CN109344827B - 一种带补光装置的油烟机及油烟浓度检测方法 - Google Patents
一种带补光装置的油烟机及油烟浓度检测方法 Download PDFInfo
- Publication number
- CN109344827B CN109344827B CN201811152696.4A CN201811152696A CN109344827B CN 109344827 B CN109344827 B CN 109344827B CN 201811152696 A CN201811152696 A CN 201811152696A CN 109344827 B CN109344827 B CN 109344827B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- initial
- region
- pixel point
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 230000001502 supplementing effect Effects 0.000 title claims abstract description 59
- 239000000779 smoke Substances 0.000 claims abstract description 72
- 230000000007 visual effect Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000006233 lamp black Substances 0.000 claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 239000006096 absorbing agent Substances 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 47
- 230000007797 corrosion Effects 0.000 claims description 21
- 238000005260 corrosion Methods 0.000 claims description 21
- 235000019504 cigarettes Nutrition 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 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
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 abstract description 3
- 238000011179 visual inspection Methods 0.000 description 13
- 239000007789 gas Substances 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 239000003517 fume Substances 0.000 description 4
- 238000011202 physical detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000004071 soot Substances 0.000 description 3
- 239000003595 mist Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000003373 anti-fouling effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种带补光装置的油烟机,设置有烟机主体、用于检测油烟大小的视觉检测模块和用于对视觉检测模块补光的补光装置,视觉检测模块和补光装置分别与烟机主体电连接,补光装置和视觉检测模块朝向对应炉灶区域。本发明选用波长为940nm的红外灯作为补光装置,该光源可以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。红外灯的功率能够有效检测烟雾又能避免能源浪费。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。本发明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,特别涉及一种带补光装置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,但是现有技术中补光装置主要采用普通的日光灯或环境自然光。自然光的波动性较大,造成视觉系统适用性弱,普通补光灯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。同时日光灯又可能会对用户在操作造成影响。
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,提供一种带补光装置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带补光装置的油烟机。该带补光装置的油烟机能够消除频闪和高抗干扰能力。
本发明的上述目的通过以下技术措施实现:
提供一种带补光装置的油烟机,设置有烟机主体、用于检测油烟大小的视觉检测模块和用于对视觉检测模块补光的补光装置,视觉检测模块和补光装置分别与烟机主体电连接,补光装置和视觉检测模块朝向对应炉灶区域。
优选的,上述补光装置为红外补光装置。
优选的,上述补光装置为波长为940nm的红外灯。
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。
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。
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,上述补光装置设置为红外灯。
优选的,上述红外灯设置有多个。
优选的,上述红外灯的功率为0.5~10瓦。
优选的,上述红外灯的功率为3瓦。
优选的,上述视觉检测模块设置有装置主体、视觉检测座和防止油烟或水汽接近视觉检测座的正压部,视觉检测座和正压部分别装配于装置主体。
优选的,上述视觉镜头装配于视觉检测座的上方。
优选的,上述装置主体设置有风腔部,将视觉检测座朝向拍摄区域定义为上方,视觉检测座装配于风腔部的下方。
优选的,上述视觉镜头穿过风腔部的通孔并朝向上方。
优选的,上述正压部装配于风腔部的上方且正压部的小出风口朝向风腔部。
优选的,上述风腔部设置有用于容纳正压部产生气流的第一风腔室和用于对从第一风腔室气流进入的气体进行提速的第二风腔室,正压部装配于第一风腔室,视觉镜头位于第二风腔室内部,第一风腔室与第二风腔室连通。
优选的,上述装置主体还设置有上盖和下盖,上盖固定扣合于风腔部的上方,下盖装配于视觉检测座的底部。
优选的,上述上盖设置有与正压部相配合的小进风口和小出风口,视觉镜头穿过小进风口且与上盖的表面持平。
本发明的一种带补光装置的油烟机,设置有烟机主体、用于检测油烟大小的视觉检测模块和用于对视觉检测模块补光的补光装置,视觉检测模块和补光装置分别与烟机主体电连接,补光装置和视觉检测模块朝向对应炉灶区域。本发明选用波长为940nm的红外灯作为补光装置,该光源可以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。红外灯的功率能够有效检测烟雾又能避免能源浪费。
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,具有如上述特征的带补光装置的油烟机,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;
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;
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;
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的一种带补光装置的油烟机的截面示意图。
图2为实施例2的一种带补光装置的油烟机的示意图。
图3为实施例3的一种带补光装置的油烟机的示意图。
图4为实施例4的视觉检测模块截面示意图。
图5为实施例4的视觉检测模块分解示意图。
图6为图4中的气流流动方向示意图。
图7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7中,包括有:
视觉检测模块1、
装置主体11、
风腔部111、第一风腔室1111、第二风腔室1112、
上盖112、小进风口1121、小出风口1122、
下盖113、
正压部12、
视觉检测座13、视觉镜头131、
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。
一种带补光装置的油烟机,如图1所示,设置有烟机主体3、用于检测油烟大小的视觉检测模块1和用于对视觉检测模块1补光的补光装置2,视觉检测模块1和补光装置2分别与烟机主体3电连接,补光装置2和视觉检测模块1朝向对应炉灶4区域。
补光装置2为红外补光装置。补光装置2为波长为940nm的红外灯。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。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。
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。
本发明的补光装置2设置为红外灯,红外灯设置有多个。
本发明的红外灯可以为分散式结构或者为集中式结构。本实施例具体为集中式结构。
需说明的是,红外灯的分散式结构和集中式结构的选择根据实际情况而定。
本发明的红外灯的功率为0.5~10瓦。本实施例具体优选为3瓦。
需说明的是,红外灯的功率可以为3瓦,也可以为0.5~10瓦内的任意瓦数,具体根据实际情况而定。
本发明的光源功率对视觉检测模块1影响较大,当红外灯的功率瓦数过大则造成能源浪费,当红外灯的功率瓦数过小则无法有效检测烟雾,经试验确定3W功率的红外灯适合厨房环境。
该带补光装置的油烟机,设置有烟机主体3、用于检测油烟大小的视觉检测模块1和用于对视觉检测模块1补光的补光装置2,视觉检测模块1和补光装置2分别装配于烟机主体3且视觉检测模块1和补光装置2都朝向对应炉灶4区域。本发明选用波长为940nm的红外灯作为补光装置,该光源可以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。红外灯的功率能够有效检测烟雾又能避免能源浪费。
实施例2。
一种带补光装置的油烟机,如图2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。本实施例的红外灯为分散式结构。
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。
一种带补光装置的油烟机,如图3所示,其他特征与实施例1相同,不同之处在于:本实施例的红外灯为分散式结构。
红外灯分散于烟机主体朝向炉灶4区域的表面,与实施例1相比,本实施可以提高红外光的辐射范围,从而提高视觉检测模块1对油烟检测的准确度。
实施例4。
一种带补光装置的油烟机,如图4至6所示,其他特征与实施例1相同,不同之处在于:本发明的视觉检测模块1设置有装置主体11、视觉检测座13和防止油烟或水汽接近视觉检测座13的正压部12,视觉检测座13和正压部12分别装配于装置主体11。视觉镜头131装配于视觉检测座13的上方。
装置主体11设置有风腔部111,将视觉检测座13朝向拍摄区域定义为上方,视觉检测座13装配于风腔部111的下方。
视觉镜头131穿过风腔部111的通孔并朝向上方。正压部12装配于风腔部111的上方且正压部12的小出风口1122朝向风腔部111。
风腔部111设置有用于容纳正压部12产生气流的第一风腔室1111和用于对从第一风腔室1111气流进入的气体进行提速的第二风腔室1112,正压部12装配于第一风腔室1111,视觉镜头131位于第二风腔室1112内部,第一风腔室1111与第二风腔室1112连通。
装置主体11还设置有上盖112和下盖113,上盖112固定扣合于风腔部111的上方,下盖113装配于视觉检测座13的底部。
上盖112设置有与正压部12相配合的小进风口1121和小出风口1122,视觉镜头131穿过小进风口1121且与上盖112的表面持平。
本发明的视觉检测模块1的气流流动过程如下:正压部12从上盖112的小进风口1121吸入气体,正压部12再将气体排向第一风腔体,气体从第一风腔室1111流入第二风腔室1112,因为第二风腔室1112的未被占用的体积小于第二风腔室1112的未被占用的体积,气体在第二风腔室1112得到提速,被提速的气体再经过视觉镜头131与锥面结构的缝隙,气体最终以最高速度离开该正压防污式视觉装置,气体在视觉镜头131与烟雾之间形成一定正压,使得烟雾无法接触视觉镜头131。
该视觉检测模块1的正压部12产生气体高速从视觉检测模块1的视觉镜头131的表面流过,从而在视觉镜头131与烟雾之间形成一定的正压,使得烟雾无法接触视觉镜头131。该视觉检测模块1能够防止油烟或水汽的附着。
实施例5。
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;
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;
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;
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7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 (9)
1.一种带补光装置的油烟机,其特征在于:设置有烟机主体、用于检测油烟大小的视觉检测模块和用于对视觉检测模块补光的补光装置,视觉检测模块和补光装置分别与烟机主体电连接,补光装置和视觉检测模块朝向对应炉灶区域;
所述视觉检测模块设置有装置主体、视觉检测座和防止油烟或水汽接近视觉检测座的正压部,视觉检测座和正压部分别装配于装置主体;
所述视觉镜头装配于视觉检测座的上方;
所述装置主体设置有风腔部,将视觉检测座朝向拍摄区域定义为上方,视觉检测座装配于风腔部的下方;
所述视觉镜头穿过风腔部的通孔并朝向上方;
所述正压部装配于风腔部的上方且正压部的小出风口朝向风腔部;
所述风腔部设置有用于容纳正压部产生气流的第一风腔室和用于对从第一风腔室气流进入的气体进行提速的第二风腔室,正压部装配于第一风腔室,视觉镜头位于第二风腔室内部,第一风腔室与第二风腔室连通;
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;
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;
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;
2-23,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;
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。
2.根据权利要求1所述的带补光装置的油烟机,其特征在于:所述补光装置为红外补光装置。
3.根据权利要求2所述的带补光装置的油烟机,其特征在于:所述补光装置为波长为940nm的红外灯。
4.根据权利要求3所述的带补光装置的油烟机,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。
5.根据权利要求4所述的带补光装置的油烟机,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。
6.根据权利要求5所述的带补光装置的油烟机,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;
所述补光装置设置为红外灯;
所述红外灯设置有多个;
所述红外灯为分散式结构或者为集中式结构。
7.根据权利要求6所述的带补光装置的油烟机,其特征在于:所述红外灯的功率为0.5~10瓦。
8.根据权利要求7所述的带补光装置的油烟机,其特征在于:所述红外灯的功率为3瓦。
9.根据权利要求8所述的带补光装置的油烟机,其特征在于:t为3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152696.4A CN109344827B (zh) | 2018-09-29 | 2018-09-29 | 一种带补光装置的油烟机及油烟浓度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152696.4A CN109344827B (zh) | 2018-09-29 | 2018-09-29 | 一种带补光装置的油烟机及油烟浓度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344827A CN109344827A (zh) | 2019-02-15 |
CN109344827B true CN109344827B (zh) | 2023-06-16 |
Family
ID=65308077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811152696.4A Active CN109344827B (zh) | 2018-09-29 | 2018-09-29 | 一种带补光装置的油烟机及油烟浓度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344827B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112071037B (zh) * | 2019-06-11 | 2022-07-01 | 虹球环艺科技集团有限公司 | 现场指示灯驱动方法 |
CN114985150B (zh) * | 2022-08-02 | 2022-11-01 | 山东大拇指喷雾设备有限公司 | 基于视觉感知的喷雾机精准喷雾的控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095297A1 (zh) * | 2014-12-19 | 2016-06-23 | 昂纳自动化技术(深圳)有限公司 | 一种电子烟烟雾浓度检测系统 |
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 |
CN108548199A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
CN108564091A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 目标区域弱边缘提取方法及油烟浓度检测与干扰排除方法 |
CN108563991A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209101364U (zh) * | 2018-09-29 | 2019-07-12 | 佛山市云米电器科技有限公司 | 一种带补光装置的油烟机 |
-
2018
- 2018-09-29 CN CN201811152696.4A patent/CN109344827B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095297A1 (zh) * | 2014-12-19 | 2016-06-23 | 昂纳自动化技术(深圳)有限公司 | 一种电子烟烟雾浓度检测系统 |
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 |
CN108548199A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
CN108564091A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 目标区域弱边缘提取方法及油烟浓度检测与干扰排除方法 |
CN108563991A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 |
Non-Patent Citations (2)
Title |
---|
Study on pollution control in residential kitchen based on the push-pull ventilation system;Bin Zhou et al.;《Building and Environment》;全文 * |
基于传感器的智能抽油烟机设计及实现;张文柔;《山西电子技术》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109344827A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109084350B (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 | |
CN115082683B (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
CN109028223B (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 | |
CN109190624B (zh) | 基于图像处理的厨房油烟浓度检测方法 | |
CN109344827B (zh) | 一种带补光装置的油烟机及油烟浓度检测方法 | |
CN105915840B (zh) | 一种基于视频信号的工厂烟气排放自动监测的方法 | |
CN108760590B (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 | |
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 | |
CN105741244B (zh) | 一种室内巡检机器人弱光下去除阴影和光晕的方法 | |
CN104182943B (zh) | 一种融合人眼视觉特性的单幅图像去雾方法 | |
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 | |
CN109447063A (zh) | 一种基于图像处理的厨房油烟浓度检测方法 | |
CN115035597A (zh) | 一种基于事件相机的变光照动作识别方法 | |
CN109028237A (zh) | 基于双区域图像采集进行风速调节的油烟机 | |
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 | |
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 | |
CN105678773A (zh) | 一种低对比度图像分割方法 | |
CN109882899A (zh) | 一种根据工作环境进行控制的油烟机 | |
JP2006254206A (ja) | 画像信号処理装置 | |
CN209013299U (zh) | 具手势控制视觉检测功能的油烟机 | |
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 | |
CN209101364U (zh) | 一种带补光装置的油烟机 | |
CN109373377A (zh) | 一种具有固定式视觉检测系统的油烟机及油烟浓度检测方法 | |
CN209229817U (zh) | 一种带防震式视觉检测模块的油烟机 | |
CN209101365U (zh) | 一种具无人识别功能的烟灶一体机 |
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 |