocesser, inspektion av elinstallationer och kontroll av byggnader. Marknaden för IR-kameror växer kraftigt och nya användningsområden tillkommer. Ett mycket viktigt användningsområde som nu börjar ta form är detektion av gasläckor av olika slag. Ofta handlar det om detektion av farliga gaser som inte får släppas ut i luften. Med IR-kameran kan små koncentrationer gas som läcker ut upptäckas.

Många olika gaser kan ses med hjälp av en IR-kamera. Det beror på att gasen har annan transmission än luft i vissa våglängdsband. För att hjälpa operatören detektera gas med hög precision behövs ett automatiskt system som upptäcker gasmolnet och larmar operatören. Det görs genom att analysera bildsekvensen från kameran, beräkna lämpliga features som matas in i ett tränat beslutsystem och visualisera resultatet. Utveckling och träning av beslutsystemet är en viktig del av arbetet. Troligtvis måste bilderna förbehandlas innan de kan användas, till exempel kommer bildstabilisering att behöva göras. Andra tekniker som kan komma till användning är rörelsedetektering (optical flow) och image fusion.

Vid första anblicken kan det tyckas enkelt att detektera gas i en bild men hur skiljer man till exempel ett träd som rör sig i vinden från ett gasmoln som svävar iväg? Är det möjligt att skilja olika gaser åt genom att analysera till exempel gasmolnets rörelse? Finns det andra detekterbara features som gör det möjligt att bestämma vilken gas det är?

Exjobbet går ut på att utveckla och implementera ett lärande system för detektion och identifiering av gas i IR-bilder. Systemet ska vara flexibelt och snabbt kunna anpassas till nya kameror och nya typer av uppgifter. Exjobbet omfattar både bildanalysen och beslutsystemet.

Exjobbet består av: Litteratursökning
Implementation av valda algoritmer
Testning och utvärdering
Rapportskrivning


Omfattning: 20 poäng

Lämplig bakgrund: Teknisk fysik, datateknik, elektro eller liknande. Kunskaper inom lärande algoritmer och bildbehandling krävs. Kunskaper inom visualisering är meriterande. Exjobbet kommer att innehålla en hel del programmering (Matlab).

Exjobbet utförs på FLIR Systems i Danderyd och beräknas starta i slutet på augusti.