CN109084350A - 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 - Google Patents
一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 Download PDFInfo
- Publication number
- CN109084350A CN109084350A CN201811151666.1A CN201811151666A CN109084350A CN 109084350 A CN109084350 A CN 109084350A CN 201811151666 A CN201811151666 A CN 201811151666A CN 109084350 A CN109084350 A CN 109084350A
- Authority
- CN
- China
- Prior art keywords
- vision
- pixel
- based detection
- image
- detection module
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 141
- 230000004438 eyesight Effects 0.000 title claims abstract description 118
- 239000000779 smoke Substances 0.000 title claims abstract description 97
- 238000001914 filtration Methods 0.000 title claims abstract description 65
- 230000003287 optical effect Effects 0.000 claims abstract description 32
- 238000010411 cooking Methods 0.000 claims abstract description 21
- 238000003384 imaging method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 23
- 230000007797 corrosion Effects 0.000 claims description 18
- 238000005260 corrosion Methods 0.000 claims description 18
- 238000003708 edge detection Methods 0.000 claims description 12
- 239000003517 fume Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000005530 etching Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 2
- 238000007689 inspection Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 235000019504 cigarettes Nutrition 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000004377 improving vision Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种具滤光功能视觉检测模块的油烟机,设置有烟机主体和用于检测油烟大小的视觉检测模块,视觉检测模块与烟机主体电连接;所述视觉检测模块设置有过滤可见光的滤光部和视觉检测部,滤光部装配于视觉检测部,视觉检测部与烟机主体电连接,视觉检测模块朝向对应炉灶区域。视觉检测模块能够过滤可见光同时采用补光装置进行补光,能够消除自然界光源以及频闪光源带来的干扰问题,对人影等干扰也有较好的效果,同时阴天等不良照明条件下不开灯亦可以检测烟雾大小。一种油烟浓度检测方法,视觉检测模块以成像设备采集的前后帧的初始图像作为基础进行处理,初始图像为灰度图,同时可实现油烟浓度的非接触实时检测,具有高准确度和实时性等优点。
Description
技术领域
本发明涉及油烟机领域,特别涉及一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法。
背景技术
油烟机的视觉系统需要稳定光源,自然光主要为可见光,因为可见光的波动性较大,在阴天、晚上等不同的环境时,容易造成视觉系统适用性弱,对于现有技术中的采用普通的目光灯为照明系统,也会造成视觉系统采集到图像的前后帧之间的光亮度存在差异,且容易带进一些外界干扰,进而造成烟雾检测或者视觉系统其他功能产生误判。
现有技术中,针对厨房油烟浓度的检测,主要有红外投射法和物理检测法。红外投射法通过一端发射红外光,另一端进行接收,通过接收到的红外光强度来判断油烟浓度大小。但是,由于油烟飘散具有不确定性,实际中还会存在人手遮挡等干扰,故,需在不同位置安装多个红外发射器才能保证油烟检测的相对准确,成本较高,对安装位置要求也较高。物理检测法类似于烟雾报警器的原理,通过检测空气中漂浮颗粒数来判断油烟浓度,但此法有两个缺点,一是必须当油烟接触到报警器时才能进行检测,不能实现远距离检测;二是当空气中飘浮的不是油烟而是水雾时就无法检测。
因此针对现有技术不足,提供一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法以解决现有技术不足甚为必要。
发明内容
本发明的其中一个目的在于避免现有技术的不足之处而提供一种具滤光功能视觉检测模块的油烟机。该具滤光功能视觉检测模块的油烟机具有高抗干扰能力。
本发明的上述目的通过以下技术措施实现:
提供一种具滤光功能视觉检测模块的油烟机,设置有烟机主体和用于检测油烟大小的视觉检测模块,视觉检测模块与烟机主体电连接。
所述视觉检测模块设置有过滤可见光的滤光部和视觉检测部,滤光部装配于视觉检测部,视觉检测部与烟机主体电连接,视觉检测模块朝向对应炉灶区域。
本发明的具滤光功能视觉检测模块的油烟机,还设置有用于对应炉灶区域进行补光的补光装置,补光装置与于烟机主体电连接,补光装置朝向对应炉灶区域。
优选的,上述补光装置为红外补光装置。
所述视觉检测模块装配于烟机主体;或者
所述视觉检测模块装配于炉灶;或者
所述视觉检测模块装配于墙体。
所述补光装置装配于烟机主体;或者
所述补光装置装配于炉灶;或者
所述补光装置装配于墙体。
优选的,上述滤光部为可见光滤光片。
优选的,上述补光装置为波长为940nm的红外灯组。
优选的,上述补光装置设置为红外灯组。
优选的,上述视觉检测模块通过采集的初始图像进行处理并被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度。
优选的,上述红外灯组设置有多组。
优选的,上述视觉检测部设置有镜头、用于设置焦距的伸缩架、安装底座、感光芯片和PCB板,镜头固定装配于伸缩架,伸缩架装配于安装底座,感光芯片焊接于PCB板,安装底座装配于PCB板,滤光部装配于感光芯片的上方,从上至下依次镜头、伸缩架、安装底座、滤光部、感光芯片和PCB板。
另一优选的,上述视觉检测部设置有镜头、用于设置焦距的伸缩架、安装底座、感光芯片和PCB板,滤光部装配于镜头的上方,镜头固定装配于伸缩架,伸缩架装配于安装底座,感光芯片焊接于PCB板,安装底座装配于PCB板,从上至下依次滤光部、镜头、伸缩架、安装底座、感光芯片和PCB板。
本发明的一种具滤光功能视觉检测模块的油烟机,设置有烟机主体和用于检测油烟大小的视觉检测模块,视觉检测模块与烟机主体电连接;所述视觉检测模块设置有过滤可见光的滤光部和视觉检测部,滤光部装配于视觉检测部,视觉检测部与烟机主体电连接,视觉检测模块朝向对应炉灶区域。本发明的视觉检测模块能够过滤可见光同时采用补光装置进行补光,能够消除自然界光源以及频闪光源带来的干扰问题,对人影等干扰也有较好的效果,同时阴天等不良照明条件下不开灯亦可以检测烟雾大小。
本发明的另一发明目的在于避免现有技术的不足之处而提供一种油烟浓度检测方法。该油烟浓度检测方法具有检测实时、油烟浓度检测结果准确性高的特点。
提供一种油烟浓度检测方法,具有如上述特征的具滤光功能视觉检测模块的油烟机,视觉检测模块以成像设备采集的初始图像作为基础进行处理,初始图像为灰度图,所采集的初始图像被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度;
每次通过后帧的初始图像与前帧的初始图像进行处理,得到后帧初始图像所处时刻的当前厨房油烟浓度的步骤过程如下:
(1)将后帧的初始图像与前帧的初始图像进行帧差处理得到帧差图像;
(2)以开运算方式对帧差图像进行去噪处理,得到去噪图像;
(3)对去噪图像进行边缘检测,标记运动区域作为初始感兴趣区域;
(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算,将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域,其它的区域作为干扰排除;
(5)对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计,根据统计结果划分油烟浓度等级。
步骤(1)中,对采集到的初始图像进行帧差操作得到帧差图像具体是:
视觉检测模块根据接收到的初始图像的先后顺序,将后一帧图像与前一帧图像做差,得到动态区域高亮的帧差图像;
优选的,上述步骤(2)对帧差图像采用开运算进行去噪处理,得到去噪图像,具体通过如下方式进行:先对帧差图像进行腐蚀操作,以消除图像中的噪点和细小尖刺,断开窄小的连接;再对腐蚀后的图像进行膨胀操作,恢复原帧差图像中的烟雾特征。
优选的,上述步骤(3)对去噪图像进行边缘检测,标记运动区域作为初始感兴趣区域,具体是:利用小波变换,检测帧差图像高亮区域的边缘并进行标记,将标记出的区域作为初始感兴趣区域。
优选的,上述步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算,得到每个初始感兴趣区域对应的灰度均值和灰度平滑度,将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域,将其它初始感兴趣区域判定为干扰区域。
优选的,上述步骤(5)中对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计,根据统计结果划分油烟浓度等级,具体是。
将感兴趣区域图像中的所有像素,按照灰度值的大小,统计其出现的频率;
再根据需要划分的浓度等级数量,取10为区间长度,统计每个灰度区间内的像素点个数,每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。
成像设备采集的目标区域以区域S表示,任意一帧初始图像为对应区域S的成像。
初始图像由m*n个像素构成。
后帧初始图像A的像素的灰度值以矩阵AH表示,AH={ahi,j},ahi,j代表后帧初始图像A中第i行、第j列像素对应的灰度值,i为像素所在的行,j为像素所在的列,1≤i≤m,1≤j≤n;后帧初始图像A中第i行、第j列像素所在的子区域为ASi,j。
前帧初始图像B的像素的灰度值以矩阵BH表示,BH={bhi,j},bhi,j代表前帧初始图像B中第i行、第j列像素对应的灰度值,前帧初始图像B中第i行、第j列像素所在的子区域为BSi,j。
帧差图像D的像素灰度值以矩阵DH表示,DH={dhi,j}={ahi,j-bhi,j},dhi,j代表帧差图像D中第i行、第j列像素对应的灰度值,帧差图像D中第i行、第j列像素所在的子区域为DSi,j。
在帧差图像中,|dhi,j|=0的区域,呈黑色;|dhi,j|≠0的区域呈高亮显示。
步骤(2)中对帧差图像进行腐蚀操作,具体包括如下步骤:
2-11,任意定义一个卷积核θ;
2-12,将卷积核θ与帧差图像进行卷积;在卷积核θ遍历帧差图像时,提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C;
像素点C的灰度通过矩阵CH={ck,q}表示,k、q为像素点C的行序号和列序号,
获得在卷积核θ遍历帧差图像过程中得到的卷积结果最小值像素点矩阵P,最小值像素点矩阵P的灰度通过矩阵PH={pk,q}表示;
2-13将像素点矩阵P的灰度对应赋予像素点C,得到腐蚀图像;
步骤(2)中对腐蚀图像进行膨胀操作,具体包括如下步骤:
2-21,任意定义一个卷积核β;
2-22,将卷积核β与腐蚀图像进行卷积;在卷积核β遍历腐蚀图像时,提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R;
像素点R的灰度通过矩阵RH={rl,v}表示,l、v为像素点R的行序号和列序号,
获得在卷积核β遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O,最大值像素点矩阵O的灰度通过矩阵OH={ol,v}表示;
2-13将最大值像素点矩阵O的灰度对应赋予像素点R,得到膨胀图像,得到的膨胀图像即为去噪图像。
优选的,上述步骤(3)通过如下步骤进行:
3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数;
3-2,使滤波器Y遍历去噪图像,计算滤波器在每一位置处的中心像素点所在的去噪图像的灰度值以及中心像素点邻域内其它像素点的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz,z为滤波器Y遍历去噪图像时的标记,
f、g为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的去噪图像的灰度值;α为权重系数,与滤波器位置相对应;
3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值相减,并判断差值的绝对值是否大于阈值Δ;
统计大于阈值的数量,如果数量超过判定滤波器所处位置的中心像素点对应的去噪图像的像素点位置为边缘点,并进行标记;
3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点,获得初步感兴趣区域。
优选的,上述t为3。
本发明的油烟浓度检测方法,提供了一种区别于红外投射法和物理检测法的一种油烟浓度检测方法。该油烟浓度检测方法,几乎不受检测距离的影响,可实现油烟浓度的非接触实时检测,具有高准确度和实时性等优点。
附图说明
利用附图对本发明作进一步的说明,但附图中的内容不构成对本发明的任何限制。
图1为实施例1的一种具滤光功能视觉检测模块的油烟机的截面示意图。
图2为视觉检测模块分解示意图。
图3为图2的装配示意。
图4为实施例2的一种具滤光功能视觉检测模块的油烟机的示意图。
图5为实施例4的视觉检测模块分解示意图。
图6是本发明的方法分割的油烟区域和干扰区域的示意图。
图1至图6中,包括有:
视觉检测模块1、
滤光部11、
视觉检测部12、
镜头121、伸缩架122、安装底座123、感光芯片124、PCB板125、
补光装置2、
烟机主体3、
炉灶4。
具体实施方式
结合以下实施例对本发明的技术方案作进一步说明。
实施例1。
一种具滤光功能视觉检测模块1的油烟机,如图1至3所示,设置有烟机主体3和用于检测油烟大小的视觉检测模块1,视觉检测模块1与烟机主体3电连接。
视觉检测模块1设置有过滤可见光的滤光部11和视觉检测部12,滤光部11装配于视觉检测部12,视觉检测部12与烟机主体3电连接,视觉检测模块1朝向对应炉灶4区域。
本发明的补光装置为红外补光装置。
本发明的具滤光功能视觉检测模块1的油烟机还设置有用于对应炉灶4区域进行补光的补光装置2,补光装置2与于烟机主体3电连接,补光装置2朝向对应炉灶4区域。
本发明的视觉检测模块1通过采集的初始图像进行处理并被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度。同时视觉检测模块1通过内部的镜头检测厨房油烟情况,然后视觉检测模块1的运算装置经算法得到当前厨房油烟浓度。
本发明的补光装置2的装配方式有三种,第一种为补光装置2装配于烟机主体3。第二种为补光装置2装配于炉灶4。第三种为补光装置2装配于墙体,具体的补光装置2的装配方式根据实际情况而定。本实施例为补光装置2装配于烟机主体3。
本发明的视觉检测模块1的装配方式有也三种,第一种为视觉检测模块1装配于烟机主体3。第二种为视觉检测模块1装配于炉灶4。第三种为视觉检测模块1装配于墙体,具体的视觉检测模块1的装配方式根据实际情况而定。本实施例为视觉检测模块1装配于烟机主体3。
本发明的滤光部11为可见光滤光片。补光装置2为波长为940nm的红外灯组。经大量的实验验证,当波长为940nm的视觉检测模块1检测烟雾的精度最好。
本发明的补光装置2设置为红外灯组。
视觉检测模块1通过采集的初始图像进行处理并被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度。
视觉检测部12设置有镜头121、用于设置焦距的伸缩架122、安装底座123、感光芯片124和PCB板125,镜头121固定装配于伸缩架122,伸缩架122装配于安装底座123,感光芯片124焊接于PCB板125,安装底座123装配于PCB板125,滤光部11装配于感光芯片124的上方,从上至下依次镜头121、伸缩架122、安装底座123、滤光部11、感光芯片124和PCB板125。
需说明的是,本发明的感光芯片124为公知常识,只要实现光线捕获并转换为电子信号的功能就可以作为本发明的感光芯片124,因此感光芯片124的型号在此不再累述。
该具滤光功能视觉检测模块1的油烟机,设置有烟机主体3和用于检测油烟大小的视觉检测模块1,视觉检测模块1与烟机主体3电连接;所述视觉检测模块1设置有过滤可见光的滤光部11和视觉检测部12,滤光部11装配于视觉检测部12,视觉检测部12与烟机主体3电连接,视觉检测模块1朝向对应炉灶4区域。本发明的视觉检测模块1能够过滤可见光同时采用补光装置2进行补光,能够消除自然界光源以及频闪光源带来的干扰问题,对人影等干扰也有较好的效果,同时阴天等不良照明条件下不开灯亦可以检测烟雾大小。
实施例2。
一种具滤光功能视觉检测模块1的油烟机,如图4所示,其他特征与实施例1相同,不同之处在于:补光装置2装配于墙体,而视觉检测模块1装配于炉灶4。本发明的红外灯组设置有多组,本实施例具体为4组,需说明的是要,本发明的红外灯组可以设置为4组,也可以设置为大于2的任意数目,具体实施的情况根据实际情况而定。
与实施例1相比,本实施例的提高了视觉检测模块1和补光装置2的装配方式的灵活性。
实施例3。
一种具滤光功能视觉检测模块1的油烟机,如图5所示,其他特征与实施例1相同,不同之处在于:视觉检测部12设置有镜头121、用于设置焦距的伸缩架122、安装底座123、感光芯片124和PCB板125,滤光部11装配于镜头121的上方,镜头121固定装配于伸缩架122,伸缩架122装配于安装底座123,感光芯片124焊接于PCB板125,安装底座123装配于PCB板125,从上至下依次滤光部11、镜头121、伸缩架122、安装底座123、感光芯片124和PCB板125。
与实施例1相比,本实施例的滤光部11装配于视觉检测部12的上方,能够增加滤光部11的安装灵活性。
实施例4。
一种油烟浓度检测方法,视觉检测模块1以成像设备采集的初始图像作为基础进行处理,初始图像为灰度图,所采集的初始图像被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度。通过该方法,也可实时得到当前帧时刻的油烟浓度情况,也可以根据需要即使监控各个时刻当前帧图像的油烟浓度情况,为油烟机的自动抽烟力度提供依据。
每次通过后帧的初始图像与前帧的初始图像进行处理,得到后帧初始图像所处时刻的当前厨房油烟浓度的步骤过程如下:
(1)将后帧的初始图像与前帧的初始图像进行帧差处理得到帧差图像;
(2)以开运算方式对帧差图像进行去噪处理,得到去噪图像;
(3)对去噪图像进行边缘检测,标记运动区域作为初始感兴趣区域;
(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算,将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域,其它的区域作为干扰排除;
(5)对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计,根据统计结果划分油烟浓度等级。统计方法可以为灰度直方图统计,也可以选择其他统计方法。
步骤(1)中,对采集到的初始图像进行帧差操作得到帧差图像具体是:视觉检测模块1根据接收到的初始图像的先后顺序,将后一帧图像与前一帧图像做差,得到动态区域高亮的帧差图像。由于前后两帧图像中静态区域是不变的,动态区域(例如油烟飘散,人手挥动等)是变化的,所以帧差后静态区域呈现黑色,动态区域帧差后表现为边缘模糊的高亮区域,故通过帧差可以得到动态区域高亮的帧差图像。
成像设备采集的目标区域以区域S表示,任意一帧初始图像为对应区域S的成像;初始图像由m*n个像素构成。
后帧初始图像A的像素的灰度值以矩阵AH表示,AH={ahi,j},ahi,j代表后帧初始图像A中第i行、第j列像素对应的灰度值,i为像素所在的行,j为像素所在的列,1≤i≤m,1≤j≤n;后帧初始图像A中第i行、第j列像素所在的子区域为ASi,j。
前帧初始图像B的像素的灰度值以矩阵BH表示,BH={bhi,j},bhi,j代表前帧初始图像B中第i行、第j列像素对应的灰度值,前帧初始图像B中第i行、第j列像素所在的子区域为BSi,j。
帧差图像D的像素灰度值以矩阵DH表示,
DH={dhi,j}={ahi,j-bhi,j},dhi,j代表帧差图像D中第i行、第j列像素对应的灰度值,帧差图像D中第i行、第j列像素所在的子区域为DSi,j;
在帧差图像中,|dhi,j|=0的区域,呈黑色;|dhi,j|≠0的区域呈高亮显示。
帧差操作后,进入步骤(2)。对帧差图像采用开运算进行去噪处理,得到去噪图像,具体通过如下方式进行:先对帧差图像进行腐蚀操作,以消除图像中的噪点和细小尖刺,断开窄小的连接;再对腐蚀后的图像进行膨胀操作,恢复原帧差图像中的烟雾特征。
步骤(2)中对帧差图像进行腐蚀操作,具体包括如下步骤:
2-11,任意定义一个卷积核θ;
2-12,将卷积核θ与帧差图像进行卷积;在卷积核θ遍历帧差图像时,提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C;
像素点C的灰度通过矩阵CH={ck,q}表示,k、q为像素点C的行序号和列序号,
获得在卷积核θ遍历帧差图像过程中得到的卷积结果最小值像素点矩阵P,最小值像素点矩阵P的灰度通过矩阵PH={pk,q}表示;
2-13将像素点矩阵P的灰度对应赋予像素点C,得到腐蚀图像。
步骤(2)中对腐蚀图像进行膨胀操作,具体包括如下步骤:
2-21,任意定义一个卷积核β;
2-22,将卷积核β与腐蚀图像进行卷积;在卷积核β遍历腐蚀图像时,提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R;
像素点R的灰度通过矩阵RH={rl,v}表示,l、v为像素点R的行序号和列序号,
获得在卷积核β遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O,最大值像素点矩阵O的灰度通过矩阵OH={ol,v}表示;
2-13将最大值像素点矩阵O的灰度对应赋予像素点R,得到膨胀图像,得到的膨胀图像即为去噪图像。
利用开运算可以消除图像噪点,在纤细点处分离物体,平滑较大的物体边界,同时也可保证原来图像中高亮区域的面积基本不变,保证后续检测的准确性不受影响。
步骤(3)对去噪图像进行边缘检测,标记运动区域作为初始感兴趣区域,具体是:利用小波变换,检测帧差图像高亮区域的边缘并进行标记,将标记出的区域作为初始感兴趣区域。
由于图像边缘的灰度值与相邻像素点的灰度值会产生较大的灰度值梯度,根据边缘的这一特征,设定一个滤波器,用该滤波器遍历帧差图像。步骤(3)通过如下步骤进行:
3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数。滤波器选择奇数矩阵,以确保只有一个中心点,优选3*3矩阵,具有计算量小的特点。
3-2,使滤波器Y遍历去噪图像,计算滤波器在每一位置处的中心像素点所在的去噪图像的灰度值以及中心像素点邻域内其它像素点的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz,z为滤波器Y遍历去噪图像时的标记,
f、g为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的去噪图像的灰度值;α为权重系数,与滤波器位置相对应。
3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值相减,并判断差值的绝对值是否大于阈值Δ;
统计大于阈值的数量,如果数量超过判定滤波器所处位置的中心像素点对应的去噪图像的像素点位置为边缘点,并进行标记;
3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点,获得初步感兴趣区域。
因为人在做菜操作时,手会一直在挥动,帧差完之后的图像中会包含油烟和人手操作等运动物体的干扰区域,在进行油烟浓度识别之前需要排除干扰区域的影响,这也是本发明专利的难点所在。
但是油烟的运动方向具有随机性,人手,锅铲的运动方向相对明确且特征不同,在数值上表现就是灰度值差异较大,从而:
1)帧差后的图像上油烟运动区域比人手、锅铲运动区域的亮度低,所以相应的油烟区域的灰度值均值也低于人手、锅铲运动区域的灰度均值;
2)帧差后的图像上油烟运动区域的灰度值分布较集中,而人手、锅铲的运动区域边界的灰度值较区域的中心区域跳跃较大,所以该区域的图像不够平滑,对应的灰度值的方差较大。
利用这两个特性,步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算,得到每个初始感兴趣区域对应的灰度均值和灰度平滑度,将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域,将其它初始感兴趣区域判定为干扰区域。
灰度阈值、灰度平滑度阈值的量值可以根据具体需要灵活设置,在此不再赘述。步骤(4)完成油烟区域的识别和干扰区域的排除。
图6示意了一个利用本发明的方法分割的油烟区域和干扰区域的示意图,可见,本发明的方法能够将干扰区域有效排除。
步骤(5)中对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计,根据统计结果划分油烟浓度等级,具体是:
将感兴趣区域图像中的所有像素,按照灰度值的大小,统计其出现的频率;
再根据需要划分的浓度等级数量,取10为区间长度,统计每个灰度区间内的像素点个数,每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。
需要说明的是,区间长度的选择不局限于10,也可以选择其他数量。
油烟浓度的划分标准可以具体设定,如设置浓烟、中等烟或者低烟等,具体数值以实际需求为准,在此不再赘述。
本发明的油烟浓度检测方法,提供了一种区别于红外投射法和物理检测法的一种油烟浓度检测方法。该油烟浓度检测方法,几乎不受检测距离的影响,可实现油烟浓度的非接触实时检测,具有高准确度和实时性等优点。
本发明油烟浓度检测方法,可以设置于油烟机中,通过油烟机设置的成像设备采集烟机灶头区域的图像,并输送至视觉检测模块1,视觉检测模块1将处理的油烟等级结构输送至主控单元,主控单元根据烟机的油烟等级控制烟机抽吸力度。更加准确地对厨房油烟进行抽吸处理。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细说明,本领域的普通技术人员应当理解,可以对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (14)
1.一种具滤光功能视觉检测模块的油烟机,其特征在于:设置有烟机主体和用于检测油烟大小的视觉检测模块,视觉检测模块与烟机主体电连接;
所述视觉检测模块设置有过滤可见光的滤光部和视觉检测部,滤光部装配于视觉检测部,视觉检测部与烟机主体电连接,视觉检测模块朝向对应炉灶区域。
2.根据权利要求1所述的具滤光功能视觉检测模块的油烟机,其特征在于:还设置有用于对应炉灶区域进行补光的补光装置,补光装置与于烟机主体电连接,补光装置朝向对应炉灶区域。
3.根据权利要求2所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述补光装置为红外补光装置。
4.根据权利要求3所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述视觉检测模块装配于烟机主体;或者
所述视觉检测模块装配于炉灶;或者
所述视觉检测模块装配于墙体。
5.根据权利要求4所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述补光装置装配于烟机主体;或者
所述补光装置装配于炉灶;或者
所述补光装置装配于墙体。
6.根据权利要求5所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述滤光部为可见光滤光片。
7.根据权利要求6所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述补光装置为波长为940nm的红外灯组。
8.根据权利要求7所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述补光装置设置为红外灯组。
9.根据权利要求8所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述视觉检测模块通过采集的初始图像进行处理并被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度;
所述红外灯组设置有多组。
10.根据权利要求9所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述视觉检测部设置有镜头、用于设置焦距的伸缩架、安装底座、感光芯片和PCB板,镜头固定装配于伸缩架,伸缩架装配于安装底座,感光芯片焊接于PCB板,安装底座装配于PCB板,滤光部装配于感光芯片的上方,从上至下依次镜头、伸缩架、安装底座、滤光部、感光芯片和PCB板。
11.根据权利要求9所述的具滤光功能视觉检测模块的油烟机,其特征在于:所述视觉检测部设置有镜头、用于设置焦距的伸缩架、安装底座、感光芯片和PCB板,滤光部装配于镜头的上方,镜头固定装配于伸缩架,伸缩架装配于安装底座,感光芯片焊接于PCB板,安装底座装配于PCB板,从上至下依次滤光部、镜头、伸缩架、安装底座、感光芯片和PCB板。
12.一种油烟浓度检测方法,其特征在于,具有如权利要求1至11任意一项特征的具滤光功能视觉检测模块的油烟机,视觉检测模块以成像设备采集的初始图像作为基础进行处理,初始图像为灰度图,所采集的初始图像被序列化,依次通过后帧的初始图像与前帧的初始图像进行处理,得到各个后帧初始图像所处时刻的当前厨房油烟浓度;
每次通过后帧的初始图像与前帧的初始图像进行处理,得到后帧初始图像所处时刻的当前厨房油烟浓度的步骤过程如下:
(1)将后帧的初始图像与前帧的初始图像进行帧差处理得到帧差图像;
(2)以开运算方式对帧差图像进行去噪处理,得到去噪图像;
(3)对去噪图像进行边缘检测,标记运动区域作为初始感兴趣区域;
(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算,将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域,其它的区域作为干扰排除;
(5)对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计,根据统计结果划分油烟浓度等级。
13.根据权利要求12所述的油烟浓度检测方法,其特征在于,步骤(1)中,对采集到的初始图像进行帧差操作得到帧差图像具体是:
视觉检测模块根据接收到的初始图像的先后顺序,将后一帧图像与前一帧图像做差,得到动态区域高亮的帧差图像;
所述步骤(2)对帧差图像采用开运算进行去噪处理,得到去噪图像,具体通过如下方式进行:先对帧差图像进行腐蚀操作,以消除图像中的噪点和细小尖刺,断开窄小的连接;再对腐蚀后的图像进行膨胀操作,恢复原帧差图像中的烟雾特征;
所述步骤(3)对去噪图像进行边缘检测,标记运动区域作为初始感兴趣区域,具体是:利用小波变换,检测帧差图像高亮区域的边缘并进行标记,将标记出的区域作为初始感兴趣区域;
所述步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算,得到每个初始感兴趣区域对应的灰度均值和灰度平滑度,将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域,将其它初始感兴趣区域判定为干扰区域;
所述步骤(5)中对步骤(4)提取出的感兴趣区域分别进行灰度直方图统计,根据统计结果划分油烟浓度等级,具体是:
将感兴趣区域图像中的所有像素,按照灰度值的大小,统计其出现的频率;
再根据需要划分的浓度等级数量,取10为区间长度,统计每个灰度区间内的像素点个数,每个灰度区间内的像素点个数对应划分油烟为相应的浓度等级。
14.根据权利要求13所述的油烟浓度检测方法,其特征在于,成像设备采集的目标区域以区域S表示,任意一帧初始图像为对应区域S的成像;
初始图像由m*n个像素构成,
后帧初始图像A的像素的灰度值以矩阵AH表示,AH={ahi,j},ahi,j代表后帧初始图像A中第i行、第j列像素对应的灰度值,i为像素所在的行,j为像素所在的列,1≤i≤m,1≤j≤n;后帧初始图像A中第i行、第j列像素所在的子区域为ASi,j;
前帧初始图像B的像素的灰度值以矩阵BH表示,BH={bhi,j},bhi,j代表前帧初始图像B中第i行、第j列像素对应的灰度值,前帧初始图像B中第i行、第j列像素所在的子区域为BSi,j;
帧差图像D的像素灰度值以矩阵DH表示,DH={dhi,j}={ahi,j-bhi,j},dhi,j代表帧差图像D中第i行、第j列像素对应的灰度值,帧差图像D中第i行、第j列像素所在的子区域为DSi,j;
在帧差图像中,|dhi,j|=0的区域,呈黑色;|dhi,j|≠0的区域呈高亮显示;
步骤(2)中对帧差图像进行腐蚀操作,具体包括如下步骤:
2-11,任意定义一个卷积核θ;
2-12,将卷积核θ与帧差图像进行卷积;在卷积核θ遍历帧差图像时,提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C;
像素点C的灰度通过矩阵CH={ck,q}表示,k、q为像素点C的行序号和列序号,
获得在卷积核θ遍历帧差图像过程中得到的卷积结果最小值像素点矩阵P,最小值像素点矩阵P的灰度通过矩阵PH={pk,q}表示;
2-13将像素点矩阵P的灰度对应赋予像素点C,得到腐蚀图像;
步骤(2)中对腐蚀图像进行膨胀操作,具体包括如下步骤:
2-21,任意定义一个卷积核β;
2-22,将卷积核β与腐蚀图像进行卷积;在卷积核β遍历腐蚀图像时,提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R;
像素点R的灰度通过矩阵RH={rl,v}表示,l、v为像素点R的行序号和列序号,
获得在卷积核β遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O,最大值像素点矩阵O的灰度通过矩阵OH={ol,v}表示;
2-13将最大值像素点矩阵O的灰度对应赋予像素点R,得到膨胀图像,得到的膨胀图像即为去噪图像;
所述步骤(3)通过如下步骤进行:
3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数;
3-2,使滤波器Y遍历去噪图像,计算滤波器在每一位置处的中心像素点所在的去噪图像的灰度值以及中心像素点邻域内其它像素点的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz,z为滤波器Y遍历去噪图像时的标记,
f、g为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的去噪图像的灰度值;α为权重系数,与滤波器位置相对应;
3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值相减,并判断差值的绝对值是否大于阈值Δ;
统计大于阈值的数量,如果数量超过判定滤波器所处位置的中心像素点对应的去噪图像的像素点位置为边缘点,并进行标记;
3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点,获得初步感兴趣区域;
所述t为3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811151666.1A CN109084350B (zh) | 2018-09-29 | 2018-09-29 | 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811151666.1A CN109084350B (zh) | 2018-09-29 | 2018-09-29 | 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109084350A true CN109084350A (zh) | 2018-12-25 |
CN109084350B CN109084350B (zh) | 2024-01-09 |
Family
ID=64843025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811151666.1A Active CN109084350B (zh) | 2018-09-29 | 2018-09-29 | 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109084350B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632796A (zh) * | 2018-12-29 | 2019-04-16 | 佛山市云米电器科技有限公司 | 一种具有红外温度传感器的有害物质检测设备及其应用 |
CN109657640A (zh) * | 2018-12-29 | 2019-04-19 | 佛山市云米电器科技有限公司 | 一种能根据使用食材进行健康等级划分的油烟机 |
CN109654560A (zh) * | 2018-12-29 | 2019-04-19 | 佛山市云米电器科技有限公司 | 一种能根据使用油类进行厨房空气质量评估的油烟机 |
CN109738582A (zh) * | 2018-12-29 | 2019-05-10 | 佛山市云米电器科技有限公司 | 一种厨房环境空气质量提示装置 |
CN109813841A (zh) * | 2018-12-29 | 2019-05-28 | 佛山市云米电器科技有限公司 | 一种厨房油烟式多环芳烃检测装置 |
CN109884049A (zh) * | 2018-12-29 | 2019-06-14 | 佛山市云米电器科技有限公司 | 一种能够检测厨房油烟的有害物质检测装置 |
CN110907321A (zh) * | 2019-12-05 | 2020-03-24 | 东莞理工学院 | 一种具可见光滤光功能的油烟机油烟浓度视觉检测系统 |
CN113188165A (zh) * | 2020-01-14 | 2021-07-30 | 宁波方太厨具有限公司 | 一种吸油烟机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102814574A (zh) * | 2012-09-06 | 2012-12-12 | 江苏科技大学 | 基于红外视觉传感的窄间隙焊接监控及焊缝偏差检测方法 |
CN104102163A (zh) * | 2013-04-15 | 2014-10-15 | 无锡中科水质环境技术有限公司 | 厨房检测控制系统 |
CN107702174A (zh) * | 2017-11-07 | 2018-02-16 | 佛山市云米电器科技有限公司 | 油烟追踪系统及方法 |
CN107796328A (zh) * | 2017-09-21 | 2018-03-13 | 西南交通大学 | 金属增材制造熔池形貌三维视觉传感器及检测方法 |
CN108534196A (zh) * | 2018-03-08 | 2018-09-14 | 佛山市云米电器科技有限公司 | 降噪系统与视觉检测系统联动的厨房设备及其联动方法 |
CN108549305A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市云米电器科技有限公司 | 一种基于视觉识别的防干烧方法、厨房设备 |
CN209013288U (zh) * | 2018-09-29 | 2019-06-21 | 佛山市云米电器科技有限公司 | 一种具滤光功能视觉检测模块的油烟机 |
-
2018
- 2018-09-29 CN CN201811151666.1A patent/CN109084350B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102814574A (zh) * | 2012-09-06 | 2012-12-12 | 江苏科技大学 | 基于红外视觉传感的窄间隙焊接监控及焊缝偏差检测方法 |
CN104102163A (zh) * | 2013-04-15 | 2014-10-15 | 无锡中科水质环境技术有限公司 | 厨房检测控制系统 |
CN107796328A (zh) * | 2017-09-21 | 2018-03-13 | 西南交通大学 | 金属增材制造熔池形貌三维视觉传感器及检测方法 |
CN107702174A (zh) * | 2017-11-07 | 2018-02-16 | 佛山市云米电器科技有限公司 | 油烟追踪系统及方法 |
CN108534196A (zh) * | 2018-03-08 | 2018-09-14 | 佛山市云米电器科技有限公司 | 降噪系统与视觉检测系统联动的厨房设备及其联动方法 |
CN108549305A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市云米电器科技有限公司 | 一种基于视觉识别的防干烧方法、厨房设备 |
CN209013288U (zh) * | 2018-09-29 | 2019-06-21 | 佛山市云米电器科技有限公司 | 一种具滤光功能视觉检测模块的油烟机 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109813841B (zh) * | 2018-12-29 | 2021-11-23 | 佛山市云米电器科技有限公司 | 一种厨房油烟式多环芳烃检测装置 |
CN109738582B (zh) * | 2018-12-29 | 2021-11-23 | 佛山市云米电器科技有限公司 | 一种厨房环境空气质量提示装置 |
CN109654560A (zh) * | 2018-12-29 | 2019-04-19 | 佛山市云米电器科技有限公司 | 一种能根据使用油类进行厨房空气质量评估的油烟机 |
CN109738582A (zh) * | 2018-12-29 | 2019-05-10 | 佛山市云米电器科技有限公司 | 一种厨房环境空气质量提示装置 |
CN109813841A (zh) * | 2018-12-29 | 2019-05-28 | 佛山市云米电器科技有限公司 | 一种厨房油烟式多环芳烃检测装置 |
CN109884049A (zh) * | 2018-12-29 | 2019-06-14 | 佛山市云米电器科技有限公司 | 一种能够检测厨房油烟的有害物质检测装置 |
CN109657640A (zh) * | 2018-12-29 | 2019-04-19 | 佛山市云米电器科技有限公司 | 一种能根据使用食材进行健康等级划分的油烟机 |
CN109654560B (zh) * | 2018-12-29 | 2024-09-13 | 佛山市云米电器科技有限公司 | 一种能根据使用油类进行厨房空气质量评估的油烟机 |
CN109884049B (zh) * | 2018-12-29 | 2023-06-16 | 佛山市云米电器科技有限公司 | 一种能够检测厨房油烟的有害物质检测装置 |
CN109632796A (zh) * | 2018-12-29 | 2019-04-16 | 佛山市云米电器科技有限公司 | 一种具有红外温度传感器的有害物质检测设备及其应用 |
CN109632796B (zh) * | 2018-12-29 | 2023-06-16 | 佛山市云米电器科技有限公司 | 一种具有红外温度传感器的有害物质检测设备及其应用 |
CN110907321A (zh) * | 2019-12-05 | 2020-03-24 | 东莞理工学院 | 一种具可见光滤光功能的油烟机油烟浓度视觉检测系统 |
CN113188165A (zh) * | 2020-01-14 | 2021-07-30 | 宁波方太厨具有限公司 | 一种吸油烟机 |
CN113188165B (zh) * | 2020-01-14 | 2022-08-12 | 宁波方太厨具有限公司 | 一种吸油烟机 |
Also Published As
Publication number | Publication date |
---|---|
CN109084350B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109084350A (zh) | 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 | |
CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
CN109447063A (zh) | 一种基于图像处理的厨房油烟浓度检测方法 | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
CN109190624A (zh) | 基于图像处理的厨房油烟浓度检测方法 | |
CN111179279A (zh) | 一种基于紫外、双目视觉的综合火焰检测方法 | |
CN101944267B (zh) | 基于视频的烟火检测装置 | |
CN109028232A (zh) | 一种带可移动视觉检测系统的油烟机及油烟浓度检测方法 | |
CN105046218B (zh) | 一种基于串并行处理的多特征交通视频烟雾检测方法 | |
CN108760590A (zh) | 一种基于图像处理的厨房油烟浓度检测与干扰排除方法 | |
CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
CN109028230A (zh) | 具手势控制视觉检测功能的炉具及油烟浓度检测方法 | |
CN112613568B (zh) | 基于可见光及红外多光谱图像序列的目标识别方法和装置 | |
CN109028223A (zh) | 具手势控制视觉检测功能的油烟机及油烟浓度检测方法 | |
CN109028226A (zh) | 基于双区域图像采集进行油烟浓度判断的油烟机 | |
CN109028169A (zh) | 一种具有熄火视觉控制功能的炉具及油烟浓度检测方法 | |
CN109028237A (zh) | 基于双区域图像采集进行风速调节的油烟机 | |
CN109389604A (zh) | 一种厨房油烟图像检测干扰排除方法 | |
CN109028231A (zh) | 一种基于视觉手势控制的烟灶一体机及油烟浓度检测方法 | |
CN209013288U (zh) | 一种具滤光功能视觉检测模块的油烟机 | |
CN108648409B (zh) | 一种烟雾检测方法及装置 | |
CN109344827A (zh) | 一种带补光装置的油烟机及油烟浓度检测方法 | |
CN109028224A (zh) | 一种具光线自适应视觉功能的油烟机及油烟浓度检测方法 | |
CN209013299U (zh) | 具手势控制视觉检测功能的油烟机 | |
CN109089032A (zh) | 一种烟雾视觉成像装置 |
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 |