本发明涉及气-液两相流流量测量，尤其涉及一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法与系统。
背景技术：
1、气-液两相流是油气、能源和化工等多种领域中的重要参数，例如油田喷井、天然气运输、各类沸腾管与热交换装置中均含有气-液两相流，但由于其流动的复杂性，和流动状态的多样性导致了其测量的困难。目前针对气-液两相流量的测量大致有直接法、间接法和分离法。直接法的原理是通过流量计或传感器结合两相流测量模型直接得出气-液两相流的流量，需要在管道内安放节流元件或安装多种精密传感器进行信号采集，过程复杂繁琐，且流动状态越混乱，传感器信号的信号采集会受到较大的噪声，维护成本高；间接法的原理是通过不同测量原理对两相流的其他参数进行测量从而通过数学模型间接获得气-液两相流的流量；分离法的原理是将气-液两相流通过分离器将气相和液相分开进入不同管路，通过单相流流量测量的方法分别求出两种状态的流体流量，经过总和即为两相流的流量，分离法核心是分离器，但是这种方法不仅设备费用昂贵，维护成本高，而且需要足够大的放置场地与分离测量时间。
2、目前先进智能学习技术也有已用于对气液两相流的流量测量领域，通常采用传感器与智能学习算法结合进行流量测量，有采用近红外(nir)传感器集合机器学习算法进行空隙率与流速的测量；采用融合锥形计和电导环传感器对间歇流的液体流速进行测量得到了相对误差小于±5.0％的效果；采用卷积神经网络(cnn)应用于流量相对误差测量结果可达到8.36％和9.09％。
3、通过图像处理的视觉方式进行气-液两相的参数测量较为方便，但目前这种方法主要进行多相流的流态分类工作。气-液两相流的流动状态极为复杂，无法仅凭图片进行准确的流量测量。当前，针对气-液两相流的视频处理技术尚未发展出能够精确测量气-液两相流量的方法，本发明的原理在于，不同流动介质产生不同的分介流动，从而在光照条件下产生反射光，质流动的视频图像上就形成了不同的灰度的光流流动。可以理解的是，流体内的介质不同即可形成光流，因此，本发明的原理亦可以应用与气固两相流、气液油三相流等多种流动的介质的测量。
技术实现思路
1、针对上述现有技术的缺陷，本发明的目的在于提供一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法与系统，以满足用户的需求。
2、为实现上述目的，本发明提供了一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，包括如下步骤：
3、s1、获取气-液两相流体的视频数据和对应的流动参数构成原始数据集，所述视频数据适于显示流体的流动状态，通过lucas-kanade光流法提取每一所述视频数据中的角点移动特征，所述角点移动特征包括角点数量和对应每一所述角点的移动参数，将所述原始数据集分成训练数据集和测试数据集；
4、s2、将所述训练数据集中的所述角点移动特征输入基于机器学习构建的若干第一流量测量模型中，将所述训练数据集中对应的流动参数作为输出值，对若干所述第一流量测量模型进行训练；
5、s3、将所述测试训练集中的所述角点移动特征分别输入所述第一流量测量模型进行测试，并将得到的测试结果作为预测值，将所述测试训练集中对应的流动参数作为真实值，选用均方根误差(rmse)、平均绝对误差(mae)和决定系数(r2)作为评价参数对分别对各所述第一流量测量模型的预测值和真实值的拟合效果进行评价，选择其中拟合度最佳的所述第一流量测量模型作为最优流量测量模型，通过所述最优流量测量模型进行流量测量。
6、作为优选的：所述移动参数包括通过前后两帧视频中的其一所述角点位置信息(x1,y1)和(x2,y2)计算得来的若干个数据特征，通过方差选择法对包括角点数量在内的若干数据特征进行筛选，具体地，设置方差阈值，将低于所述方差阈值的数据特征进行过滤得到若干筛选后的数据特征，以避免一些无用特征对于模型训练时的干扰，导致效果不理想。
7、作为优选的：使用标准化法将若干筛选后的数据特征转变为均值为0，标准差为1的分布，从而进行无量纲化，使得消除各变量在变异程度上的差异。
8、作为优选的：引入金字塔跟踪算法追踪所述角点在每一帧视频中的位置变化，具体地，由某一帧视频的最上层的金字塔图像上计算像素位移并将计算结果作为下一层金字塔图像的初始位置，循环上述过程直至最下层的金字塔图像，并选用角点平均位移作为特征数据进行中位值筛选获取有效的角点。中位值筛选具体是指，计算得出每一层每一层金字塔图像上所有角点的平均位移的中位值，并筛除该层金字塔图像中角点位移不大于中位值的角点，循环上述过程直至最下层的金字塔图像。
9、作为优选的：为需要足够的视频长度来包含流动的特征，每一所述视频数据的视频时长不低于1秒、视频分辨率不低于1920*1080且视频帧率不低于60fps，且在所述视频数据中选取5*5像素的窗口画面作为测试窗口，所述流动参数包括气-液比与体积流量，所述体积流量范围在0.1m3/h～20m3/h之间。
10、作为优选的：所述视频数据及其对应的所述流动参数的数量不得少于180组，且所述训练数据集占所述原始数据集的比例不少于75％，并通过分体比选模型对将原始数据集按分界阈值标记为大流量数据或小流量数据。
11、作为优选的：所述第一流量测量模型包括随机森林(rf)、支持向量回归(svr)、最近邻回归(knn)、多层感知机(mlp)和梯度提升回归(gbr)五种机器学习模型，各机器学习模型独立地运用所述训练数据集进行训练。
12、一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量系统，采用如上所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，包括：
13、第一采集系统，包括摄像头、垂直透明视管和第一储存单元，待测气-液两相流体流经所述垂直透明视管，所述摄像头在距离垂直透明视管10cm～20cm的位置进行拍摄，适于采集所述垂直透明视管内气-液两相流体的流动状态视频，气-液两相流体的流动状态一般包括泡状流、乳状流、弹状流和环状流，所述第一储存单元适于通过网络传输实时接收并采样视频样本。
14、数据处理模块，适于接收所述第一储存单元采样后的视频样本、每间隔1s视频样本通过lucas-kanade光流法提取若干数据特征以及通过方差选择法和标准化法筛选数据特征。
15、最优流量测量模型，其适于接收上述筛选后的数据特征作为输入数据，并输出预测值作为流量参数。
16、作为优选的：包括适于采集所述原始数据集的计量标准装置，所述计量标准装置包括液相系统、气相系统、气液混合系统和第二采集系统。
17、所述液相系统包括水箱以及其出口端通过管线连接的水泵、液体稳流罐和液体电磁流量计。
18、所述气相系统包括气泵以及其出口端通过管线连接的气体稳压罐、过滤器、气体腰轮流量计。
19、所述气液混合系统包括通过管线依次连接的第一水平透明视管和第二水平透明视管，所述第一水平透明视管的进口端通过y型汇管分别与所述液体电磁流量计、所述气体腰轮流量计相连。
20、所述第二采集系统包括垂直透明视管、摄像头和第二储存装置，所述垂直透明视管的入口端通过三通阀门连通所述第二水平透明视管，所述垂直透明视管的出口端以及所述三通阀门的另一出口端通过回流管线与所述水箱的进口端连接，所述摄像头在距离垂直透明视管10cm～20cm的位置进行拍摄，所述第二储存装置适于通过网络传输接收所述液体电磁流量计、所述气体腰轮流量计和所述摄像头采集所得的原始数据集。
21、作为优选的：所述液相系统包括通过管线连接所述液体稳流罐和所述液体电磁流量计的第一手动调节阀和通过管线连接所述液体电磁流量计与所述y型汇管的第一电动调节阀，所述气相系统包括通过管线连接所述气体稳压罐和所述气体腰轮流量计的第二手动调节阀和通过管线连接所述气体腰轮流量计与所述y型汇管的第二电动调节阀。所述第一手动调节阀与所述第二手动调节阀适于进行流量的微调，所述第一电动调节阀和所述第二电动调节阀适于进行流量粗调。
22、本发明的有益效果是：
23、(1)本发明能够通过第一采集系统实时拍摄并实现日常的气-液两相流量测量，无需复杂的传感器与分离装置，经济成本低，同时还能够在分离装置及传感器安装限制的场所进行便捷的流量测量，节省下空间成本和时间成本，可应用于油气开采和能源化工等领域的实时监测环节。
24、(2)通过采用中位值筛选的方法有效筛除干扰角点，提高光流提取稳定性与流量相关性，有利于耦合得到特征的稳定与机器学习计算的精度。
25、(3)通过采用分体比选模型进一步提高了机器学习计算的精度，克服了气-液两相流的流动状态差距较大，小流量与大流量的流动差异性导致的数据集中出现较大不一致性问题。
1.一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，所述移动参数包括通过前后两帧视频中的其一所述角点位置信息(x1,y1)和(x2，y2)计算得来的若干个数据特征，通过方差选择法对包括角点数量在内的若干数据特征进行筛选，具体地，设置方差阈值，将低于所述方差阈值的数据特征进行过滤得到若干筛选后的数据特征。
3.根据权利要求2所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，使用标准化法将若干筛选后的数据特征转变为均值为0，标准差为1的分布。
4.根据权利要求3所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，引入金字塔跟踪算法追踪所述角点在每一帧视频中的位置变化，具体地，由某一帧视频的最上层的金字塔图像上计算像素位移并将计算结果作为下一层金字塔图像的初始位置，循环上述过程直至最下层的金字塔图像，并选用角点平均位移作为特征数据进行中位值筛选获取有效的角点。
5.根据权利要求4所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，每一所述视频数据的视频时长不低于1秒、视频分辨率不低于1920*1080且视频帧率不低于60fps，且在所述视频数据中选取5×5像素的窗口画面作为测试窗口，所述流动参数包括气-液比与体积流量，所述体积流量范围在0.1m3/h～20m3/h之间。
6.根据权利要求5所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，所述视频数据及其对应的所述流动参数的数量不得少于180组，且所述训练数据集占所述原始数据集的比例不少于75％，并通过分体比选模型对将原始数据集按分界阈值标记为大流量数据或小流量数据。
7.根据权利要求6所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，所述第一流量测量模型包括随机森林(rf)、支持向量回归(svr)、最近邻回归(knn)、多层感知机(mlp)和梯度提升回归(gbr)五种机器学习模型，各机器学习模型独立地运用所述训练数据集进行训练。
8.一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量系统，采用如权利要求1-7任一所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量方法，其特征在于，包括：
9.根据权利要求8所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量系统，其特征在于，包括适于采集所述原始数据集的计量标准装置，所述计量标准装置包括液相系统、气相系统、气液混合系统和第二采集系统；
10.根据权利要求9所述的一种基于lucas-kanade光流算法与机器学习的气-液两相流量测量系统，其特征在于，所述液相系统包括通过管线连接所述液体稳流罐和所述液体电磁流量计的第一手动调节阀和通过管线连接所述液体电磁流量计与所述y型汇管的第一电动调节阀，所述气相系统包括通过管线连接所述气体稳压罐和所述气体腰轮流量计的第二手动调节阀和通过管线连接所述气体腰轮流量计与所述y型汇管的第二电动调节阀。
