CN110967285B - 一种基于图像识别的烟雾浓度量化标准实验箱 - Google Patents

Abstract

本发明提供了一种基于图像识别的烟雾浓度量化标准实验箱，包括：封闭式箱体内部设有烟雾整流栅格，封闭式箱体分为烟雾发生室和测量室，烟雾整流栅格上设有若干个整流孔；烟雾发生室用于放置烟雾弹，使得烟雾发生室充满合适烟雾浓度；活塞组件设置于测量室内，活塞组件可在测量室一侧到烟雾整流栅格之间作往复运动，测量室内获得不同浓度的烟雾，实现连续性测试；光源为可调节亮度式光源，用于模拟不同光线条件；图像获取单元用于采集不同光线条件下、不同烟雾粒子条件下烟雾发生室内烟雾图像。本发明控制烟雾浓度的前提下获取一系列实验图像，可针对不同的烟雾浓度的表征方式进行数据准备，有利于探寻一种图像信息与烟雾浓度最简单的关系。

Description

一种基于图像识别的烟雾浓度量化标准实验箱

技术领域

本发明涉及烟雾浓度识别领域，具体地，涉及一种基于图像识别的烟雾浓度量化标准实验箱。

背景技术

烟雾原意是空气中的煤烟与自然雾混合的产物。现泛指因工业生产排放的固体粉尘凝结后生成的雾状物，或由碳氢化合物和氮氧化物经光化学反应生成的二次污染物等多种污染物的混合体形成的烟雾。随着工业崛起和城市建设的快速发展，烟雾事件随处可见，当初的“伦敦烟雾事件”“洛杉矶光化学烟雾”已不再是特例。

城市高层、地下建筑以及大型综合性建筑日益增多，火灾隐患也大大增加，火灾的数量及其造成的损失呈逐年上升趋势。火灾不仅会造成财产损失，还会产生含有害气体的烟雾。烟雾浓度过高会直接威胁到人身安全,对烟雾及其浓度检测技术的研究成为必要问题被提出来。在火灾烟雾控制、性能化设计、人员疏散,材料安全评估,火羽流、燃烧诊断以及火灾探测等研究中,都需要对烟雾浓度进行准确的测量。

传统工业废气浓度测量最普遍的方法是林格曼烟气浓度图。按照白底上黑色条格占总面积的百分数分成0～5的林格曼级数，然后与烟气颜色相比较，当烟气颜色与其中色块接近时，则认为烟尘浓度与该色块的黑度等级一致。此测量方法简便快捷，但精确度较低。

目前使用较为广泛的是基于光学的烟雾浓度测量。具体主要有：①利用光透过量表征。2001年，赵建华用消光系数比来检验火灾烟雾浓度；2014年，西安近代化学研究所的孙美采用光学透过率表征烟雾浓度的大小。②利用光偏振特性。2000年，朱海平、徐志君研究提出基于光偏振特性测定烟雾浓度方法。③利用光散射、反射量表征。西南大学的刘峰研究激光通过烟雾后透射光强和散射光强之间的线性关系，设计出一种新型的激光烟雾浓度检测系统。

此外，有很多人通过图像处理手段来研究烟雾，不过大多数停留在烟雾检测阶段。有学者尝试通过烟雾图像检测烟雾浓度，基本想法可分为基于烟雾本身特征检测和利用多光谱图像的检测。

基于激光的探测技术中通过对烟雾模型的表述，发现激光穿透烟雾时产生的衰减机理比较复杂，烟雾对激光的散射与吸收与很多因素有关，比如气体的成分、性质及分子的组成，光学性能，气溶胶粒子性质，入射光源的波长等。光环境下烟雾的状态也是重要研究内容。

在实际应用过程中主要遇到以下问题：激光器发射功率太长或者波长过小时，信号会很弱；激光发射源与接收器之间是点对点模式，接收、发射平面之间的角度同样影响着接收信号的信息，点对点模式对准困难，精确度低且无法长期稳定的工作；激光探测时往往只对接收信号设置一个阙值，大于此值则有烟，小于等于此值则无烟，无法判定实际烟雾浓度的大小，可靠性差。对于信噪比较小的信号可能无法分辨。

目前，图像型烟雾探测技术受外界环境条件的影响较为严重，涉及到图像边缘特征获取、图像增强、降噪等算法的处理。在烟雾浓度量化方面的技术还不成熟。本文拓展研究烟雾图像浓度检测，提出基于人工智能的烟雾检测及浓度定量化新方法。由于前人在图像方面研究大多停留在烟雾识别检测，烟雾浓度定量化大多是光学测量，即图像和浓度之间是割裂的，所以网上能够获取的烟雾视频或图像不能与烟雾浓度对应起来。而有监督的机器学习，必须要含有标签的数据作为训练集。

经检索发现，申请号为201511004836.X的中国专利，公开了用于危害气体探测器的模拟测试装置及模拟测试方法，该装置包括测试箱，与测试箱第一侧面经第一管路连接的气瓶、与测试箱第一侧面经第二管路连接的烟雾发生器、与测试箱装配连接的支架和与支架装配连接的摄像头，测试箱的下端面的内侧布置有加温管，测试箱的第二侧面设有有探测器适配器，测试箱的第三面设置有变频风扇，测试箱的第四侧面开设有通风山歌、摄像头位于测试箱的正上方，测试箱的第一侧面设置有第一快速接头和第二快速接头，第一快速接头与第一管路装配连接，第二快速接头与第二管路装配来接，第一管路上上连接第一流量计，第二管路上连接有第二流量计，测试箱内设置有温度传感器。

但是上述专利存在以下不足：该专利中通过风扇来对烟雾进行干扰，反而容易引起烟雾的不均匀；另外，该专利中没有考虑光照条件不同对烟雾照片效果和灰度图的影响，会严重影响测试精度，并影响最终应用到实际工程中的效果。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于图像识别的烟雾浓度量化标准实验箱。

根据本发明提供一种基于图像识别的烟雾浓度量化标准实验箱，包括：

封闭式箱体，所述封闭式箱体内部设有烟雾整流栅格，所述烟雾整流栅格将所述封闭式箱体分为第一腔体和第二腔体，所述烟雾整流栅格上设有若干个均匀分布的整流孔，所述第一腔体和所述第二腔体通过所述整流孔联通；所述第一腔体为烟雾发生室，用于放置烟雾弹，使得所述烟雾发生室充满合适烟雾浓度；所述第二腔体为测量室；

活塞组件，所述活塞组件设置于所述测量室内，所述活塞组件位于所述测量室的一侧，所述活塞组件可在所述测量室一侧到所述烟雾整流栅格之间作往复运动，使所述测量室内获得不同浓度的烟雾，实现连续性测试；

光源，所述光源设置于所述测量室内，所述光源为可调节亮度式光源，通过调节亮度用于模拟不同光线条件，获得不同光照条件下的烟雾呈现的图形；

图像获取单元，用于采集不同光线条件下、不同烟雾粒子条件下所述测量室内烟雾图像。

优选地，还包括：烟气回收管路、风扇、第一单向阀、第二单向阀，所述烟气回收管路的一端通过所述第一单向阀与所述烟雾发生室连接，另一端通过所述第二单向阀与所述测量室连接；所述风扇设置于所述烟气回收管路中，靠近所述第一单向阀处；通过所述烟气回收管路使烟雾在封闭的环境中，从所述烟雾发生室通过所述烟雾整流栅格进入所述测量室；通过所述风扇产生的负压，使多余烟气进入所述烟气回收管路，循环进入所述烟雾发生室，保证了烟雾的均匀性，可获得连续烟雾浓度的数据。

优选地，所述活塞组件包括内隔板和拉杆，所述拉杆的一端与所述内隔板连接，另一端由所述测量室的一侧面穿出，所述内隔板的形状大小与所述测量室的横截面的形状大小相匹配，所述内隔板可将所述测量室分为左侧腔体和右侧腔体，所述内隔板在所述拉杆的带动下可在所述测量室内活动。

优选地，所述封闭式箱体为装配式结构，由两端为敞口的长方体外壳、左侧盖子和右侧盖子装配成一体结构；

所述左侧盖子与所述长方体外壳铰接，所述左侧盖子为所述烟雾发生室的一侧面，通过打开所述左侧盖子，即打开所述烟雾发生室；

所述右侧盖子与所述长方体外壳采用可活动式连接，所述右侧盖子为所述测量室的一侧面，通过打开所述右侧盖子，即打开所述测量室；

所述右侧盖子上设有通孔，所述活塞组件的所述拉杆的另一端由所述通孔穿出到所述测量室的外部。

优选地，所述封闭式箱体还包括多个橡皮套，所述左侧盖子、所述右侧盖子上分别套设所述橡皮套，活塞外边缘上设置所述橡皮套，实现密封。

优选地，还包括：数字照度计探头，所述数字照度计探头设置于所述测量室内，用于测量通过烟雾后的光照度。

优选地，还包括：烟雾浓度测量仪器，用于测量所述测量室内的烟雾浓度；所述烟雾浓度测量仪器设置于所述测量室内；

所述测量室的内壁上设有浓度检测孔，用于安装所述烟雾浓度测量仪器。

优选地，若干所述整流孔呈蜂窝状均匀分布于所述烟雾整流栅格上，使烟雾更加均匀稳定。

优选地，所述测量室的内壁上设有安装孔，用于安装所述图像获取单元。

优选地，还包括图像处理单元，所述图像处理单元与所述图像获取单元的输出端连接，用于对所述图像获取单元获取的烟雾图像进行识别并对其中的烟雾浓度进行量化；所述图像处理单元具体处理过程包括：

S1，输入视频序列或图片；

S2，对S1中输入的视频序列或图片提取运动区域：如果提取到运动区域，则执行S3，如果没有提取到运动区域，则判断为无烟雾；

S3，对S2中得到的运动区域提取烟雾疑似区域：如果提取到疑似区域，则执行S4，如果没有提取到疑似区域，则判断为无烟雾；

S4，通过形态学对S3中得到的烟雾疑似区域变换形成连通域；

S5，将S4中得到的连通域分割为若干个子块；

S6，将S5中得到的若干个子块输入至经过标准样本集训练获得的分类模型，该分类模型中将烟雾浓度作为数据标签，得到每一个子块的分类结果；其中，所述分类模型根据烟雾浓度的检测在工业领域的应用精度的要求，设置烟雾浓度的分类阈值和分类数量；

S7，设置一阈值，若S6中得到的子块分类结果中，被判别为烟雾的结果超过该阈值，则执行S8，同时将该连通域判定为烟雾区域，如果没有超过该阈值，则判断为无烟雾；

S8，将组成S7中判定为烟雾区域的若干个子块输入至回归模型进行图像特征提取以及烟雾浓度预测，其中：所述回归模型由回归神经网络与贝叶斯线性模型组成，所述回归神经网络通过图像特征提取，对判定为烟雾区域的若干个子块进行初级数据标签分类，确定烟雾浓度预测值，并将提取的图像特征向量作为烟雾位置信息；所述贝叶斯线性模型考虑先验数据的分类，在所述回归神经网络的分类结果基础上，提升烟雾浓度数据标签分类的精度；

S9，对S8中得到的各子块的烟雾浓度预测值取平均值，并将该平均值作为烟雾区域浓度值信息。

与现有技术相比，本发明具有如下至少一种的有益效果：

本发明上述装置，可在控制烟雾浓度的前提下获取一系列实验图像，可以针对不同的烟雾浓度的表征方式，进行数据准备，有利于探寻一种图像信息与烟雾浓度最简单的关系，同时多种表征方法之间形成对比，相互佐证，避免单一方法的偶然性，增加结论的可靠性和真实性。通过本装置获取已知烟雾浓度的照片(样本数据)，将烟雾浓度作为数据标签，通过机器学习方法，来确定图像信息与烟雾浓度的关系。

本发明上述装置中，没有使用激光，而是直接用一般光源，并且通过可调光源的亮度，既提高实验的安全性，又实现了不同光照背景下烟雾图片的获得。

本发明采用装配式烟箱构造，实现体积小巧轻便、便于移动，通过采用透明箱体材料，便与观察；烟箱成本比较低。

本发明上述装置中，在测量领域，运用图像获取单元可避免接触式测量的许多缺点，采用工业黑白相机保留图像最原始的信息，光通量及细节表现均强于彩色相机，便于确定烟雾图像与烟雾浓度的关系，并进一步量化烟雾浓度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1a为本发明一优选实施例的结构示意图；

图1b为图1a的纵剖面图；

图2a为本发明一优选实施例的结构示意图；

图2b为图2a的后视图；

图2c为图2a的纵剖面图；

图3a是本发明一优选实施例中封闭式箱体的结构示意图；

图3b是本发明一优选实施例中烟雾整流栅格的结构示意图；

图3c是本发明一优选实施例中橡皮套的结构示意图；

图3d是本发明一优选实施例中左侧盖子的结构示意图；

图3e是本发明一优选实施例中右侧盖子的结构示意图；

图3f是本发明一优选实施例中活塞组件的结构示意图；

图4是本发明一优选实施例中单向阀的结构示意图；

图中标记分别表示为：1为封闭式箱体、2为烟雾整流栅格、3为光源、4为图像获取单元、5为活塞组件、6为烟雾浓度测量仪器、7为数字照度计探头、8为第一单向阀、9为整流孔、10为烟气回收管路、11为橡皮套、12为第二单向阀、13为风扇、14为刻度、15为旋钮、101为烟雾发生室、102为测量室、103为左侧盖子、104为长方体外壳、105为右侧盖子、501为内隔板、502为拉杆。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

参照图1a、图1b所示，为本发明一实施例基于图像识别的烟雾浓度量化标准实验箱的结构示意图，包括：

封闭式箱体1，封闭式箱体1内部设有烟雾整流栅格2，烟雾整流栅格2将封闭式箱体1分为第一腔体和第二腔体，烟雾整流栅格2上设有若干个均匀分布的整流孔9，第一腔体和第二腔体通过整流孔9联通；第一腔体为烟雾发生室101，用于放置烟雾弹，使得烟雾发生室101充满合适烟雾浓度；第二腔体为测量室102。

活塞组件5，活塞组件5设置于测量室102内，活塞组件5位于测量室102的一侧，活塞组件5可在测量室102一侧到烟雾整流栅格2之间作往复运动，使测量室102内获得不同浓度的烟雾，实现连续性测试；在具体实施时，先测试活塞拉杆502是否顺畅；往右拉动活塞杆件，模拟烟雾浓度下降时期，记下拍摄时刻，往左推活塞，模拟烟雾浓度上升时期(如果数据量足够，可以忽略此步骤)。

光源3，光源3设置于测量室102内，光源3为可调节亮度式光源3，通过调节亮度用于模拟不同光线条件，获得不同光照条件下的烟雾图形；本装置中没有使用激光，而是直接用一般光源，采用可调节亮度的光源3既提高实验的安全性，又可获得不同光照背景下烟雾图片。在具体实施时采用从小到大调节平行光到合适亮度。

图像获取单元4，用于采集不同光线条件下、不同烟雾粒子条件下烟雾发生室101内烟雾图像。在具体实施时：图像获取单元4可以采用工业相机。在测量室102的内壁上设有安装孔，用于安装工业相机，将工业相机通过该安装孔固定在测量室102的内壁上，调节至合适位置。工业相机正对的位置为目标背景，该目标背景可以采用黑、白或彩色。可以采用工业黑白相机保留图像最原始的信息，其光通量及细节表现均强于彩色相机，便于更好地寻找烟雾图像与烟雾浓度的关系。

通过上述实施例可模拟不同光线条件下、不同烟雾粒子条件下，通过活塞杆件连续控制烟雾发生室101中的不同烟雾浓度，并获得对应的烟雾图片。作为基于图像识别烟雾浓度的样本数据，通过对样本数据的有标签的机器学习方法，获得基于图像识别烟雾浓度的定量化分析模型。

在其他部分优选实施例中，结合图2a、2b、2c、图4所示，还包括：烟气回收管路10、风扇13、第一单向阀8、第二单向阀12，烟气回收管路10的一端通过第一单向阀8与烟雾发生室101连接，另一端通过第二单向阀12与测量室102连接；风扇13安装在烟气回收管路10中，并靠近第一单向阀8处；通过烟气回收管路10使烟雾在封闭的环境中，从烟雾发生室101通过烟雾整流栅格2进入测量室102，然后通过风扇13产生的负压，使多余烟气进入烟气回收管路10，循环进入烟雾发生室101，保证了烟雾的均匀性，可获得连续烟雾浓度的数据；如果测试完毕后需要排出，则风扇13反向运转，烟雾发生室101的第一单向阀8关闭，烟雾从测量室102，经过烟气回收管路10，从排气口排出，可以把排气口连接到室外，避免了烟雾的随意外排，减少了对实验环境的影响。清空装置内的烟雾之后，可以进行下一个样本的烟雾测试实验。

在其他部分优选实施例中，参照图2b所示，在测量室102内设有刻度，活塞组件1的内隔板(即活塞)在该刻度范围内活动。

在其他部分优选实施例中，参照图1a、图3f所示，活塞组件5包括内隔板501、拉杆502和旋钮15，其中，拉杆502的一端与内隔板501连接，另一端由测量室102的一侧面穿出；内隔板501的形状大小与测量室102的横截面的形状大小相匹配，内隔板501可将测量室102分为左侧腔体和右侧腔体，内隔板501在拉杆502的带动下可在测量室102内活动；旋钮15设置于测量室102的外壁上，通过旋转旋钮15调节拉杆502在测量室102内的伸缩长度，从而调节测量室102的容积。在一具体实施例中，活塞杆件采用的尺寸参数为：活塞板为480mm*480mm、拉杆502长度为2000mm。

在其他部分优选实施例中，参照图3a、3c、3d、3e所示，封闭式箱体1为装配式结构，由两端为敞口的长方体外壳102、左侧盖子103和右侧盖子105装配成一体结构。

左侧盖子103与长方体外壳102铰接，左侧盖子103为烟雾发生室101的一侧面，通过打开左侧盖子103，即打开烟雾发生室101。参照图3d所示，左侧盖子103为长方形结构，长方形的四边向内部延伸形成一周楞边，在楞边上设有用于装配的螺丝孔，在一具体实施例中，在两个长的楞边分别对应设有8个螺丝孔。

右侧盖子105与长方体外壳102采用可活动式连接，右侧盖子105为测量室102的一侧面，通过打开右侧盖子105，即打开测量室102。参照图3e所示，右侧盖子105为长方形结构，长方形的四边向内部延伸形成一周楞边，在楞边上设有用于装配的螺丝孔，在一具体实施例中，在两个长的楞边分别对应设有8个螺丝孔。右侧盖子105上开设有一通孔，活塞组件5的拉杆502的另一端由通孔穿出到测量室102的外部。

封闭式箱体1采用装配式烟箱构造，实现体积小巧轻便、便于移动。封闭式箱体1可以采用透明材料制备，便与观察。例如，在一具体实施例中，封闭式箱体1的内侧采用的尺寸参数为长为2000mm、宽为500mm、高为500mm以及厚为10mm。

在其他部分优选实施例中，封闭式箱体1还包括多个橡皮套11，左侧盖子103、右侧盖子105上分别套设橡皮套11，活塞外边缘上设置橡皮套11，实现密封。参照图3c所示，橡皮套11由4个侧边围成长方形边框，长方形边框上设有安装孔，在一具体实施例中，在长方形的边框的两个长边上对应设有8个安装孔，该安装孔的位置与左侧盖子103及右侧盖子105上的螺丝孔对应。左侧盖子103、右侧盖子105上分别套设橡皮套11，将左侧盖子103、右侧盖子105加橡皮套11嵌入箱体，使左侧盖子103、右侧盖子105与长方体外壳102连接处分别形成密封结构。活塞外边缘上设置橡皮套11，防止活塞与玻璃等硬质材料相互摩擦，实现密封结构。

在其他部分优选实施例中，参照图1、图2所示，还包括：四个数字照度计，将四个数字照度计分别设置于测量室102内，将数字照度计探头固定于活塞组件5的内隔板501上，测量通过烟雾后的光照度；之所以采用4个点的数值，是为了取平均数值作为烟雾测量室测量区域的照度值，从而使数据更具有代表性，避免局部离散性。采用数字照度计测出前端(为经过烟雾前)光源3照度，在具体实施时，将数字照度计探头的输出端与电脑PC端连接，将测量通过烟雾后的光照度，并将数字照度计探头测量的数据传输到电脑PC端，通过电脑PC端记录并存储数据。

在其他部分优选实施例中，还包括：烟雾浓度测量仪器6，用于测量测量室102内的烟雾浓度；烟雾浓度测量仪器6设置于测量室102内，测量室102的内壁上设有浓度检测孔，用于安装烟雾浓度测量仪器6。在测量室102的内壁上设有浓度检测孔，用于安装烟雾浓度测量仪器6。在具体实施时，将烟雾浓度测量仪器6的输出端与电脑PC端连接，将烟雾浓度测量仪器6测量的数据传输到电脑PC端，通过电脑PC端记录并存储数据。

在其他部分优选实施例中，参照图3b所示，若干整流孔9呈蜂窝状均匀分布于烟雾整流栅格上，使烟雾更加均匀稳定。在一具体实施例中，具体参数为：蜂窝孔直径50mm均匀分布。

在另一优选实施例中，在上述试验箱结构的基础上，还可以进一步包括图像处理单元，图像处理单元与图像获取单元4的输出端连接，用于对图像获取单元4获取的烟雾图像进行识别并对其中的烟雾浓度进行量化。

具体的，图像处理单元具体处理过程可以包括：

S1，输入视频序列或图片；

S2，对S1中输入的视频序列或图片提取运动区域：如果提取到运动区域，则执行S3，如果没有提取到运动区域，则判断为无烟雾；

S3，对S2中得到的运动区域提取烟雾疑似区域：如果提取到疑似区域，则执行S4，如果没有提取到疑似区域，则判断为无烟雾；

S4，通过形态学对S3中得到的烟雾疑似区域变换形成连通域；

S5，将S4中得到的连通域分割为若干个子块；

S6，将S5中得到的若干个子块输入至经过标准样本集训练获得的分类模型，该分类模型中将烟雾浓度作为数据标签，得到每一个子块的分类结果；其中，所述分类模型根据烟雾浓度的检测在工业领域的应用精度的要求，设置烟雾浓度的分类阈值和分类数量；

S7，设置一阈值，若S6中得到的子块分类结果中，被判别为烟雾的结果超过该阈值，则执行S8，同时将该连通域判定为烟雾区域，如果没有超过该阈值，则判断为无烟雾；

S8，将组成S7中判定为烟雾区域的若干个子块输入至回归模型进行图像特征提取以及烟雾浓度预测，其中：所述回归模型由回归神经网络与贝叶斯线性模型组成，所述回归神经网络通过图像特征提取，对判定为烟雾区域的若干个子块进行初级数据标签分类，确定烟雾浓度预测值，并将提取的图像特征向量作为烟雾位置信息；所述贝叶斯线性模型考虑先验数据的分类，在所述回归神经网络的分类结果基础上，提升烟雾浓度数据标签分类的精度；

S9，对S8中得到的各子块的烟雾浓度预测值取平均值，并将该平均值作为烟雾区域浓度值信息。

上述较优实施例中，采用的回归模型由回归神经网络与贝叶斯线性模型组成。其中，回归神经网络包含输入层Input、卷积层C1、卷积层C2、卷积层C3、池化层S1、池化层S2、池化层S3、全连接层F1、全连接层F2以及输出层，优化方法为Adam优化器；其中：

输入层Input，输入数据为32×24大小的图片，含RGB三通道；

卷积层C1，卷积核大小为5x5，步长为1，特征图个数为32，激活函数为RELU，卷积核权重初始值由零均值、方差为0.1的正态分布生成，偏置为0.1；

池化层S1，核的大小为2x2，步长为2，采用最大池化，进行padding填充；

卷积层C2，卷积核大小为5x5，步长为1，特征图个数为96，激活函数为RELU，卷积核权重初始值由零均值、方差为0.1的正态分布生成，偏置为0.1；

池化层S2，核的大小为2x2，步长为2，采用最大池化，进行padding填充；

卷积层C3,卷积核大小为5x5，步长为1，特征图个数为128，激活函数为RELU，卷积核权重初始值由零均值、方差为0.1的正态分布生成，偏置为0.1；

池化层S3，核的大小为2x2，步长为2，采用最大池化，进行padding填充；

全连接层F1，含1024个神经元与池化层S3相连，激活函数为RELU，为防止过拟合，使用Dropout，即在每个训练批次中，通过忽略一部分特征检测器来减少节点间的相互作用，避免过拟合，增强模型泛化能力；其中，忽略一部分特征检测器即让一部分隐层节点值为0；

全连接层F2，含32个神经元与全连接层F1全连接，激活函数为RELU，使用Dropout，其提取的特征即为烟雾区域的图像特征向量；

输出层，含1个神经元与全连接层F2全连接，其值即为烟雾浓度预测值。

以浓度为标签训练通过最小化均方根误差训练该神经网络，按照如下算例进行验证：每次抽取64张图片进行训练，共训练3000轮，通过给参数提供不同的初始值多次训练最终获得表现最好的结果，其平均误差约为10％。

为了提升模型效果，在回归神经网络分析结果的基础上，进一步采用贝叶斯线性模型。贝叶斯方法具有将先验知识与观测结果结合起来天然优势，一般的决策方法对于一般数据并非完全可信，如果采用结合先验获得后验的贝叶斯方法，这更加符合试验观察数据结果都有误差的事实，尤其是在数据量较小的情况下，可以很有效地避免因观测误差导致的模型偏差。随着数据的增加，它可以不断进行更新，使分类决策更加完善合理。

将上述回归神经网络中的第二层全连接层提取的向量作为图片的特征向量，浓度为标签训练贝叶斯回归模型，该模型在测试集上的平均误差提高到约6％，效果显著优于直接使用神经网络进行回归的结果。

整个基于贝叶斯线性回归模型的分类分为三个阶段：

准备工作阶段，任务是为贝叶斯线性回归模型的做必要的准备，主要工作是根据具体情况确定特征属性，并对每个特征属性进行适当划分，然后由人工对一部分待分类项进行分类，形成训练样本集合。这一阶段的输入是所有待分类数据，输出是特征属性和训练样本。这一阶段是整个朴素贝叶斯分类中唯一需要人工完成的阶段，其质量对整个过程将有重要影响，分类器的质量很大程度上由特征属性、特征属性划分及训练样本质量决定。

分类器训练阶段，这个阶段的任务就是生成分类器，主要工作是计算每个类别在训练样本中的出现频率及每个特征属性划分对每个类别的条件概率估计，并将结果记录。其输入是特征属性和训练样本，输出是分类器。

应用阶段，这个阶段的任务是使用分类器对待分类项进行分类，其输入是分类器和待分类项，输出是待分类项与类别的映射关系。

当特征属性为连续值时，通常假定其值服从高斯分布(也称正态分布)。

因此只要计算出训练样本各个类别中此特征项划分的各均值和标准差，代入高斯分布公式即可得到需要的估计值。

本发明上述实施例中的装置，可在控制烟雾浓度的前提下获取一系列实验图像，没有使用激光，而是直接用一般光源，并且通过可调光源的亮度，既提高实验的安全性，又实现了不同光照背景下烟雾图片的获得；同时，采用装配式烟箱构造，实现体积小巧轻便、便于移动，烟箱成本比较低。

本发明上述装置中，运用图像获取单元可避免接触式测量的许多缺点，采用工业黑白相机保留图像最原始的信息，光通量及细节表现均强于彩色相机，便于确定烟雾图像与烟雾浓度的关系，并进一步量化烟雾浓度。在采集上述的多种光照背景下的烟雾图片后，进一步传送到图像处理单元，图像处理单元针对烟雾图片，通过烟雾区域的识别和裁切获得目标检测图片，进入烟雾浓度的定量化分析，实现检测过程的自动化。得到带浓度标签的烟雾图像后，可以运用图像数据增强手段来扩充图像样本数据集。常用的数据增强手段有旋转/反射变换(Rotation/reflection)、翻转变换(flip)、缩放变换(zoom)等操作。本发明在数据集的扩充中都给与了实现，保证数据集的丰富性和多样性。

本发明上述装置中，图像处理单元通过采用回归模型(包括快速的贝叶斯分类模型)，实现基于有监督机器学习和快速分类的过程，实现针对特定烟雾图片实现定量检测。本发明具有智能化、高效性和自动化识别等特征。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于：包括：

封闭式箱体，所述封闭式箱体内部设有烟雾整流栅格，所述烟雾整流栅格将所述封闭式箱体分为第一腔体和第二腔体，所述烟雾整流栅格上设有若干个均匀分布的整流孔，所述第一腔体和所述第二腔体通过所述整流孔联通；所述第一腔体为烟雾发生室，用于放置烟雾弹，使得所述烟雾发生室充满合适烟雾浓度；所述第二腔体为测量室；

活塞组件，所述活塞组件设置于所述测量室内，所述活塞组件位于所述测量室的一侧，所述活塞组件可在所述测量室一侧到所述烟雾整流栅格之间作往复运动，使所述测量室内获得不同浓度的烟雾，实现连续性测试；

光源，所述光源设置于所述测量室内，所述光源为可调节亮度式光源，通过调节亮度用于模拟不同光线条件，获得不同光照条件下的烟雾呈现的图形；

图像获取单元，用于采集不同光线条件下、不同烟雾粒子条件下所述测量室内烟雾图像。

2.根据权利要求1所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括：烟气回收管路、风扇、第一单向阀和第二单向阀，所述烟气回收管路的一端通过所述第一单向阀与所述烟雾发生室连接，另一端通过所述第二单向阀与所述测量室连接；所述风扇设置于所述烟气回收管路中，靠近所述第一单向阀处；通过所述烟气回收管路使烟雾在封闭的环境中，从所述烟雾发生室通过所述烟雾整流栅格进入所述测量室；通过所述风扇产生的负压，使多余烟气进入所述烟气回收管路，循环进入所述烟雾发生室，保证了烟雾的均匀性，可获得连续烟雾浓度的数据。

3.根据权利要求1所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述活塞组件包括内隔板、拉杆和旋钮，其中，所述拉杆的一端与所述内隔板连接，另一端由所述测量室的一侧面穿出；所述内隔板的形状大小与所述测量室的横截面的形状大小相匹配，所述内隔板可将所述测量室分为左侧腔体和右侧腔体，所述内隔板在所述拉杆的带动下可在所述测量室内活动；所述旋钮设置于所述测量室的外壁上，通过旋转所述旋钮调节所述拉杆在所述测量室内的伸缩长度，从而调节所述测量室的容积。

4.根据权利要求3所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述封闭式箱体由两端为敞口的长方体外壳、左侧盖子和右侧盖子装配成一体结构；

所述左侧盖子与所述长方体外壳铰接，所述左侧盖子为所述烟雾发生室的一侧面，通过打开所述左侧盖子，即打开所述烟雾发生室；

所述右侧盖子与所述长方体外壳采用可活动式连接，所述右侧盖子为所述测量室的一侧面，通过打开所述右侧盖子，即打开所述测量室；

所述右侧盖子上设有通孔，所述活塞组件的所述拉杆的另一端由所述通孔穿出到所述测量室的外部。

5.根据权利要求4所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述封闭式箱体还包括多个橡皮套，所述左侧盖子、所述右侧盖子上分别套设所述橡皮套，活塞外边缘上设置所述橡皮套，实现密封。

6.根据权利要求1所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括：四个数字照度计，将四个所述数字照度计分别设置于测量室内，用于测量通过烟雾后的光照度。

7.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括：烟雾浓度测量仪器，用于测量所述测量室内的烟雾浓度；所述烟雾浓度测量仪器设置于所述测量室内；

所述测量室的内壁上设有浓度检测孔，用于安装所述烟雾浓度测量仪器。

8.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，若干所述整流孔呈蜂窝状均匀分布于所述烟雾整流栅格上，使烟雾更加均匀稳定。

9.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，所述测量室的内壁上设有安装孔，用于安装所述图像获取单元。

10.根据权利要求1-6中任一项所述的一种基于图像识别的烟雾浓度量化标准实验箱，其特征在于，还包括图像处理单元，所述图像处理单元与所述图像获取单元的输出端连接，用于对所述图像获取单元获取的烟雾图像进行识别并对其中的烟雾浓度进行量化；所述图像处理单元具体处理过程包括：

S1，输入视频序列或图片；

S2，对S1中输入的视频序列或图片提取运动区域：如果提取到运动区域，则执行S3，如果没有提取到运动区域，则判断为无烟雾；

S3，对S2中得到的运动区域提取烟雾疑似区域：如果提取到疑似区域，则执行S4，如果没有提取到疑似区域，则判断为无烟雾；

S4，通过形态学对S3中得到的烟雾疑似区域变换形成连通域；

S5，将S4中得到的连通域分割为若干个子块；

S6，将S5中得到的若干个子块输入至经过标准样本集训练获得的分类模型，该分类模型中将烟雾浓度作为数据标签，得到每一个子块的分类结果；其中，所述分类模型根据烟雾浓度的检测在工业领域的应用精度的要求，设置烟雾浓度的分类阈值和分类数量；

S7，设置一阈值，若S6中得到的子块分类结果中，被判别为烟雾的结果超过该阈值，则执行S8，同时将该连通域判定为烟雾区域，如果没有超过该阈值，则判断为无烟雾；

S8，将组成S7中判定为烟雾区域的若干个子块输入至回归模型进行图像特征提取以及烟雾浓度预测，其中：所述回归模型由回归神经网络与贝叶斯线性模型组成，所述回归神经网络通过图像特征提取，对判定为烟雾区域的若干个子块进行初级数据标签分类，确定烟雾浓度预测值，并将提取的图像特征向量作为烟雾位置信息；所述贝叶斯线性模型考虑先验数据的分类，在所述回归神经网络的分类结果基础上，提升烟雾浓度数据标签分类的精度；

S9，对S8中得到的各子块的烟雾浓度预测值取平均值，并将该平均值作为烟雾区域浓度值信息。

Images