CN111812116B - 一种油烟管道的在线监测方法及监测系统 - Google Patents

一种油烟管道的在线监测方法及监测系统 Download PDF

Info

Publication number
CN111812116B
CN111812116B CN202010813825.0A CN202010813825A CN111812116B CN 111812116 B CN111812116 B CN 111812116B CN 202010813825 A CN202010813825 A CN 202010813825A CN 111812116 B CN111812116 B CN 111812116B
Authority
CN
China
Prior art keywords
image
target
target image
oil smoke
real
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
Application number
CN202010813825.0A
Other languages
English (en)
Other versions
CN111812116A (zh
Inventor
苑贵全
骞一凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Weijie Dongbo Information Technology Co ltd
Original Assignee
Beijing Weijie Dongbo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Weijie Dongbo Information Technology Co ltd filed Critical Beijing Weijie Dongbo Information Technology Co ltd
Priority to CN202010813825.0A priority Critical patent/CN111812116B/zh
Publication of CN111812116A publication Critical patent/CN111812116A/zh
Application granted granted Critical
Publication of CN111812116B publication Critical patent/CN111812116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种油烟管道的在线监测方法及监测系统，其中油烟管道的在线监测方法具体包括如下步骤：获取目标对象；对目标对象进行第一检测，检测目标对象中是否存在目标图像；若存在目标图像，则对目标图像进行第二检测，查看目标图像是否为真实目标图像；若为真实目标图像，则对真实目标图像进行协调处理；对协调后的真实目标图像进行第三检测，获取第三检测结果；根据第三检测结果进行监测同时发出提示处理。本申请能够对油烟管道进行实时监控，避免出现因为油烟管道中的油烟面积过大而清理不及时，发生的火灾问题。

Description

一种油烟管道的在线监测方法及监测系统
技术领域
本申请涉及油烟领域，具体地，涉及一种油烟管道的在线监测方法及监测系统。
背景技术
油烟废气是一种气、液、固三相混合的气溶胶，其组分中含有多种有毒、有害及致病成分，直接排放会对大气造成严重污染，因此国家相关法律规定，排放油烟的餐饮服务业经营者必须安装油烟净化设施，排放油烟的餐饮服务业经营者未安装油烟净化设施、不正常使用油烟净化设施或者未采取其他油烟净化措施，超过排放标准排放油烟的，均会受到相关处罚。但是油烟净化设备并不能进行油烟管道的监测，据调查，目前市场上的餐饮单位的油烟管道由于长期不清理或者清理不到位，经常导致油烟管道火灾案例多有发生。另外，由于对油烟管道的监管不到位，缺乏实时监控系统，当存在安全隐患时不能及时发现，不仅严重造成清洗能源的浪费，而且还会加重油烟管道火灾安全的发生，不利于国家的环保节能。
因此，如何能够有效的对油烟管道进行在线监测从而避免发生火灾问题保是本领域人员目前急需解决的问题。
发明内容
本申请提供了一种一种油烟管道的在线监测方法，其特征在于，具体包括如下步骤：获取目标对象；对目标对象进行第一检测，检测目标对象中是否存在目标图像；若存在目标图像，则对目标图像进行第二检测，查看目标图像是否为真实目标图像；若为真实目标图像，则对真实目标图像进行协调处理；对协调后的真实目标图像进行第三检测，获取第三检测结果；根据第三检测结果进行监测同时发出提示处理。
如上的，其中，目标对象为正在运行的油烟机中的油烟管道内壁图像。
如上的，其中，对目标对象进行第一检测，检测目标对象中是否存在目标图像具体为，目标对象中是否存在与油烟图像相似的异物图像，其中油烟图像为油烟颗粒汇聚形成的油烟污渍图像。
如上的，其中，对目标对象进行第一检测，检测目标对象中是否存在目标图像包括，对异物图像和油烟图像进行预处理，预处理具体为将一个或多个异物图像，以及油烟图像分别经Q比特量化，转变为灰度图像，其中灰度图像由空间上离散的、Gi个灰度级的像素构成，i＝0,1,2...2Q-1。
如上的，其中，还包括，根据像素坐标系将异物图像和油烟图像进行区域块划分。
如上的，其中，对于一个或多个目标图像进行第二检测，具体为目标图像的像素点进行检测查看每个目标图像中的一个或多个目标像素点是否为真实像素点，若指定数量的像素值为真实像素点，则该目标图像为真实目标图像。
如上的，其中，对真实目标图像进行协调处理之前，还包括对一个或多个真实目标图像进行位置判断。
如上的，其中，预先在目标对象中建立图像坐标系，以油烟管道内壁的开口位置为图像坐标系原点；将油烟管道内壁的开口位置作为起点，向后延伸指定距离的横坐标或纵坐标作为终点，该起点到终点的距离作为第一指定距离；将第一指定距离的终点作为第二指定距离的起点，向后延伸指定距离的横坐标或纵坐标作为第二指定距离的终点，该起点到终点的距离为第二指定距离；将第二指定距离的终点作为起点，油烟内壁管道出口的位置为终点，该起点到终点的距离作为第三指定距离。
一种油烟管道的在线监测系统，包括获取单元、第一检测单元、第二检测单元、协调处理单元、第三检测单元以及监测单元；获取单元，用于获取目标对象；第一检测单元，用于对目标对象进行第一检测，检测目标对象中是否存在目标图像；第二检测单元，用于根据目标图像的位置对目标图像进行第二检测，查看目标图像是否为真实目标图像；协调处理单元，用于获取目标图像的位置并对目标图像进行协调处理；第三检测单元，用于对协调后的目标图像进行第三检测，获取第三检测结果；监测单元，用于根据第三检测结果进行监测，进行提示处理。
如上的，其中，第一检测单元具体包括以下子模块：标准图像获取模块、第一比对模块、第二比对模块；其中标准图像存储模块用于获取预先存储的标准对象；第一比对模块，用于将目标对象与标准对象进行第一比对；第二比对模块，用于若存在一个或多个异物图像，则将异物图像与油烟图像进行第二比对。
本申请具有的有益效果是：本申请提供的油烟管道的在线监测方法及监测系统能够对油烟管道进行实时监控，避免出现因为油烟管道中的油烟面积过大而清理不及时，发生的火灾问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的油烟管道在线监测的方法流程图；
图2是根据本申请实施例提供的油烟管道在线监测系统的内部结构图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请涉及一种油烟管道的在线监测方法及监测系统。根据本申请，对油烟管道进行实时监控，避免出现因为油烟管道中的油烟面积过大而清理不及时，发生的火灾问题。
如图1所示为本申请提供的油烟管道在线监测的方法流程图，具体包括以下步骤：
步骤S110：获取目标对象。
具体地，其中目标对象为正在运行的油烟机中的油烟管道内壁图像，其中根据系统中设置的图像采集传感器，进行油烟管道内壁图像的获取。
步骤S120：对目标对象进行第一检测，检测目标对象中是否存在目标图像。
其中步骤S120具体包括以下子步骤：
步骤D1：获取标准对象。
具体地，标准对象为预先存储的不存在油烟的油烟管道内壁图像。
步骤D2：将目标对象与标准对象进行第一比对，查看目标对象中是否存在异物图像。
其中，可采取现有技术中的直方图特征、颜色特征等方法，将目标对象与标准对象进行图像比对，查看目标对象是否存在异物图像，若存在一个或多个异物图像则执行步骤D3，否则流程退出。
步骤D3：将异物图像与油烟图像进行第二比对，判断异物图像是否为目标图像。
具体地，其中油烟图像为油烟颗粒汇聚形成的油烟污渍图像，预先存储在系统中。若目标对象中存在一个或多个异物图像，则将一个或多个异物图像与油烟图像进行比对。其中步骤D3具体包括以下子步骤：
步骤D310：对异物图像和油烟图像进行预处理。
进一步地，将一个或多个异物图像，以及油烟图像分别经Q比特量化，转变为灰度图像，其中灰度图像由空间上离散的、Gi个灰度级的像素构成，i＝0,1,2...2Q-1。其中Q的取值在5～8中选取。
步骤D320：对预处理后的异物图像进行区域块的划分。
具体地，对异物图像进行区域块的划分包括，在一个或多个异物图像，中建立像素坐标系，其中像素坐标系的原点为异物图像的中心点或任意点。
进一步地，根据像素坐标系将异物图像和油烟图像进行区域块划分，例如按照等分规则分别将异物图像和油烟图像均等分为多个区域块，并对区域块进行标号，其中区域块的标号以区域块的数量为准，若区域块数量总共为5个，则区域块标记为区域块1、区域块2、...区域块5。
步骤D330：根据预处理后得到的区域块对油烟图像进行调整。
其中，按照油烟图像与异物图像的区域块的尺寸差异对油烟图像进行缩小。
具体地，其中由于图像的尺寸大小由图像中的像素数量决定，例如1920×1080的图片是由横向1920个像素、纵向1080个像素(合计2,073,600个像素)构成的。因此可根据异物图像的像素数量与油烟图像的像素数量之间的差异(简称为基准因子)，对油烟图像进行像素的增加或减少。
其中基准因子C具体表示为：
C＝S1/S2 (公式一)
其中，S1表示油烟图像的像素数量，S2表示异物图像的某区域块的像素数量。其中若C为小数则采用四舍五入的形式，使C为整数。
具体地，若油烟图像的尺寸大于异物图像的区域块的尺寸，以基准因子为最大缩小比例，对油烟图像按照小于基准因子的数值进行缩小，使油烟图像的尺寸小于或远小于各区域块的尺寸。若油烟图像的尺寸小于异物图像的区域块的尺寸，则不进行调整。
步骤D340：将调整后的油烟图像放在异物图像的各区域块中进行移动。
具体地，将油烟图像V(M*N个像素，M*N个像素＝S1)叠放在异物图像的某一区域块W(E*O个像素)上平移，将某一区域块W被油烟图像覆盖的某一区域定义为Ki,j(将简称为“区域图像”)。其中i，j为被覆盖的区域K的像素坐标。
进一步地，其中i,j的范围为：1≤i≤E-M,1≤j≤O-N。
其中，将油烟图像完成在异物图像的全部区域块的平移，即将油烟图像与异物图像的全部区域块进行覆盖。
步骤S350：将区域图像与油烟图像的区域图像进行比较。
具体地，将油烟图像与覆盖的区域块的区域图像进行比较，比较后的相似性D具体可表示为：
Figure BDA0002631973910000061
其中，M,N表示油烟图像的像素个数，m,n为自然数，Ki,j(m,n)表示坐标为i,j，包含m*n个像素的区域图像，Vi',j'(m,n)表示坐标为i',j'，包含m*n个像素的油烟图像，其中i',j'为油烟图像覆盖区域图像时的坐标。
若当D的值小于指定阈值时，油烟图像与该区域块越相似，若当D的值大于指定阈值时，油烟图像与该区域块越不相似。
根据公式二完成油烟图像与异物图像的各区域块的比对。当全部区域块中指定数量的区域块与油烟图像相似时，执行步骤S360，否则流程退出。
其中指定阈值可根据实际情况由工作人员进行设置，具体数值在此不进行限定。
步骤S360：根据区域图像与油烟图像的比较结果，获取异物图像与油烟图像的相通程度。
具体地，在获取异物图像与油烟图像的相似性之前，还包括，对异物图像中各区域块赋予不同的权重，根据不同区域块的权重计算异物图像与油烟图像的相通程度(即异物图像与油烟图像的相似程度)。
具体地，其中异物图像与油烟图像的相通程度F具体表示为：
Figure BDA0002631973910000071
其中，A表示异物图像的区域块的数量，a为常数，表示各区域的标号，例如区域块1(a为1)，区域块2(a为2)，Da表示各区域块与油烟图像的相似性，例如区域块1与油烟图像的相似性，区域块2与油烟图像的相似性等，ηa表示各区域块的权重。
公式三的结果为第二比对的结果，若第二比对的结果大于指定阈值，则认为该异物图像与目标图像的相通程度较大，即比较相似，则该异物图像为目标图像，执行步骤S130，否则流程退出。
若异物图像为多个，则将多个异物图像分别与油烟图像按照上述步骤的第二比对，从而获取异物图像中是否存在一个或多个目标图像。若存在一个或多个目标图像，则执行步骤S130。
步骤S130：对目标图像进行第二检测，查看目标图像是否为真实目标图像。
具体地，其中对于一个或多个目标图像进行第二检测，具体为目标图像的像素点进行检测(假设目标图像为T个)，查看每个目标图像中的一个或多个目标像素点是随机噪声还是真实像素点，最终判断该目标图像是否为真实目标图像。
其中检测的目标像素点为真实像素点的概率p具体表示为：
Figure BDA0002631973910000072
其中，Zt(t＝1,2,...,T)表示多个目标图像中某一目标图像的灰度值，vt表示检测的多个目标图像中某一目标图像的像素点的平均灰度值的和，σ表示方差，H1表示多个目标图像中某一目标图像的像素点的存在环境。
其中若指定数量的像素点的p值大于指定阈值，则说明目标图像中的像素点为真实像素点而非随机噪声，该目标图像为真实目标图像，则继续执行步骤S140。否则流程退出。
步骤S140：对真实目标图像进行协调处理。
其中，步骤S140具体包括以下子步骤：
步骤Q1：判断一个或多个真实目标图像的位置。
具体地，其中若真实目标图像的数量为一个或多个，在进行协调处理之前，还包括，对一个或多个真实目标图像进行位置判断。
具体地，其中获取一个或多个真实目标图像的位置之前，还包括，对真实目标对象进行多个指定距离的划分。
其中预先在目标对象中建立图像坐标系，以油烟管道内壁的开口位置为图像坐标系原点。
其中将油烟管道内壁的开口位置作为起点，向后延伸指定距离的横坐标(或纵坐标)作为终点，该起点到终点的距离作为第一指定距离。将第一指定距离的终点作为第二指定距离的起点，向后延伸指定距离的横坐标(或纵坐标)作为第二指定距离的终点，该起点到终点的距离为第二指定距离。将第二指定距离的终点作为起点，油烟内壁管道出口的位置为终点，该起点到终点的距离作为第三指定距离。
作为举例，若目标对象的横坐标表示目标对象的长度，纵坐标表示目标对象的宽度，则向后延伸指定横坐标作为终点，若目标对象的横坐标表示目标对象的宽度，纵坐标表示目标对象的长度，则向后延伸指定纵坐标作为终点。
步骤Q2：根据真实目标图像的位置，对真实目标图像进行协调处理。
其中对真实目标图像进行协调处理具体包括，对在同一指定距离上出现多个真实目标图像进行整合处理，以及对分散于不同指定距离的多个图像或单一目标图像进行清晰度增强处理。
具体地，将多个真实目标图像进行对准，将对准后的真实目标图像进行整合，使多个真实目标图像整合为一个总体的真实目标图像。
优选地，其中清晰度增强可参考现有技术中的方法，在此不进行赘述。
具体地，其中步骤Q2具体包括以下子步骤：
步骤Q210：在真实目标图像中选取匹配点，进行真实目标图像的对准处理。
其中，首先需要对真实目标图像进行变换，将多个真实目标图像整合到同一平面内，以两个真实目标图像为例(将两个目标图像分别定义为真实目标图像A和真实目标图像B)，以真实目标图像A的任意像素点X(x1,y1)为准，在目标图像A中建立大小为(2h+1)*(2l+1)的相关窗口，在真实目标图像B中与真实目标图像A像素坐标相同的位置(x1',y1')处同样建立大小为(2h+1)*(2l+1)的相关窗口。以真实目标图像B的任意像素点Y(x2,y2)为准，在真实目标图像B中建立(2w+1)*(2r+1)的搜索窗口，根据搜索窗口中的任意点Z与相关窗口中的X点的相关值，确定Z点是否为与X点对应的匹配点。
其中相关值可表示为：
F＝cov(X,Z)/σ(X)σ(Z) (公式五)
其中，cov(X,Z)表示像素点X与像素点Z的协方差，σ(X)σ(Z)表示像素点X与像素点Z的标准差。
其中若相关值大于指定阈值，说明像素点Z与X为匹配点，其中按照上述方式，确定两个真实目标图像中存在的全部匹配点。
具体地，其中确定了两个真实目标图像的全部匹配点之后，则说明能够将两幅图像完成了对准处理。将剩余真实目标图像同样按照上述方法进行操作，完成全部真实图像的对准处理。
步骤Q220：将完成对准处理后的真实目标图像进行融合。
具体地，将多个目标图像全部完成对准处理后，可根据对准的匹配点进行真实目标图像的两两融合。
例如目标图像A与目标B对准后，确定目标图像C与目标图像B的匹配点，根据目标图像C与目标图像B的匹配点进行目标图像C与目标图像B的对准。当全部目标图像完成对准之后，进行两两目标图像的融合。作为举例，以目标图像A为基准，目标图像B与目标图像A融合后作为目标图像1，目标图像C与目标图像1融合作为目标图像2，目标图像D与目标图像2融合作为目标图像3，以此类推完成多个目标图像的融合，完成多个目标图像的协调处理。
优选地，其中根据对准的匹配点进行图像之间的融合方法可参考现有技术中的规则，例如HIS融合法、KL变换融合法等。
步骤S150：对协调后的真实目标图像进行第三检测，获取第三检测结果。
具体地，其中对协调后的真实目标图像进行第三检测具体为对协调后的真实目标图像进行面积检测。
其中在进行第三检测之前，还包括，判断真实目标图像中是否存在缺陷。其中缺陷为真实目标图像中的是否存在不连续位置(例如真实目标图像中存在空心部分)，其中可根据纹理缺陷检测的方法，对图像中显著不同的位置进行检测。
其中若真实目标图像不存在缺陷，则真实目标图像的面积G具体表示为：
Figure BDA0002631973910000101
其中，xdmax为真实目标图像的边缘轮廓上对应于y坐标值为d的x坐标最大值，xdmin为真实目标图像的边缘轮廓上对应于y坐标值为d的x坐标最小值。
若真实目标图像存在缺陷，则真实目标图像的面积G具体表示为：
Figure BDA0002631973910000102
其中，xdmax为真实目标图像的边缘轮廓上对应于y坐标值为d的x坐标最大值，xdmin为真实目标图像的边缘轮廓上对应于y坐标值为d的x坐标最小值，Rd为y坐标值为d时，真实目标图像的边缘轮廓的横坐标最小值与不连续位置的边缘轮廓的横坐标最小值之差，Od为y坐标值为d时，真实目标图像的边缘轮廓的横坐标最大值与不连续位置的边缘轮廓的横坐标最大值之差。
通过公式六和七，能够计算位于任意指定距离中的真实目标图像的面积。
步骤S160：根据第三检测结果进行监测同时发出提示处理。
其中，根据真实目标图像的面积结合真实目标图像的位置，获取监测结果。
具体地，若真实目标图像为一个，同时位于任一指定距离，且真实目标图像的面积大于指定面积，则监测结果异常，发出异常警告提示。
若真实目标图像的数量为一个，同时位于任一指定距离，且真实图像图像的面积小于指定面积，则发出监测结果正常提示。
进一步地，若真实目标图像的数量为多个，分散分布于任意指定距离中，则根据本实施例指定的规则进行监测。
在本实施例中，由于第一指定距离为油烟管道的开口位置，第三指定距离为油烟管道的出口位置，因此第一和第三指定距离中的目标图像的面积一定不能大于指定面积，基于此规则，进行如下判断：
若某一真实目标图像位于第一指定距离中，真实目标图像的面积大于第一指定面积，则不进行剩余目真实标图像的位置和面积查看，直接发出监测异常的警告提示。
若位于第一指定距离的真实目标图像的面积小于第一指定面积，则继续查看剩余真实目标图像的面积，若位于第二指定距离的真实目标图像的面积大于第二指定面积，此时不认为需要发出异常警告，继续查看第三指定距离的真实目标图像的面积。若位于第三指定距离的真实目标图像的面积大于第一指定面积，则监测结果异常，发出异常警告提示。
若位于第一指定距离的真实目标图像的面积小于第一指定面积，则继续查看剩余真实目标图像的面积，若位于第二指定距离的真实目标图像的面积大于第二指定面积，此时不认为需要发出异常警告，继续查看第三指定距离的真实目标图像的面积。若位于第三指定距离的真实目标图像的面积小于第一指定面积，则监测结果正常提示。
若位于第一指定距离的真实目标图像的面积小于第一指定面积，则继续查看剩余真实目标图像的面积，若位于第二指定距离的真实目标图像的面积小于第二指定面积，继续查看第三指定距离的真实目标图像的面积。若位于第三指定距离的真实目标图像的面积大于第一指定面积，则监测结果异常，发出异常警告提示。
若位于第一至第三指定距离的真实目标图像的面积均小于指定面积，则监测结果正常提示。
其中若多个真实目标图像出现在任意两个指定距离中，依然可根据上述规则进行判断，具体判断放在在此不进行赘述。
值得注意的是，第一指定面积小于第二指定面积。
由于位于同一指定距离的多个真实目标图像已经整合为一个总体的真实目标图像，因此该步骤进行监测时只会出现两种情况，即一个真实目标图像(或是整合后的一个目标图像)位于任意指定距离，或是整合后形成了多个真实目标图像，多个真实目标图像出现在任意指定距离中，在监测时只需要监控上述两种情况，同时也不会因为真实目标图像太多而在计算面积的过程中耽误过多的时间，使监测过程中更加方便。
本申请提供了油烟管道的监测系统，如图2所示，其中监测系统中包括获取单元201、第一检测单元202、第二检测单元203、协调处理单元204、第三检测单元205以及监测单元206。
其中获取单元201具体为图像采集传感器，用于获取目标对象(即油烟管道内壁图像)。
第一检测单元202与获取单元201连接，用于对目标对象进行第一检测，检测目标对象中是否存在目标图像。
具体地，其中第一检测单元202具体包括以下子模块：标准图像获取模块、第一比对模块、第二比对模块。
其中标准图像存储模块用于获取预先存储的标准对象。
第一比对模块与标准图像存储模块连接，用于将目标对象与标准对象进行第一比对。
第二比对模块与第一比对模块连接，用于若存在一个或多个异物图像，则将异物图像与油烟图像进行第二比对。
第二检测单元203与第一检测单元单元202连接，用于根据目标图像的位置对目标图像进行第二检测，查看目标图像是否为真实目标图像。
协调处理单元204与第二检测单元203连接，用于获取目标图像的位置并对目标图像进行协调处理。
具体地，其中协调处理单元204具体包括以下子模块：指定距离划分模块、协调模块。
其中指定距离划分模块用于对目标对象进行多个指定距离的划分。
协调模块与指定距离划分模块连接，用于根据一个或多个目标图像的位置，对目标图像进行协调处理。
第三检测单元205与协调处理单元204连接，用于对协调后的目标图像进行第三检测，获取第三检测结果。
监测单元206与第三检测单元205连接，用于根据第三检测结果进行监测，进行提示处理。
本申请具有的有益效果是：
本申请提供的油烟管道的在线监测方法及监测系统能够对油烟管道进行实时监控，避免出现因为油烟管道中的油烟面积过大而清理不及时，发生的火灾问题。
虽然当前申请参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种油烟管道的在线监测方法，其特征在于，具体包括如下步骤：
获取目标对象；目标对象为正在运行的油烟机中的油烟管道内壁图像；
对目标对象进行第一检测，检测目标对象中是否存在目标图像；对目标对象进行第一检测，检测目标对象中是否存在目标图像具体为，目标对象中是否存在与油烟图像相似的异物图像，其中油烟图像为油烟颗粒汇聚形成的油烟污渍图像；
若存在目标图像，则对目标图像进行第二检测，查看目标图像是否为真实目标图像；
若为真实目标图像，则对真实目标图像进行协调处理；其中对真实目标图像进行协调处理具体包括，对在同一指定距离上出现多个真实目标图像进行整合处理，以及对分散于不同指定距离的多个图像或单一目标图像进行清晰度增强处理；
对协调后的真实目标图像进行第三检测，获取第三检测结果；
根据第三检测结果进行监测同时发出提示处理；
其中对于一个或多个目标图像进行第二检测，具体为目标图像的像素点进行检测，查看每个目标图像中的一个或多个目标像素点是随机噪声还是真实像素点，最终判断该目标图像是否为真实目标图像；
其中每个目标图像中检测的目标像素点为真实像素点的概率p具体表示为：
Figure FDA0003367759930000011
其中，Zt(t＝1,2,...,T)表示多个目标图像中某一目标图像的灰度值，vt表示检测的多个目标图像中某一目标图像的像素点的平均灰度值的和，σ表示某一目标图像的方差，H1表示多个目标图像中某一目标图像的像素点的存在环境。
2.根据权利要求1所述的油烟管道的在线监测方法，其特征在于，对目标对象进行第一检测，检测目标对象中是否存在目标图像包括，对异物图像和油烟图像进行预处理，预处理具体为将一个或多个异物图像，以及油烟图像分别经Q比特量化，转变为灰度图像，其中灰度图像由空间上离散的、Gi个灰度级的像素构成，i＝0,1,2...2Q-1。
3.根据权利要求2所述的油烟管道的在线监测方法，其特征在于，还包括，根据像素坐标系将异物图像和油烟图像进行区域块划分。
4.根据权利要求1所述的油烟管道的在线监测方法，其特征在于，对于一个或多个目标图像进行第二检测，具体为目标图像的像素点进行检测查看每个目标图像中的一个或多个目标像素点是否为真实像素点，若指定数量的像素值为真实像素点，则该目标图像为真实目标图像。
5.根据权利要求4所述的油烟管道的在线监测方法，其特征在于，对真实目标图像进行协调处理之前，还包括对一个或多个真实目标图像进行位置判断。
6.根据权利要求5所述的油烟管道的在线监测方法，其特征在于，预先在目标对象中建立图像坐标系，以油烟管道内壁的开口位置为图像坐标系原点；
将油烟管道内壁的开口位置作为起点，向后延伸指定距离的横坐标或纵坐标作为终点，该起点到终点的距离作为第一指定距离；将第一指定距离的终点作为第二指定距离的起点，向后延伸指定距离的横坐标或纵坐标作为第二指定距离的终点，该起点到终点的距离为第二指定距离；将第二指定距离的终点作为起点，油烟内壁管道出口的位置为终点，该起点到终点的距离作为第三指定距离。
7.一种油烟管道的在线监测系统，其特征在于，包括获取单元、第一检测单元、第二检测单元、协调处理单元、第三检测单元以及监测单元；
获取单元，用于获取目标对象；目标对象为正在运行的油烟机中的油烟管道内壁图像；
第一检测单元，用于对目标对象进行第一检测，检测目标对象中是否存在目标图像；对目标对象进行第一检测，检测目标对象中是否存在目标图像具体为，目标对象中是否存在与油烟图像相似的异物图像，其中油烟图像为油烟颗粒汇聚形成的油烟污渍图像；
第二检测单元，用于根据目标图像的位置对目标图像进行第二检测，查看目标图像是否为真实目标图像；
协调处理单元，用于获取目标图像的位置并对目标图像进行协调处理；其中对真实目标图像进行协调处理具体包括，对在同一指定距离上出现多个真实目标图像进行整合处理，以及对分散于不同指定距离的多个图像或单一目标图像进行清晰度增强处理；
第三检测单元，用于对协调后的目标图像进行第三检测，获取第三检测结果；
监测单元，用于根据第三检测结果进行监测，进行提示处理；
第二检测单元中，对于一个或多个目标图像进行第二检测，具体为目标图像的像素点进行检测，查看每个目标图像中的一个或多个目标像素点是随机噪声还是真实像素点，最终判断该目标图像是否为真实目标图像；
其中每个目标图像中检测的目标像素点为真实像素点的概率p具体表示为：
Figure FDA0003367759930000031
其中，Zt(t＝1,2,...,T)表示多个目标图像中某一目标图像的灰度值，vt表示检测的多个目标图像中某一目标图像的像素点的平均灰度值的和，σ表示某一目标图像的方差，H1表示多个目标图像中某一目标图像的像素点的存在环境。
8.根据权利要求7所述的油烟管道的在线监测系统，其特征在于，第一检测单元具体包括以下子模块：标准图像获取模块、第一比对模块、第二比对模块；
其中标准图像存储模块用于获取预先存储的标准对象；标准对象为预先存储的不存在油烟的油烟管道内壁图像；
第一比对模块，用于将目标对象与标准对象进行第一比对；
第二比对模块，用于若存在一个或多个异物图像，则将异物图像与油烟图像进行第二比对。
CN202010813825.0A 2020-08-13 2020-08-13 一种油烟管道的在线监测方法及监测系统 Active CN111812116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010813825.0A CN111812116B (zh) 2020-08-13 2020-08-13 一种油烟管道的在线监测方法及监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010813825.0A CN111812116B (zh) 2020-08-13 2020-08-13 一种油烟管道的在线监测方法及监测系统

Publications (2)

Publication Number Publication Date
CN111812116A CN111812116A (zh) 2020-10-23
CN111812116B true CN111812116B (zh) 2022-03-15

Family

ID=72859825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010813825.0A Active CN111812116B (zh) 2020-08-13 2020-08-13 一种油烟管道的在线监测方法及监测系统

Country Status (1)

Country Link
CN (1) CN111812116B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114693686B (zh) * 2022-06-02 2022-09-02 启东市鸿盛纺织有限公司 一种用于床单布匹污渍检测的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150078049A (ko) * 2013-12-30 2015-07-08 (주)케이엠에스 화재 감지 장치
CN107451999A (zh) * 2017-08-16 2017-12-08 中惠创智无线供电技术有限公司 基于图像识别的异物检测方法和装置
CN108520200A (zh) * 2018-03-06 2018-09-11 陈参 一种有效的煤矿火灾检测系统
CN109142176A (zh) * 2018-09-29 2019-01-04 佛山市云米电器科技有限公司 基于空间联系的烟雾子区域空间复检方法
CN109636771A (zh) * 2018-10-23 2019-04-16 中国船舶重工集团公司第七0九研究所 基于图像处理的飞行目标检测方法及系统
CN111507411A (zh) * 2020-04-20 2020-08-07 北京英迈琪科技有限公司 一种图像比对的方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150078049A (ko) * 2013-12-30 2015-07-08 (주)케이엠에스 화재 감지 장치
CN107451999A (zh) * 2017-08-16 2017-12-08 中惠创智无线供电技术有限公司 基于图像识别的异物检测方法和装置
CN108520200A (zh) * 2018-03-06 2018-09-11 陈参 一种有效的煤矿火灾检测系统
CN109142176A (zh) * 2018-09-29 2019-01-04 佛山市云米电器科技有限公司 基于空间联系的烟雾子区域空间复检方法
CN109636771A (zh) * 2018-10-23 2019-04-16 中国船舶重工集团公司第七0九研究所 基于图像处理的飞行目标检测方法及系统
CN111507411A (zh) * 2020-04-20 2020-08-07 北京英迈琪科技有限公司 一种图像比对的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于图像处理的火灾烟雾检测算法研究;周泊龙等;《消防设备研究》;20160331;第35卷(第3期);第390-393页 *
油液污染度计算机图像分析方法;朱红秀等;《机床与液压》;20040331(第3期);第177-178页 *

Also Published As

Publication number Publication date
CN111812116A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
CN111932709A (zh) 一种基于ai识别实现加油站巡检作业违规安全监管的方法
CN111812116B (zh) 一种油烟管道的在线监测方法及监测系统
WO2023082418A1 (zh) 基于人工智能技术的电力综合管廊沉降裂缝识别方法
CN111222478A (zh) 一种工地安全防护检测方法和系统
CN111812114A (zh) 一种油烟管道的在线监测方法及监测系统
WO2020175589A1 (ja) 情報提供システム
CN109460705A (zh) 基于机器视觉的输油管道监控方法
CN111461487B (zh) 一种基于bim的室内装修工程智慧管理系统
CN112949536B (zh) 一种基于云平台的火灾报警方法
CN111812115A (zh) 一种油烟管道的在线监测方法及监测系统
CN111179143A (zh) 基于bim的智慧消防系统
CN111812113A (zh) 一种油烟管道的在线监测方法及监测系统
CN112560574A (zh) 河流黑水排放检测方法及应用其的识别系统
CN112507789A (zh) 区块链网络状态下建筑工地安全行为监测工作方法
CN117035669A (zh) 基于人工智能的企业安全生产管理方法及系统
KR102081577B1 (ko) Cctv를 활용한 지능형 화재 감지 시스템
JP5186973B2 (ja) 作業者安全検査装置
CN112232307B (zh) 夜视环境下的安全帽佩戴检测方法
KR100711364B1 (ko) 화상 이미지 분석을 통한 배출매연 인식 및 자동경보 장치및 방법
CN113781422A (zh) 基于单幅图像几何测量算法的管道施工违章识别方法
CN113487620A (zh) 一种铁路绝缘节检测方法及装置
Saragih et al. Defect identification and measurement using stereo vision camera for in-line inspection of pipeline
Wang et al. Segmentation of casting defects in X-ray images based on fractal dimension
CN103236039A (zh) 一种用于检测摄像机机芯去雾程度的方法
KR20060020507A (ko) 화상 이미지 분석을 통한 배출매연 인식 및 경보장치 및방법

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