CN103077394A - 一种火焰燃烧稳定性自动监测方法 - Google Patents

Abstract

本发明公开了一种火焰燃烧稳定性自动监测方法，获取N幅RGB模式图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n；对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；从所述分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；计算所述火焰燃烧稳定区W的面积率；当所述火焰燃烧稳定区W的面积率小于面积率阈值时，火焰燃烧不稳定。本方法实现了即使在整体偏心不大或波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映了火焰燃烧的整体情况，并且排除了因炉膛中心点与摄像机中心点出现的相对位置漂移产生的误差以及主观因素造成的风险。

Description

一种火焰燃烧稳定性自动监测方法

技术领域

本发明涉及炉膛火焰燃烧稳定性自动监测，尤其涉及一种基于火焰燃烧稳定区面积率的火焰稳定性监测方法

背景技术

热媒炉被普遍应用于原油输送过程中，主要用来解决高含蜡，高凝点原油输送的困难。热媒炉燃烧的基本要求是保持火焰燃烧的稳定性，火焰燃烧稳定是指在一定的时间段内火焰的大小、火焰的亮度、火焰的燃烧偏心距离以及火焰燃烧的波动性基本保持不变。然而理想中稳定燃烧的火焰是不存在的，炉膛火焰是一种不规则的，没有固定形态的事物。如果火焰燃烧不稳定，一方面会降低火焰的燃烧效率，产生噪声和污染物等，另一方面会浪费大量的能源，增加生产成本。若火焰偏向某一侧，严重时会引发炉膛爆管、停炉影响生产，以及引发安全事故。

因此非常有必要对热媒炉火焰燃烧的稳定性进行有效监测，确保工作过程万无一失，或及早采取补救措施避免灾祸的发生。目前针对准确监测热媒炉火焰燃烧是否稳定的工作主要包括3个部分：1、正对火焰喷射方向对火焰进行拍摄并从火焰燃烧图像中提取火焰燃烧区域；2、从火焰燃烧区域中提取出火焰燃烧特征值；3、根据得到的特征值对火焰燃烧状况进行判断。由于数字图像处理技术已经相对成熟，所以提取火焰燃烧区域工作已经不是技术难题，判断火焰稳定性的重点主要取决于对火焰燃烧特性的特征值的提取与相关计算。

目前针对炉膛火焰燃烧稳定性的特征值主要为火焰图形中心偏移距离。以此特征值判断火焰稳定性的方法存在3个不足之处：第一、对于火焰整体偏心并不大，但是在火焰图形中心四周出现随机波动较严重的情况时难以较好的监测；第二、火焰燃烧存在波动性，检测过程中，根据单幅图像得到的偏心距离值存在波动范围大、波动频率快，不利于反映火焰燃烧的整体情况；第三、传统的图形中心距离就是火焰中心与炉膛中心距离，炉膛中心点在由热媒炉和摄像机组成的系统每次启动时都需要进行标定，标定方法有两种，一是，每次启动前都将摄像机中心与炉膛中心点对齐，但随着系统长期的运行，炉膛中心点与摄像机中心点会出现相对位置漂移的情况，导致检测失准，不利于实际应用；二是，不必将摄像机中心和炉膛中心点对齐，但是在喷火初期，凭经验人为主观地设定一个火焰中心，这种方法主观风险也较大。

发明内容

针对以上3个不足之处，本发明提供了一种火焰燃烧稳定性自动监测方法，该方法实现了即使在整体偏心不大或波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映了火焰燃烧的整体情况，并且排除了因炉膛中心点与摄像机中心点出现的相对位置漂移产生的误差以及主观因素造成的风险，详见下文描述：

一种火焰燃烧稳定性自动监测方法，所述方法包括以下步骤：

（1）获取N幅RGB模式图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n；

（2）对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

（3）从所述分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

（4）计算所述火焰燃烧稳定区W的面积率；

（5）当所述火焰燃烧稳定区W的面积率小于面积率阈值时，火焰燃烧不稳定。所述对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n具体为：

1）对每个所述处理后火焰图像B_n进行梯度变换，得到梯度图；

2）提取目标标记点(x₁,y₁)和背景标记点(x₂,y₂)；

3）将所述目标标记点(x₁,y₁)和所述背景标记点(x₂,y₂)作为种子点对所述梯度图进行分水岭分割。

所述火焰燃烧稳定区W和火焰燃烧临界区L具体为：

其中，

是N幅图像求平均后坐标为(x,y)点的灰度值；f(x,y)代表提取出所述火焰燃烧稳定区W和所述火焰燃烧临界区L后坐标为(x,y)处的灰度值，P,Q分别为所述火焰燃烧稳定区W和所述火焰燃烧临界区L的灰度值，V_w，V_l为预设值。

所述计算所述火焰燃烧稳定区W的面积率包括：

1）计算火焰燃烧稳定区面积；

$S_w=\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n=1}{\mathrm{\Σ}}}\mathrm{\Φ}(\stackrel{\‾}{I}(x,y),V_w)\·S_p$

2）计算火焰燃烧区面积：

$S_{\mathrm{all}}=\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{n-1}{\mathrm{\Σ}}}\mathrm{\Φ}(\stackrel{\‾}{I}(x,y),V_l)\·S_p$

其中S_p为单个像素点的面积，公式 $\mathrm{\&Phi;}(x,y)=\left\{\begin{array}{cc}1& x\&GreaterEqual;y;\\ 0& x<y;\end{array}\right.$

3）计算火焰燃烧稳定区W的面积率；

$R_m=\frac{S_w}{S_{\mathrm{all}}}.$

本发明提供的技术方案的有益效果是：本方法通过采用标记分水岭方法和多图平均的方式，获取到稳定的火焰燃烧区，并通过本文提出的新特征值火焰燃烧稳定区面积率就能够稳定地检测火焰波动性；该方法实现了对于火焰整体偏心并不大，但是在火焰图形中心四周出现随机波动较严重的情况时也能较好的检测出火焰的燃烧情况，针对单幅图像的波动性大也能较好的反映火焰燃烧的整体情况，并且避免了因炉膛中心点和摄像机中心点相对位置漂移产生的误差以及主观因素造成的风险。

附图说明

图1为一种火焰燃烧稳定性自动监测方法的流程图；

图2为一种火焰燃烧稳定性自动监测方法的另一流程图；

图3a为RGB图的示意图；图3b为R图的示意图；

图3c为G图的示意图；图3d为B图的示意图；

图4a为曲线灰度变换结果示意图；图4b为曲线灰度变换坐标的示意图；

图5a为无标记点分水岭分割的示意图；

图5b为基于标记的分水岭分割的示意图；

图6a为提取蓝色分量图的示意图；图6b为增强对比度的示意图；

图6c为分水岭分割的示意图；图6d为多图平均的示意图；

图6e为火焰区域提取的示意图；

图7a为火焰燃烧稳定区面积率Rm=0.65时的火焰燃烧区域图像；

图7b为火焰燃烧稳定区面积率Rm=0.40时的火焰燃烧区域图像。

图8为火焰燃烧稳定时检测结果对比图；

图9为火焰燃烧不稳定时检测结果对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

为了实现即使在波动较严重的情况时，也能对火焰稳定性进行监测，较好的反映了火焰燃烧的整体情况，排除了炉膛中心点与摄像机中心点相对位置漂移产生的误差，避免了主观因素的影响，参见图1和图2，本发明实施例提供了一种火焰燃烧稳定性自动监测方法，详见下文描述：

实施例1

101：获取N幅RGB模式图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n，其中，n=1~N，N>=20；

102：对处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

103：从分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

104：计算火焰燃烧稳定区W的面积率R_m；

105：当火焰燃烧稳定区W的面积率R_m小于面积率阈值时，火焰燃烧不稳定。

利用计算得到的火焰稳定区面积率R_m与实际经验预先设定好的面积率阈值th相比较，若R_m<th，则可判断火焰燃烧不稳定。th的取值根据实际应用中的需要进行设定，本发明实施例对此不做限制。

通过上述步骤101-步骤105实现了火焰燃烧稳定性的自动监测，提高了监测稳定性。

实施例2

200：利用摄像机在火焰燃烧期间正对热媒炉观火窗口对火焰以预设速度连续拍摄N幅RGB模式图像A_n，其中，n=1~N，N>=20；

其中，预设速度根据实际应用中的需要进行设定，通常为每秒钟拍摄3~8幅RGB图像。

201：从RGB模式图像A_n中提取蓝色图像作为后续处理图像，其中，n=1~N，N>=20；

在拍摄火焰图像时，炉膛背景也会有噪声光源，其中，红光的波长最长，其衰减程度最低，所以拍摄到的RGB模式图像中有来自炉膛背景的红光干扰，但是相对来说蓝光的影响最低，所以选取蓝色图像分量对应的灰度图作为后续处理图像。图3a、图3b、图3c和图3d所示为热媒炉火焰图像。

202：增强蓝色图像的对比度，获取处理后火焰图像B_n；

本方法采用了圆弧曲线的灰度值变换，参见图4(a)(b)，圆弧曲线的公式：

(x+a)²+(y-b)²=a²+b²

其中点(a,b)处在对角线方向上，b=1+a，保证在0-1这段区间内的曲线是对称的。半径为

保证圆弧经过(0,0),(1,1)两点。通过改变a的值，可以改变圆的大小，通常a的取值范围在0-1之间，即可以改变在0-1范围内的曲线弧度，如图4(b)所示。圆弧曲线变换的优势在于：(1)没有明显的转折点，火焰燃烧并不一直稳定，避免了因为转折点的选取错误而造成错误拉伸。(2)梯度值呈逐渐变大的趋势，降低了低灰度值的梯度，减少了窗口与炉膛的边界对图像分割造成的影响。

203：对处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

这里采用基于标记的分水岭算法对处理后火焰图像B_n进行分割。分水岭算法对微弱边缘具有良好的响应，因此图像经分水岭分割后会产生严重的过分割现象。由于本方法所处理的火焰图像具有较明确的目标与背景，所以基于先验知识，采用基于标记的分水岭算法，该步骤如下：

2031：对每个处理后火焰图像B_n进行梯度变换，得到梯度图；

采用Sobel算子对图像进行梯度变换，其中

表示梯度值大小，fx,fy分别对应于水平方向和垂直方向上的梯度值大小，f(x,y)表示点(x,y)处的灰度值，Sobel算子的计算公式如下：

$|\&dtri;f(x,y)|={({\mathrm{fx}}^2+{\mathrm{fy}}^2)}^{1/2}$

fx={f(x+1,y+1)+2f(x+1,y)+f(x+1,y-1)}

-{f(x-1,y+1)+2f(x-1,y)+f(x-1,y-1)}

fy={f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)}

-{f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)}

2032：提取目标标记点(x₁，y₁)和背景标记点(x₂，y₂)；

标记分水岭变换的关键在于标记点的提取，针对本方法所处理的炉膛火焰燃烧图像，可知主要分为目标与背景两部分。

（1）目标标记点提取：火焰所在区域为图像中的高灰度值区域，因此以图像的亮度中心点作为目标标记点(x₁，y₁)。对整幅图像进行扫描，得到每个像素点(x，y)的灰度值，利用加权平均，可以得到图像的亮度中心点。具体公式如下：

$x_1=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n-1}{\mathrm{\&Sigma;}}}I(x,y)\&CenterDot;x}{\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n-1}{\mathrm{\&Sigma;}}}I(x,y)}$ $y_1=\frac{\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n-1}{\mathrm{\&Sigma;}}}I(x,y)\&CenterDot;y}{\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n-1}{\mathrm{\&Sigma;}}}I(x.y)}$

其中(x，y)是单幅图像的坐标值，I(x,y)表示点单幅图像(x，y)处的灰度值。

（2）背景标记点提取：在火焰燃烧背景区域任意选择梯度值小于10且亮度值也小于10的一个像素点(x₂,y₂)作为背景标记点。

2033：将目标标记点(x₁,y₁)和背景标记点(x₂,y₂)作为种子点对梯度图进行分水岭分割；

若不标记而直接进行分水岭分割，则在原图中梯度值的每一个极大值处都会产生分界线，容易造成过分割现象，通过标记的分水岭算法则只会在被标记区域之间的最大梯度值处产生分界线，如图5a和图5b所示。

204：从分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

其中，在各种外部随机干扰的作用下，单幅图像火焰具有一定的漂移和闪烁，理想的稳定火焰是不存在的。但是针对多幅图像，火焰在同一固定位置出现的概率是相对稳定的。部分位置出现火焰的概率很高，则被认为是火焰稳定燃烧区域W；出现概率较小的区域被认为是火焰燃烧临界区域L。基于此，利用火焰燃烧的统计特性来提取火焰燃烧稳定区W。

首先对N幅分割后的火焰图像进行平均：

$\stackrel{\&OverBar;}{I}(x,y)=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{I}_n(x,y)$

其中N是采集图像数，(x,y)是图像坐标，I_n(x,y)第n幅图像中坐标为(x,y)点的灰度值，其值只能为0或255，

是N幅图像求平均后坐标为(x,y)点的灰度值；

由上述公式可知，平均图中的灰度值都是255/N的整数倍，图像层次分明，边界清晰。然后基于火焰燃烧的统计特性，利用下述公式提取火焰燃烧稳定区W和火焰燃烧临界区L。

式中f(x,y)代表提取出火焰燃烧稳定区W和火焰燃烧临界区L后坐标为(x,y)处的灰度值，P,Q分别为火焰燃烧稳定区W和火焰燃烧临界区L的灰度值，通常P取255，Q取125；V_w,V_l为预设值，通常V_w取220~240，V_l取50~150。该公式的目的是将火焰燃烧稳定区W和火焰燃烧临界区L用两个灰度值不同的区域表示出来，方便观察和后续计算，图6a、图6b、图6c、图6d和图6e所示为整个区域提取过程的算法执行效果图。

205：计算火焰燃烧稳定区W的面积率；

该步骤包括：

2051：计算火焰燃烧稳定区面积；

$S_w=\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n=1}{\mathrm{\&Sigma;}}}\mathrm{\&Phi;}(\stackrel{\&OverBar;}{I}(x,y),V_w)\&CenterDot;S_p$

2052：计算火焰燃烧区（稳定区+临界区）面积：

$S_{\mathrm{all}}=\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n-1}{\mathrm{\&Sigma;}}}\mathrm{\&Phi;}(\stackrel{\&OverBar;}{I}(x,y),V_l)\&CenterDot;S_p$

其中S_p为单个像素点的面积，公式 $\mathrm{\&Phi;}(x,y)=\left\{\begin{array}{cc}1& x\&GreaterEqual;y;\\ 0& x<y;\end{array}\right.$

例如：

表示

大于等于V_w时，

等于1，否则为0。

表示

大于等于V_l时，

等于1，否则为0。

2053：计算火焰燃烧稳定区W的面积率。

$R_m=\frac{S_w}{S_{\mathrm{all}}}$

该公式有以下几点结论：（1）R_m的范围在0-1之间，火焰燃烧稳定区S_w的面积始终小于等于火焰燃烧区S_all的面积。（2）火焰燃烧越稳定时，火焰燃烧稳定区S_w会越接近于火焰燃烧区S_all，面积率R_m的值会越接近1。（3）火焰燃烧不稳定时，火焰所在位置变动较大，能长时间保持有火焰的区域较小，即火焰燃烧稳定区S_w相对火焰燃烧区S_all会变小，面积率R_m的值会减小。因此可以根据面积率R_m值的大小来确定火焰的燃烧状况。

206：根据计算得到的火焰稳定区面积率R_m判断火焰燃烧是否稳定。

利用计算得到的火焰稳定区面积率R_m分别与实际经验预先设定好的面积率阈值th相比较，若R_m<th，则可判断火焰燃烧不稳定。

通过上述步骤200-步骤206实现了火焰燃烧稳定性的自动监测，该方法实现了对于火焰整体偏心并不大，但是在火焰图形中心四周出现随机波动较严重的情况时也能较好的检测出火焰的燃烧情况，针对单幅图像的波动性大也能较好的反映火焰燃烧的整体情况，并且避免了因炉膛中心点和摄像机中心点相对位置漂移产生的误差以及主观因素造成的风险。

下面结合具体的实验来说明本发明实施例提供的一种火焰燃烧稳定性自动监测方法的可行性，详见下文描述：

利用火焰燃烧面积率对火焰燃烧稳定性进行检测：

1、针对整体偏心不大情况

本方法提出了新的反应火焰燃烧位置稳定性的特征值：火焰燃烧稳定区面积率。火焰燃烧稳定时，波动幅度相对较小，在图像上的表现是火焰集中区域较大，临界区域较小。不同面积率的图像效果如图7a、图7b所示：

图7a、7b两幅图阈值都为V_w取230，V_l取50得到的。由图可以看出，火焰整体的偏心程度都不大，其中图7a为稳定燃烧时图像，火焰燃烧稳定区面积率为R_m=0.65，相对较高，在图像上的表现是外围灰色区域面积较小，且均匀分布在白色区域周围。图7b是燃烧不稳定时的图像，R_m=0.40，相对较低。通过火焰燃烧稳定区面积率的大小比较，可以得出图7a代表的火焰燃烧稳定程度优于图7b，实验结果与实际情况吻合。

通过实验证明，火焰稳定区面积率可以在火焰整体偏心不大的情况下反映火焰燃烧的稳定性。在实际使用中，可以根据经验选择一个较好的阈值作为火焰燃烧稳定性判断的依据。

2、针对单幅图像波动性大情况

理想中的炉膛稳定燃烧火焰是不存在的，火焰燃烧存在波动性是必然的。当波动幅度较小时是可以容忍的，当波动幅度变大时，是火焰熄灭的前兆。当火焰已经熄灭时再发出报警为时已晚，有必要针对火焰的波动性进行检测，及早了解火焰的燃烧状况，做出预警。

分别从两个炉膛A,B中获取两段火焰燃烧状况的燃烧图像，其中A炉的燃烧稳定性很好，B炉的稳定性不好，但是并没有熄灭。提取各自的实验数据，得到图8与图9，首先观察A炉的火焰波动性情况，参见表1。

表1火焰燃烧稳定时两种方法的检测数据A

观察图8，可以发现火焰燃烧稳定区面积率较偏心距离方差值更稳定。两个特征值一个是像素距离，一个是比率值，本身没有可比性，所以从相对离散度的角度来观察两种方法的稳定性，相对离散度是相对于一个参考点或者基准的偏离大小(本例中通过标准差除以平均值得到)。从表中可知火焰稳定区面积率的相对离散度只有1.58%，远远小于偏心距离方差的26.1%。再来看下火焰燃烧不稳定时B炉的波动性情况，参见表2。

表2火焰燃烧不稳定时两种方法的检测数据B

将图8与图9进行比较，可以看出：

（1）由于已知B炉的稳定性不如A炉，从特征值的大小来看，B炉的稳定区面积率只有0.576，小于A炉的0.696，B炉的方差平均值为318，也远远大于A炉的140，可见B炉波动性更大，火焰稳定性确实不如A炉，进一步证实了火焰燃烧稳定区面积率可以反映火焰燃烧波动性。

（2）特征值面积率的波动性依然很小，相对离散度只有2.8%，同样是小于偏心距离方差的相对离散度18.6%，可见火焰稳定区面积率这个特征值在火焰燃烧稳定与一般情况下都能保持较好的稳定性。

通过上述实验证明特征值火焰燃烧稳定区面积率优于偏心距离方差值，检测稳定性更高。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种火焰燃烧稳定性自动监测方法，其特征在于，所述方法包括以下步骤：

（1）获取N幅RGB模式图像A_n，从中提取蓝色图像并增强对比度，获取处理后火焰图像B_n；

（2）对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n；

（3）从所述分割后的火焰图像I_n中提取火焰燃烧稳定区W和火焰燃烧临界区L；

（4）计算所述火焰燃烧稳定区W的面积率；

（5）当所述火焰燃烧稳定区W的面积率小于面积率阈值时，火焰燃烧不稳定。

2.根据权利要求1所述的一种火焰燃烧稳定性自动监测方法，其特征在于，所述对所述处理后火焰图像B_n进行分割，得到分割后的火焰图像I_n具体为：

1）对每个所述处理后火焰图像B_n进行梯度变换，得到梯度图；

2）提取目标标记点(x₁,y₁)和背景标记点(x₂,y₂)；

3）将所述目标标记点(x₁,y₁)和所述背景标记点(x₂,y₂)作为种子点对所述梯度图进行分水岭分割。

3.根据权利要求1所述的一种火焰燃烧稳定性自动监测方法，其特征在于，所述火焰燃烧稳定区W和火焰燃烧临界区L具体为：

其中，

是N幅图像求平均后坐标为(x,y)点的灰度值；f(x,y)代表提取出所述火焰燃烧稳定区W和所述火焰燃烧临界区L后坐标为(x,y)处的灰度值，P,Q分别为所述火焰燃烧稳定区W和所述火焰燃烧临界区L的灰度值，V_w,V_l为预设值。

4.根据权利要求1所述的一种火焰燃烧稳定性自动监测方法，其特征在于，所述计算所述火焰燃烧稳定区W的面积率包括：

1）计算火焰燃烧稳定区面积；

$S_w=\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n=1}{\mathrm{\&Sigma;}}}\mathrm{\&Phi;}(\stackrel{\&OverBar;}{I}(x,y),V_w)\&CenterDot;S_p$

2）计算火焰燃烧区面积：

$S_{\mathrm{all}}=\underset{x=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{n-1}{\mathrm{\&Sigma;}}}\mathrm{\&Phi;}(\stackrel{\&OverBar;}{I}(x,y),V_l)\&CenterDot;S_p$

其中S_p为单个像素点的面积，公式 $\mathrm{\&Phi;}(x,y)=\left\{\begin{array}{cc}1& x\&GreaterEqual;y;\\ 0& x<y;\end{array}\right.$

3）计算火焰燃烧稳定区W的面积率；

$R_m=\frac{S_w}{S_{\mathrm{all}}}.$

Images