CN109459127B - 一种基于matlab图像处理非接触式叶片风振测量方法 - Google Patents
一种基于matlab图像处理非接触式叶片风振测量方法 Download PDFInfo
- Publication number
- CN109459127B CN109459127B CN201811424933.8A CN201811424933A CN109459127B CN 109459127 B CN109459127 B CN 109459127B CN 201811424933 A CN201811424933 A CN 201811424933A CN 109459127 B CN109459127 B CN 109459127B
- Authority
- CN
- China
- Prior art keywords
- blade
- image
- vibration
- point
- video
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
本发明公开了一种基于MATLAB图像处理非接触式叶片风振测量方法,包括下述步骤:S1、获取叶片风振视频,使用相机对叶片风速下气动振动进行视频采集;S2、通过MATLAB获取风振视频的帧率、总帧数,依次对视频的每一帧图像进行处理;S3、获得叶片上荧光靶标位置坐标,通过临近两帧的位置坐标和时间,可求算叶片在来流方向和竖直方向上的气动响应速度,并绘制叶片响应速度的时域图;S4、对每一帧图像进行灰度变换、二值变换、去除不重要区域和边缘检测,获取叶片顶端A点和叶柄端B点,求线段AB与水平线之间的夹角,并绘制叶片角度的时域曲线图。本发明实现了非接触测量叶片在气流下的非周期振动,可高精度测量和分析叶片风速下的振动状态和。
Description
技术领域
本发明属于图像处理的技术领域,具体涉及一种基于MATLAB图像处理非接触式叶片风振测量方法。
背景技术
叶片作为植物上主要的组织,农业方面,在果树风送喷雾中作为农药雾滴和气流的主要承载对象,动态叶片与雾滴交互作用对于沉积有重要影响;林业方面,风灾作为树木破坏的最主要原因,而叶片作为气流的主要承载者;树叶能在气流下振动、变形和自我保护,基于风振下植物和叶片仿生方面研究有所进展。目前非接触式测量树叶气流下振动的仪器主要有非接触式激光测振仪和高速摄像仪,非接触式激光测振仪基于激光反射来测量叶片振动速度,对于周期简谐振动测量精确,对于气流下叶片非周期强迫振动不能准确测量。使用高速摄像仪及其配套分析软件可对叶片振动速度准确测量,但对于叶片强迫振动下振幅或者角度自动测量,而且两种测量仪器价格昂贵且受环境方面限制、操作繁琐、工作量大和效率低。总之,测量叶片风振参数,目前测量仪器在准确性、价格和操作方面都存在一些问题,如何克服上述问题是本领域技术人员亟待解决的问题。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于MATLAB图像处理非接触式叶片风振测量方法,实现了非接触测量叶片在气流下的非周期振动,可高精度测量叶片风速下的振动状态。
为了达到上述目的,本发明采用以下技术方案:
一种基于MATLAB图像处理非接触式叶片风振测量方法,包括下述步骤:
S1、获取叶片风振视频,使用相机对叶片风速下气动振动进行视频采集;
S2、通过MATLAB获取风振视频的帧率、总帧数,依次对视频的每一帧图像进行处理;
S3、获得叶片上荧光靶标位置坐标,通过临近两帧的位置坐标(xk,yk)和时间t,求算叶片在来流方向和竖直方向上的气动响应速度(vxkvyk),并绘制叶片响应速度的时域图;
S4、对每一帧图像进行灰度变换、二值变换、去除不重要区域和边缘检测,获取叶片顶端A点和叶柄端B点,求线段AB与水平线之间的夹角,并绘制叶片角度的时域曲线图。
作为优选的技术方案,步骤S1具体为:
S1.1、将叶片表面布置在迎流方向,叶片下表面布置荧光靶标,拍摄方向所在叶片后面设定距离放置白色背景板;
S1.2、使用数码摄像机,所选帧率为125fps以上,将数码摄像机水平布置在叶片侧面,即与气流方向垂直或与叶片振动方向垂直。
作为优选的技术方案,所述将数码摄像机在每隔6s的时间,将拍摄的视频记录保存。
作为优选的技术方案,所述步骤S2具体为:
首先利用MATLAB读取视频文件,获取视频相应参数,包括帧率FPS和总帧数N;
定义变量k=0并求算两帧图片的时间间隔为t=1000ms/(FPS-1),其中1000ms=1s;
将k值赋予f,f=0为第一帧图像并判断f<=N,通过此判断函数依次处理整个视频的每帧图像直到最后一帧图像。
作为优选的技术方案,所述步骤S3具体为:
S3.1、获取荧光靶标位置坐标,使用函数regionprops可度量图像中某个区域属性,包括某个区域像素总数和区域重心坐标参数;
S3.2、求算荧光靶标振动速度,当处理第一帧图像时记录第一帧图像中荧光区域的重心坐标为(x0,y0),依次处理可得到每一帧的图像的荧光区域重心坐标为(xk,yk),各方向速度分量所对应的时间为Tk=kt,通以下公式分别求的叶片来流方向和竖直方向上的振动速度:
叶片风振总速度为:
叶片风振速度所对应的时间为Tk=kt,程序结束后绘制时间Tk与vxk和vyk的时域曲线图。
作为优选的技术方案,步骤S2.1具体为:
具体使用为STATS=regionprops(L,Centroid),求得荧光靶标区域的重心坐标。
作为优选的技术方案,所述步骤S4具体为:
S4.1、将图像转换为灰度图像,然后再将灰度图像转换为二值图像;
S4.2、使用函数bwareaopen移除二值图像中面积小的部分,包括荧光靶标区域,减少对图像分析的干扰;
S4.3、使用函数edge进行边缘检测;
S4.4、寻找叶片顶端A点和叶片与叶柄连接点B点,利用函数find返回所需要元素所在位置,搜寻顺序为自左向右,自上而下,通过函数find可寻找最右端像素为1的像素点的坐标,从而搜寻到叶片最右端边缘点的坐标;再使用函数sum对图像的列向量进行求和,由于图像为二值图像,求和数值即为该行白色像素点个数,当像素点数超过两个或者三个时,所得到位置为叶片与叶柄连接点B点的纵坐标,然后使用函数sum对B点纵坐标以上所在的行向量进行相加,同理像素数大于两个或三个的位置为B点横坐标,通过以上方法使用sum函数可求得叶柄与叶片连接点B点;
S4.5、连接线段AB,求算线段AB与水平线之间的夹角,即为叶片瞬时振动角度θk,使k=k+1,通过循环函数依次处理该视频的每帧图像;
S4.6、使用函数plot()绘制时间Tk与角度θk的时域曲线图。
本发明与现有技术相比,具有如下优点和有益效果:
本发明所测量的叶片是基于不同倾角的叶面正对气流(风机出风口)方向,使用相机对叶片风速下气动振动进行视频采集,通过MATLAB获取视频的帧率,总帧数等参数,依次对每一帧图像进行处理直到最好一帧,获得叶片上荧光靶标位置坐标,通过临近两帧的位置坐标和时间,可求算叶片在来流方向和竖直方向上的气动响应速度,并绘制叶片响应速度的时域曲线图;然后对每一帧图像分别进行灰度变换、二值变换、去除不重要区域和边缘检测,获取叶片顶端A点和叶柄端B点,求线段AB与水平线之间的夹角,并绘制叶片角度的时域曲线图。本发明实现了非接触测量叶片在气流下的非周期振动,可高精度测量叶片风速下的振动状态。广义上,本发明提供一种操作方便且精确度高的非接触测量振动速度及状态的方法,可应用与一些振动的测量。
附图说明
图1为本发明基于MATLAB图像处理非接触式叶片风振测量方法流程图;
图2为本发明叶片上荧光靶标布置示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本发明基于MATLAB图像处理非接触式叶片风振测量方法主要分为四个步骤:
获取叶片风振视频,MATLAB读取视频,求算叶片瞬时振动速度,求算叶片瞬时风振角度。
下面结合具体的实验对每个步骤做进一步的阐述:
(一)获取叶片风振视频,获取叶片风振视频为第一步骤,详细描述如下:
(1)参照图2,将叶片表面布置在迎流方向(可调节角度在0°-180°),叶片下表面布置荧光靶标,拍摄方向所在叶片后面一定距离放置白色背景板,以为后期图像处理更加方便。
(2)为了测量准确,使用数码摄像机,所选帧率为125fps以上,将相机水平布置在叶片侧面(与气流方向垂直或与叶片振动方向垂直),考虑叶片非周期振动的频率,拍摄6s左右视频并记录保存。
(二)读取叶片风振视频并定义变量;
参见图1,首先MATLAB读取视频文件,获取视频相应参数,包括帧率(FPS),总帧数(N)。定义变量k=0并求算两帧图片的时间间隔为t=1000ms/(FPS-1),其中1000ms=1s。将k值赋予f,f=0为第一帧图像并判断f<=N,通过此判断函数依次处理整个视频的每帧图像直到最后一帧图像。
(三)求算叶片风振瞬时速度
(1)获取荧光靶标位置坐标;
使用函数regionprops(get the properties of region)可度量图像中某个区域属性,包括某个区域像素总数和区域重心(质心)坐标等参数。具体使用为STATS=regionprops(L,Centroid),求得荧光靶标区域的重心(质心)坐标。
(2)求算荧光靶标振动速度;
当处理第一帧图像时(f=0)记录第一帧图像中荧光区域的重心坐标为(x0,y0),依次处理可得到每一帧的图像的荧光区域重心坐标为(xk,yk),各速度所对应的时间为Tk=kt,通以下公式分别求的叶片来流方向和竖直方向上的振动速度:
叶片风振总速度为:
通过处理整个视频每一帧图像,实时测量叶片瞬时振动速度,叶片风振速度所对应的时间为Tk=kt,程序结束后绘制时间Tk与vxk和vyk的时域曲线图。
(四)求算叶片风振角度;
(1)为了避免彩色图像中的饱和度对图像分析的影响,将图像转换为灰度图像,然后再将灰度图像转换为二值图像。
(2)使用函数bwareaopen移除图像中面积小的部分,包括荧光靶标区域,减少对图像分析的干扰。
(3)使用函数edge进行边缘检测。
(4)寻找叶片顶端(A点)和叶片与叶柄连接点(B点)。函数find用于返回所需要元素所在位置,搜寻顺序为自左向右,自上而下。通过函数find可寻找最右端像素为1的像素点(黑色像素点)的坐标,从而搜寻到叶片最右端边缘点的坐标(A点)。使用函数sum对图像的列向量进行求和,由于图像为二值图像(由0和1组成),求和数值即为该行白色像素点个数,当像素点数超过两个或者三个时,所得到位置为叶片与叶柄连接点(B点)纵坐标,然后使用函数sum对B点纵坐标以上所在的行向量进行相加,同理像素数大于两个或三个的位置为B点横坐标,通过以上方法使用sum函数可求得叶柄与叶片连接点B点。
(5)连接线段AB,求算线段AB与水平线之间的夹角,即为叶片瞬时振动角度θk。使k=k+1,通过循环函数依次处理该视频的每帧图像,得到叶片角度的实时变化情况。
(6)可绘制时间Tk与角度θk的时域曲线图。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种基于MATLAB图像处理非接触式叶片风振测量方法,其特征在于,包括下述步骤:
S1、获取叶片风振视频,使用相机对叶片风速下气动振动进行视频采集;
S2、通过MATLAB获取风振视频的帧率、总帧数,依次对视频的每一帧图像进行处理;
S3、获得叶片上荧光靶标位置坐标,通过临近两帧的位置坐标(xk,yk)和时间t,求算叶片在来流方向和竖直方向上的气动响应速度vxk、vyk,并绘制叶片响应速度的时域图;所述步骤S3具体为:
S3.1、获取荧光靶标位置坐标,使用函数regionprops可度量图像中某个区域属性,包括某个区域像素总数和区域重心坐标参数;
S3.2、求算荧光靶标振动速度,当处理第一帧图像时记录第一帧图像中荧光区域的重心坐标为(x0,y0),依次处理可得到每一帧的图像的荧光区域重心坐标为(xk,yk),各方向速度分量所对应的时间为Tk=kt,通以下公式分别求得叶片来流方向和竖直方向上的振动速度:
叶片风振总速度为:
叶片风振速度所对应的时间为Tk=kt,程序结束后绘制时间Tk与vxk和vyk的时域曲线图;
S4、对每一帧图像进行灰度变换、二值变换、去除不重要区域和边缘检测,获取叶片顶端A点和叶柄端B点,求线段AB与水平线之间的夹角,并绘制叶片角度的时域曲线图,步骤S4具体为:
所述步骤S4具体为:
S4.1、将图像转换为灰度图像,然后再将灰度图像转换为二值图像;
S4.2、使用函数bwareaopen移除二值图像中面积小的部分,包括荧光靶标区域,减少对图像分析的干扰;
S4.3、使用函数edge进行边缘检测;
S4.4、寻找叶片顶端A点和叶片与叶柄连接点B点,利用函数find返回所需要元素所在位置,搜寻顺序为自左向右,自上而下,通过函数find可寻找最右端像素为1的像素点的坐标,从而搜寻到叶片最右端边缘点的坐标;再使用函数sum对图像的行向量进行求和,由于图像为二值图像,求和数值即为该行白色像素点个数,当像素点数超过两个或者三个时,所得到位置为叶片与叶柄连接点B点的纵坐标,然后使用函数sum对B点纵坐标以上所在的列向量进行相加,同理像素数大于两个或三个的位置为B点横坐标,通过以上方法使用sum函数可求得叶柄与叶片连接点B点;
S4.5、连接线段AB,求算线段AB与水平线之间的夹角,即为叶片瞬时振动角度θk,使k=k+1,通过循环函数依次处理该视频的每帧图像;
S4.6、使用函数plot()绘制时间Tk与角度θk的时域曲线图。
2.根据权利要求1所述基于MATLAB图像处理非接触式叶片风振测量方法,其特征在于,步骤S1具体为:
S1.1、将叶片表面布置在迎流方向,叶片下表面布置荧光靶标,沿着拍摄方向在叶片后面设定距离放置白色背景板;
S1.2、使用数码摄像机,所选帧率为125fps以上,将数码摄像机水平布置在叶片侧面,即与气流方向垂直或与叶片振动方向垂直。
3.根据权利要求2所述基于MATLAB图像处理非接触式叶片风振测量方法,其特征在于,所述数码摄像机在每隔6s的时间,将拍摄的视频记录保存。
4.根据权利要求1所述基于MATLAB图像处理非接触式叶片风振测量方法,其特征在于,所述步骤S2具体为:
首先利用MATLAB读取视频文件,获取视频相应参数,包括帧率FPS和总帧数N;
定义变量k=0并求算两帧图片的时间间隔为t=1000ms/(FPS-1),其中1000ms=1s;
将k值赋予f,f=0为第一帧图像并判断f<=N,通过此判断函数依次处理整个视频的每帧图像直到最后一帧图像。
5.根据权利要求1所述基于MATLAB图像处理非接触式叶片风振测量方法,其特征在于,步骤S3.1具体为:
具体使用为STATS=regionprops(L,Centroid),求得荧光靶标区域的重心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811424933.8A CN109459127B (zh) | 2018-11-27 | 2018-11-27 | 一种基于matlab图像处理非接触式叶片风振测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811424933.8A CN109459127B (zh) | 2018-11-27 | 2018-11-27 | 一种基于matlab图像处理非接触式叶片风振测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109459127A CN109459127A (zh) | 2019-03-12 |
CN109459127B true CN109459127B (zh) | 2021-03-26 |
Family
ID=65611717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811424933.8A Active CN109459127B (zh) | 2018-11-27 | 2018-11-27 | 一种基于matlab图像处理非接触式叶片风振测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109459127B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553716B (zh) * | 2019-10-12 | 2020-07-10 | 西安交通大学 | 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03131764A (ja) * | 1989-10-18 | 1991-06-05 | Ono Sokki Co Ltd | ビーム分岐光学系を用いたレーザドップラ振動計 |
JP2015072136A (ja) * | 2013-10-01 | 2015-04-16 | 株式会社 光コム | 光学式計測装置 |
CN105183958A (zh) * | 2015-08-24 | 2015-12-23 | 哈尔滨工程大学 | 一种复合材料层合结构三维振动分析方法 |
CN105891327A (zh) * | 2014-10-08 | 2016-08-24 | 南京农业大学 | 一种基于振动信息的植物缺水检测装置及其方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994724B (zh) * | 2014-05-13 | 2019-07-02 | 滕军 | 基于数字图像处理技术的结构二维位移及应变监测方法 |
CN104048744B (zh) * | 2014-07-08 | 2017-03-08 | 安徽常春藤光电智能科技有限公司 | 一种非接触式的基于影像的实时在线振动测量方法 |
CN104700395A (zh) * | 2014-11-11 | 2015-06-10 | 长安大学 | 一种构造物外观裂缝检测方法及系统 |
CN107907109B (zh) * | 2017-11-03 | 2020-06-16 | 福建工程学院 | 一种基于改进型图像处理的角度识别方法和小型无人机 |
-
2018
- 2018-11-27 CN CN201811424933.8A patent/CN109459127B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03131764A (ja) * | 1989-10-18 | 1991-06-05 | Ono Sokki Co Ltd | ビーム分岐光学系を用いたレーザドップラ振動計 |
JP2015072136A (ja) * | 2013-10-01 | 2015-04-16 | 株式会社 光コム | 光学式計測装置 |
CN105891327A (zh) * | 2014-10-08 | 2016-08-24 | 南京农业大学 | 一种基于振动信息的植物缺水检测装置及其方法 |
CN105183958A (zh) * | 2015-08-24 | 2015-12-23 | 哈尔滨工程大学 | 一种复合材料层合结构三维振动分析方法 |
Non-Patent Citations (1)
Title |
---|
Optimization Design, Modeling and Dynamic Analysis for Composite Wind Turbine Blade;Fangfang Song 等;《Procedia Engineering》;20111231;369–375 * |
Also Published As
Publication number | Publication date |
---|---|
CN109459127A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nielsen et al. | Vision-based 3D peach tree reconstruction for automated blossom thinning | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
CN113012150A (zh) | 一种特征融合的高密度稻田无人机图像稻穗计数方法 | |
CN113112504A (zh) | 一种植物点云数据分割方法及系统 | |
CN112200854B (zh) | 一种基于视频图像的叶类蔬菜三维表型测量方法 | |
CN112614147B (zh) | 一种基于rgb影像的作物苗期植株密度估算的方法及系统 | |
CN115953402B (zh) | 一种基于机器视觉的植株应力应变测量方法及装置 | |
Paturkar et al. | Non-destructive and cost-effective 3D plant growth monitoring system in outdoor conditions | |
CN109459127B (zh) | 一种基于matlab图像处理非接触式叶片风振测量方法 | |
Paturkar et al. | 3D reconstruction of plants under outdoor conditions using image-based computer vision | |
CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
CN103090946A (zh) | 果树单树产量测量的方法和系统 | |
Constantino et al. | Towards an automated plant height measurement and tiller segmentation of rice crops using image processing | |
CN105574516B (zh) | 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法 | |
Zhang et al. | A method for calculating the leaf inclination of soybean canopy based on 3D point clouds | |
CN113989689B (zh) | 一种基于无人机的农作物病虫害识别方法及系统 | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
Paturkar et al. | Effect on quality of 3D model of plant with change in number and resolution of images used: an investigation | |
Buayai et al. | End-to-end inflorescence measurement for supporting table grape trimming with augmented reality | |
Wang et al. | Automatic estimation of trunk cross sectional area using deep learning | |
Patel et al. | Deep Learning-Based Plant Organ Segmentation and Phenotyping of Sorghum Plants Using LiDAR Point Cloud | |
Yuan et al. | UAV Photogrammetry-Based Apple Orchard Blossom Density Estimation and Mapping | |
Song et al. | An improved cascade R-CNN and RGB-D camera-based method for dynamic cotton top bud recognition and localization in the field | |
WO2022137242A1 (en) | Deep learning system for estimating object volume, weight and crop yields based on remote imaging | |
Gao et al. | Plant Event Detection from Time-Varying Point Clouds |
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 |