李衍志，范 勇，高 琳

（西南科技大学计算机科学与技术学院，四川绵阳 621010）

（∗通信作者电子邮箱17828100385@163.com）

0 引言

石油是生产汽油、煤油、柴油等化学物质的重要原料，同时其副产物也是有着广泛的用途［1］。发掘石油原料的同时也伴随着大量的具有污染性的气体来到地面。为了保护环境、保障安全生产，必须对超过排放标准的气体进行无害化处理。这些污染性气体中威胁性最大的就是硫化氢（H2S），其含量高、无色无味且含有剧毒、不溶于水，不能溶解在钻进排水管道的水流中［2］。由于这些污染气体大多不溶于水或者只有部分能溶于水，且井内气体含量越高内部气压就越高，井内气压变化，排水管道口的水流形态就会变化。污染气体含量越高水流形态变化越明显。异常样本从当前帧和上一帧的对比可以看到，图像中水流的量明显变大，水流的形态变化也很明显；正常的样本从前后两帧的对比可以看出，虽然形态和水流量上都有一定的变化，但是变化不大。从异常样本和正常样本的对比来看，正常样本和异常样本形态上都有变化，但是异常样本的形态变化更为剧烈。现在生产过程中都是人工在后台监测水流的变化情况，但是人工监测存在视觉疲劳和一个人难以同时监测多个点的问题，因此很难避免造成监测不到位和人力资源浪费的问题。基于人工智能技术，使用计算机代替人工监测是其解决方法。目前在机器视觉领域关于监测石油钻井水流形态变化是否异常的研究较少，该项研究主要存在以下两大难点:1）水流数据表示方面，水流的形态是不固定的，普通的特征提取方式难以同时表述水流形态在空间和时间上的变化过程；……