CN108776090B - 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 - Google Patents
一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 Download PDFInfo
- Publication number
- CN108776090B CN108776090B CN201810168624.2A CN201810168624A CN108776090B CN 108776090 B CN108776090 B CN 108776090B CN 201810168624 A CN201810168624 A CN 201810168624A CN 108776090 B CN108776090 B CN 108776090B
- Authority
- CN
- China
- Prior art keywords
- image
- smoke
- module
- background
- blackness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001739 density measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G01N15/075—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
本发明提供一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统,通过图像采集模块采集柴油车排放黑烟浓度过程需要的图像,图像处理模块对林格曼黑度图进行处理,得到对应的多个灰度值,将所述灰度值与对应的林格曼黑度值拟合得到烟度关系式,烟度测量模块对无烟背景图像和有烟图像进行处理,得到扣除无烟背景图像的灰度背景值以后的灰度值,根据烟度关系式即可得到柴油车排放黑烟的黑度值,并通过检测报告输出单元输出包括车牌信息、行驶证信息及排放黑烟浓度信息的文档形式报告;检测过程简单,提高了在用柴油车排放烟度检测的精度,降低劳动强度,提高了检测效率。
Description
技术领域
本发明涉及光电检测技术领域,具体涉及一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统。
背景技术
柴油发动机的发展给人类生产生活带来了许多便利,但柴油机的排放污染物对人类健康和环境也会造成很大的危害。随着国家对环保的重视程度不断加大,柴油车的排放标准也越来越严格,2011年7月1日,全国范围内开始实行国IV排放标准,而到了2017年7月1日,全国范围内开始实行国V排放标准,即新生产的车辆必须达到所规定的标准。
相关技术中,方案一是取合适的可调谐激光器和光电探测器计算排放黑烟中的颗粒物浓度;方案二是采用尾气烟度视频识别系统识别污染排放车辆。其中,方案一是利用激光器控制器控制激光器输出,使激光器的输出波长在气体分子吸收峰附近以一定的频率扫描,将调制后的光信号通过被测气体,利用光电探测器对通过气体的光信号进行探测,并将转换后的电信号输入到锁相放大器中,分析其谐波信号;计算得出气体分子的真实浓度值,反演出对应的二次谐波峰值,计算出二次谐波误差与排放中颗粒物浓度的关系。方案二是通过交通卡口或者行驶道路上的独立摄像机对行驶车辆的尾气进行实时监控,识别出污染排放车辆,并将其排烟视频和车牌号记录下来,作为治理依据。
但发明人发现,方案一的分析过程繁琐,检测效率较低,检测成本较高;而方案二使用视频监控的形式,检测对象与方式过于宽泛,且精度低。
发明内容
有鉴于此,本发明的实施例提供了一种监测效率高、成本低、检测范围广泛以及精度好的基于机器视觉的柴油车排放黑烟浓度测量法及系统。
为解决上述技术问题,本发明实施例采用的技术方案是,一种基于机器视觉的柴油车排放黑烟浓度测量方法,包括以下步骤:
(1)在检测环境中布置标准背景模块,并固定图像采集模块,所述标准背景模块包括系列林格曼黑度图,所述图像采集模块采集包含林格曼黑度图的标准图,并传输至图像处理模块;
(2)所述图像处理模块对接收的标准图进行灰度化、高斯滤波处理,处理后的图片划分为九宫格,使标准图中的林格曼黑度图位于九宫格的中心区域,计算中心区域图像的灰度值,根据林格曼黑度图对应的黑度值与所述的灰度值拟合得到烟度关系式;
(3)所述图像采集模块采集含有车牌的图像,并传输至车牌识别模块,所述车牌识别模块对接收的车牌图像处理提取得到车牌信息,并将得到的车牌信息传输至检测报告输出模块;
(4)所述图像采集模块采集检测环境中的无烟背景图像,然后快速采集连续多张有烟图像,均传输至烟度测量模块,所述烟度测量模块对接收的无烟背景图像、多张有烟图像均进行灰度化、高斯滤波处理,确定处理后的有烟图像扣除无烟背景图像灰度值后的灰度值,选择最大灰度值根据烟度关系式得到相应的黑度值,并将得到的黑度值及对应的有烟图像传输至所述检测报告输出模块;
(5)所述图像采集模块采集行驶证图像,并传输至行驶证处理模块,所述行驶证处理模块对接收的行驶证图像处理提取行驶证上的车辆信息,并将得到的车辆信息传输至所述检测报告输出模块;
(6)所述检测报告输出模块根据接收的车牌信息、最大黑度平均值及对应的有烟图像、车辆信息输出文档形式的检测报告。
本发明实施例还提供了一种基于机器视觉的柴油车排放黑烟浓度测量系统,包括标准背景模块、图像采集模块、图像处理模块、车牌识别模块、烟度测量模块、行驶证处理模块及检测报告输出模块,所述标准背景模块包括系列林格曼黑度图;所述图像采集模块分别采集含有林格曼黑度图的标准图、含有车牌的图像、无烟背景图像、多张有烟图像及行驶证图像,采集的图像分别传输至图像处理模块、车牌识别模块、烟度测量模块与行驶证处理模块;所述图像处理模块对接收的含有林格曼黑度图的标准图进行处理,得到处理后图像的灰度值,根据得到的多个灰度值与对应的不同的林格曼黑度确定烟度关系式;所述车牌识别模块对接收的含车牌的图像处理得到车牌信息并传输至所述检测报告输出模块;所述烟度测量模块对接收的无烟背景图像、多张有烟图像进行处理后确定最大灰度值根据烟度关系式得到排放黑烟的黑度值,并将得到的黑度值及对应的有烟照片传输至所述检测报告输出模块;所述行驶证处理模块对接收的行驶证图像进行处理得到车辆信息,并将得到的车辆信息传输至所述检测报告输出模块;所述检测报告输出模块根据接收的车牌信息、黑度值及对应的有烟照片、车辆信息输出文档形式的检测报告。
优选地,所述图像采集模块与所述图像处理模块为一体式或分离式两种结构,所述图像采集模块通过系统PCI总线或USB串行总线与所述图像处理模块连接;采用机架固定所述图像采集模块。
优选地,所述标准背景模块还包括固定装置、照明装置、背景装置,所述固定装置分别固定所述林格曼黑度图、照明装置、背景装置;所述图像采集模块与所述标准背景模块相对设置。
优选地,所述烟度测量模块将处理后的无烟背景图像、每张有烟图像均分割为8×8的64个大小相同的区域,计算同一张图像中每个区域的灰度平均值,确定无烟背景图像中灰度平均值与有烟图像中灰度平均值差别最大的区域,以次区域作为无烟灰度背景,计算每张有烟图像对应区域扣除无烟灰度背景后的灰度值,得到最大灰度值,通过烟度关系式得到排放黑烟的黑度值。
优选地,所述车牌识别模块对接收的含有车牌的图像依次进行图像灰度化、图像滤波、图像阈值分割、字符分割、字符特征提取、字符分类与学习、字符比对处理得到车牌信息。
与相关技术相比,本发明的实施例提供的技术方案带来的有益效果是:本发明的基于机器视觉的柴油车排放黑烟浓度测量方法,通过图像采集模块采集柴油车排放黑烟浓度过程需要的图像,图像处理模块对标准图进行处理,得到灰度值与对应的林格曼黑度值拟合烟度关系式,烟度测量模块对无烟背景图像和有烟图像进行处理,得到扣除背景值以后的灰度值,根据烟度关系式即可得到柴油车排放黑烟的黑度值,并通过检测报告输出单元输出文档形式的报告;检测过程简单,提高了在用柴油车排放烟度检测的精度,降低劳动强度,提高了检测效率。
附图说明
图1是本发明实施例的测量系统模块示意图;
图2是本发明实施例的标准背景模块与图像采集模块的相对位置关系示意图;
图3是本发明实施例图像采集模块采集无烟背景图像及有烟图像的示意图;
图4是本发明实施例的测量方法流程图。
其中,标准背景模块1、林格曼黑度图11、固定装置12、照明装置13、背景装置14、图像采集模块2、图像处理模块3、车牌识别模块4、检测报告输出模块5、烟度测量模块6、行驶证处理模块7、机架8。
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,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明的实施例提供了一种基于机器视觉的柴油车排放黑烟浓度测量方法和系统,该系统包括标准背景模块1、图像采集模块2、图像处理模块3、车牌识别模块4、烟度测量模块6、行驶证处理模块7及检测报告输出模块5,所述标准背景模块1包含林格曼黑度图11,所述图像采集模块2分别采集含有林格曼黑度图11的标准图、含有车牌的图像、无烟背景图像、多张有烟图像及行驶证图像,采集的图像分别传输至图像处理模块3、车牌识别模块4、烟度测量模块6与行驶证处理模块7;所述图像处理模块3对接收的含有林格曼黑度图的标准图进行处理,得到处理后图像的灰度值,根据灰度值与对应的林格曼黑度值确定烟度关系式;所述车牌识别模块4对接收的含车牌的图像处理得到车牌信息并传输至所述检测报告输出模块5;所述烟度测量模块6对接收的无烟背景图像、多张有烟图像进行处理后确定最大灰度值,根据烟度关系式得到排放黑烟的黑度值,并将得到的黑度值及对应的有烟照片传输至所述检测报告输出模块5;所述行驶证处理模块7对接收的行驶证图像进行处理得到车辆信息,并将得到的车辆信息传输至所述检测报告输出模块5;所述检测报告输出模块5根据接收的车牌信息、黑度值及对应的有烟照片、车辆信息输出文档形式的检测报告。
参照附图1、2、3、4,该方法包括以下步骤:
(1)在检测环境中布置标准背景模块1,并固定图像采集模块2,所述标准背景模块1包括系列林格曼黑度图11,所述图像采集模块2采集包含林格曼黑度图11的标准图,采集的标准图为六张,采集时按照林格曼黑度值递增次序的林格曼黑度图11依次进行采集,并传输至图像处理模块3;
具体地,所述林格曼黑度图11采用表面较为粗糙的塑料板印制,由14cm×21cm大小的不同黑度的图片组成,可通过白色背景上确定宽度的黑色线条和间隔的矩形网格来准确印制,每个小格的长、宽均为10mm,每张图片的小格有294个,除全白与全黑分别代表林格曼黑度0级和5级外,其余4个级别是根据黑色条格占整块面积的百分数来确定的,黑色条格的面积占20%为1级、占40%为2级、占60%为3级、占80%为4级,
具体地,所述标准背景模块1还包括固定装置12、照明装置13、背景装置14,所述固定装置12分别固定所述林格曼黑度图11、照明装置13、背景装置14;所述图像采集模块2与所述标准背景模块1相对设置;所述照明装置12在环境光线较暗时,用于提高所述图像采集模块2采集范围内的环境亮度,所述背景装置14在检测环境较为复杂时,提供相对洁净、相对明亮的背景,减小背景干扰因素;
所述图像采集模块2与所述图像处理模块3为一体式或分离式两种结构;为分离式结构时,所述图像采集模块为工业相机、网络相机或普通USB相机等,采用固定装置12及机架8共同固定所述图像采集模块2与所述图像处理模块3;
(2)所述图像处理模块3对接收的标准图进行灰度化、高斯滤波处理,处理后的图片划分为九宫格,使标准图中的林格曼黑度图11位于九宫格的中心区域,计算中心区域图像的灰度值G,根据采用的不同的林格曼黑度图11对应的黑度值与所述的灰度值G确定烟度关系式;选择九宫格的中心区域计算图像灰度值G可降低图像采集模块2采集图像过程中光照强度对图像灰度的影响;
具体地,得到的烟度关系式为:G=kB+a;其中G为中心区域图像的灰度值,B为林格曼黑度图11的林格曼黑度值;根据得到的多个灰度值及对应的林格曼黑度值B确定公式中的k及a;
所述图像采集模块2通过系统PCI总线或USB串行总线与所述图像处理模块3连接;
(3)所述图像采集模块2采集含有车牌的图像,并传输至车牌识别模块4,所述车牌识别模块4对接收的车牌图像处理提取得到车牌信息,并将得到的车牌信息传输至检测报告输出模块5;
具体地,车牌识别模块4对接收的含有车牌的图像依次进行图像灰度化、图像滤波、图像阈值分割、字符分割、字符特征提取、字符分类与学习、字符比对处理得到车牌信息;
(4)所述图像采集模块2采集检测环境中的无烟背景图像,然后快速采集连续多张有烟图像,无烟背景图像是在实际检测时,实际场景下柴油车未发动前的图像,为有烟图像提供检测环境下的对照组;在采集前利用标准背景模块1中的照明装置13、背景装置14调整采集背景,使采集的无烟背景图像、有烟图像与采集标准图时的背景环境尽量保持一致,采集的图像均传输至烟度测量模块6,所述烟度测量模块6对接收的无烟背景图像、多张有烟图像均进行灰度化、高斯滤波处理,确定处理后的有烟图像扣除无烟背景图像灰度值后的灰度值,确定多张有烟图像中灰度值G最大的一张,最大灰度值G代入烟度关系式G=kB+a得到相应的黑度值B,并将得到的黑度值B及对应的有烟图像传输至所述检测报告输出模块5;
具体地,所述烟度测量模块6将处理后的无烟背景图像、每张有烟图像均分割为8×8的64个大小相同的区域,计算同一张图像中每个区域的灰度平均值,确定无烟背景图像中灰度平均值与有烟图像中灰度平均值差别最大的区域,以此区域作为无烟灰度背景,计算每张有烟图像对应区域的灰度值时,扣除无烟灰度背景值,得到多张有烟图像中的最大灰度值,通过烟度关系式得到排放黑烟的黑度值B;在检测过程中,图像采集模块2采集的无烟背景图像、有烟图像都在同一位置采集,相对位置相同,采集时的背景采用照明装置13、背景装置14调节,尽量保持与标准图采集时的背景一致,根据黑烟出现的范围选择8×8的区域,便于确定灰度值G;
(5)所述图像采集模块2采集行驶证图像,并传输至行驶证处理模块7,所述行驶证处理模块7对接收的行驶证图像处理提取行驶证上的车辆信息,并将得到的车辆信息传输至所述检测报告输出模块5;
(6)所述检测报告输出模5块根据接收的车牌信息、最大黑度平均值及对应的有烟图像、车辆信息输出文档形式的检测报告,便于查看。
本发明实施例的方法采用OpenCV进行图像处理,通过标准林格曼黑度图及其处理后的图像灰度平均值得到检测环境下的烟度关系式,再根据采集的无烟背景照片及有烟照片,同样处理后扣除背景灰度值,得到有烟图像的灰度值,通过烟度关系公式计算得到柴油车的排放黑烟浓度;提高了在用柴油车排放烟度检测的精度,还极大简化了在用柴油车排放烟度检测的流程,降低了劳动强度,有助于提高检测效率。
在本文中,所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的,只是为了表达技术方案的清楚及方便。应当理解,所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
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 (8)
1.一种基于机器视觉的柴油车排放黑烟浓度测量方法,其特征是,包括以下步骤:
(1)在检测环境中布置标准背景模块,并固定图像采集模块,所述标准背景模块包括系列林格曼黑度图,所述图像采集模块采集包含林格曼黑度图的标准图,并传输至图像处理模块;
(2)所述图像处理模块对接收的标准图进行灰度化、高斯滤波处理,处理后的图片划分为九宫格,使标准图中的林格曼黑度图位于九宫格的中心区域,计算中心区域图像的灰度值,根据林格曼黑度图对应的黑度值与所述的灰度值拟合得到烟度关系式;
(3)所述图像采集模块采集含有车牌的图像,并传输至车牌识别模块,所述车牌识别模块对接收的车牌图像处理提取得到车牌信息,并将得到的车牌信息传输至检测报告输出模块;
(4)所述图像采集模块采集检测环境中的无烟背景图像,然后快速采集连续多张有烟图像,均传输至烟度测量模块,所述烟度测量模块对接收的无烟背景图像、多张有烟图像均进行灰度化、高斯滤波处理,确定处理后的有烟图像扣除无烟背景图像灰度值后的灰度值,选择多张有烟图像中最大的灰度值,并根据所述烟度关系式得到相应的黑度值,并将得到的黑度值及对应的有烟图像传输至所述检测报告输出模块;
(5)所述图像采集模块采集行驶证图像,并传输至行驶证处理模块,所述行驶证处理模块对接收的行驶证图像处理提取行驶证上的车辆信息,并将得到的车辆信息传输至所述检测报告输出模块;
(6)所述检测报告输出模块根据接收的车牌信息、黑度值及对应的有烟图像、车辆信息输出文档形式的检测报告。
2.根据权利要求1所述的一种基于机器视觉的柴油车排放黑烟浓度测量方法,其特征是,所述图像采集模块与所述图像处理模块为一体式或分离式两种结构,所述图像采集模块通过系统PCI总线或USB串行总线与所述图像处理模块连接;采用机架固定所述图像采集模块。
3.根据权利要求1所述的一种基于机器视觉的柴油车排放黑烟浓度测量方法,其特征是,所述标准背景模块还包括固定装置、照明装置、背景装置,所述固定装置分别固定所述林格曼黑度图、照明装置、背景装置;所述图像采集模块与所述标准背景模块相对设置。
4.根据权利要求1所述的一种基于机器视觉的柴油车排放黑烟浓度测量方法,其特征是,所述烟度关系式为:G=kB+a;其中G为灰度值,B为林格曼黑度图对应的林格曼黑度值;根据采用的多张林格曼黑度图的黑度值与相应得到的灰度值确定公式中的k及a。
5.根据权利要求1或4所述的一种基于机器视觉的柴油车排放黑烟浓度测量方法,其特征是,所述烟度测量模块将处理后的无烟背景图像、每张有烟图像均分割为8×8的64个大小相同的区域,计算同一张图像中每个区域的灰度平均值,确定无烟背景图像中灰度平均值与有烟图像中灰度平均值差别最大的区域,以此区域作为无烟灰度背景起点,计算每张有烟图像对应区域口所述无烟灰度背景后的灰度值,得到多张有烟图像中的最大灰度值,通过烟度关系式得到排放黑烟的黑度值。
6.根据权利要求1所述的一种基于机器视觉的柴油车排放黑烟浓度测量方法,其特征是,所述车牌识别模块对接收的含有车牌的图像依次进行图像灰度化、图像滤波、图像阈值分割、字符分割、字符特征提取、字符分类与学习、字符比对处理得到车牌信息。
7.一种基于机器视觉的柴油车排放黑烟浓度测量系统,其特征是,包括标准背景模块、图像采集模块、图像处理模块、车牌识别模块、烟度测量模块、行驶证处理模块及检测报告输出模块;所述标准背景模块包括系列林格曼黑度图,所述图像采集模块分别采集含有林格曼黑度图的标准图、含有车牌的图像、无烟背景图像、多张有烟图像及行驶证图像,采集的图像分别传输至图像处理模块、车牌识别模块、烟度测量模块与行驶证处理模块,所述图像处理模块对接收的含有林格曼黑度图的标准图进行灰度化、高斯滤波处理,处理后的图片划分为九宫格,使标准图中的林格曼黑度图位于九宫格的中心区域,计算中心区域图像的灰度值,根据不同的林格曼黑度图对应的黑度值与所述的灰度值拟合得到烟度关系式;所述车牌识别模块对接收的含车牌的图像处理得到车牌信息并传输至所述检测报告输出模块;所述烟度测量模块对接收的无烟背景图像、多张有烟图像进行处理后确定最大灰度值,根据烟度关系式得到排放黑烟的黑度值,并将得到的黑度值及对应的有烟照片传输至所述检测报告输出模块;所述行驶证处理模块对接收的行驶证图像进行处理得到车辆信息,并将得到的车辆信息传输至所述检测报告输出模块;所述检测报告输出模块根据接收的车牌信息、黑度值及对应的有烟照片、车辆信息输出文档形式的检测报告。
8.根据权利要求7所述的一种基于机器视觉的柴油车排放黑烟浓度测量系统,其特征是,所述烟度测量模块将处理后的无烟背景图像、每张有烟图像均分割为8×8的64个大小相同的区域,计算同一张图像中每个区域的灰度平均值,确定无烟背景图像中灰度平均值与有烟图像中灰度平均值差别最大的区域,以次区域作为无烟背景灰度,计算每张有烟图像对应区域的扣除无烟背景灰度值后的灰度值,得到多张有烟图像的最大灰度值,通过烟度关系式得到排放黑烟的黑度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810168624.2A CN108776090B (zh) | 2018-02-28 | 2018-02-28 | 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810168624.2A CN108776090B (zh) | 2018-02-28 | 2018-02-28 | 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108776090A CN108776090A (zh) | 2018-11-09 |
CN108776090B true CN108776090B (zh) | 2019-12-17 |
Family
ID=64033538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810168624.2A Expired - Fee Related CN108776090B (zh) | 2018-02-28 | 2018-02-28 | 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108776090B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724605A (zh) * | 2020-06-11 | 2020-09-29 | 广州市云景信息科技有限公司 | 黑烟车监测系统及其监测方法 |
CN112307267B (zh) * | 2020-06-29 | 2023-07-04 | 数量级(上海)信息技术有限公司 | 一种泄漏气体的浓度量化系统及方法 |
BR102020013917A2 (pt) | 2020-07-08 | 2020-10-27 | Yessinergy Holding S/A | processo de produção de concentrado de minerais quelatados com aminoácidos e/ou proteínas da soja e tal produto |
CN112268863B (zh) * | 2020-10-13 | 2023-06-20 | 上海市计量测试技术研究院 | 一种用于校准林格曼黑度仪的光照箱及校准方法 |
CN112213244B (zh) * | 2020-10-27 | 2023-10-10 | 中国科学院合肥物质科学研究院 | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 |
CN112712454B (zh) * | 2021-01-07 | 2021-09-07 | 交通运输部天津水运工程科学研究所 | 一种适用于船闸的船舶黑烟自动抓拍系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09149413A (ja) * | 1995-11-17 | 1997-06-06 | Kyocera Corp | 画像復号化装置 |
CN102456142A (zh) * | 2010-11-02 | 2012-05-16 | 上海宝信软件股份有限公司 | 一种基于计算机视觉的烟气黑度分析方法 |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别系统 |
CN103454228A (zh) * | 2013-09-16 | 2013-12-18 | 北京首钢自动化信息技术有限公司 | 采用运动侦测技术的烟气黑度监控系统 |
CN103808723A (zh) * | 2014-02-27 | 2014-05-21 | 中国科学技术大学 | 一种柴油车烟气黑度自动检测装置 |
-
2018
- 2018-02-28 CN CN201810168624.2A patent/CN108776090B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09149413A (ja) * | 1995-11-17 | 1997-06-06 | Kyocera Corp | 画像復号化装置 |
CN102456142A (zh) * | 2010-11-02 | 2012-05-16 | 上海宝信软件股份有限公司 | 一种基于计算机视觉的烟气黑度分析方法 |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别系统 |
CN103454228A (zh) * | 2013-09-16 | 2013-12-18 | 北京首钢自动化信息技术有限公司 | 采用运动侦测技术的烟气黑度监控系统 |
CN103808723A (zh) * | 2014-02-27 | 2014-05-21 | 中国科学技术大学 | 一种柴油车烟气黑度自动检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108776090A (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776090B (zh) | 一种基于机器视觉的柴油车排放黑烟浓度测量方法及系统 | |
CN102737247B (zh) | 一种柴油车尾气烟度图像识别系统 | |
CN108918539B (zh) | 一种隧道结构表观病害检测装置及方法 | |
CN103808723A (zh) | 一种柴油车烟气黑度自动检测装置 | |
CN108088799B (zh) | 机动车尾气林格曼黑度的测量方法及系统 | |
CN203750868U (zh) | 基于计算机视觉的毛边检测装置 | |
CN106680281A (zh) | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 | |
CN107845090A (zh) | 一种硅片检测方法和硅片检测装置 | |
CN105915840B (zh) | 一种基于视频信号的工厂烟气排放自动监测的方法 | |
CN204882391U (zh) | 一种基于图像处理的车载式路面破损自动识别装置 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
CN110135235B (zh) | 一种眩光处理方法、装置及车辆 | |
CN101063659A (zh) | 纸张纸病检测系统 | |
CN106769732A (zh) | 一种垂直式柴油车烟度检测方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN116026843A (zh) | 电池外观的缺陷检测方法、装置和检测系统 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN103198472B (zh) | 一种重型汽车连杆成品质量检测方法及其检测系统 | |
CN112304876A (zh) | 一种基于机器视觉的棉花色泽度检测装置及检测方法 | |
CN107506739B (zh) | 一种夜间前向车辆检测及测距方法 | |
CN116989881A (zh) | 一种基于线激光目标识别的接触线振动测量系统及方法 | |
CN111369806A (zh) | 货运列车拍照测速及车牌识别方法及装置 | |
CN109990742A (zh) | 基于图像处理技术的板栗检测方法 | |
CN112213244B (zh) | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 | |
CN215867184U (zh) | 一种利用光学探测自动识别降水现象的装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191217 |
|
CF01 | Termination of patent right due to non-payment of annual fee |