CN113298804A - 一种基于红外图像的实时固体燃料料层厚度的测量方法 - Google Patents
一种基于红外图像的实时固体燃料料层厚度的测量方法 Download PDFInfo
- Publication number
- CN113298804A CN113298804A CN202110664019.6A CN202110664019A CN113298804A CN 113298804 A CN113298804 A CN 113298804A CN 202110664019 A CN202110664019 A CN 202110664019A CN 113298804 A CN113298804 A CN 113298804A
- Authority
- CN
- China
- Prior art keywords
- solid fuel
- image
- threshold value
- infrared image
- threshold
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000004449 solid propellant Substances 0.000 title claims abstract description 40
- 239000000463 material Substances 0.000 title claims abstract description 20
- 238000002485 combustion reaction Methods 0.000 claims abstract description 21
- 239000000446 fuel Substances 0.000 claims abstract description 12
- 238000010304 firing Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000002902 bimodal effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 8
- 230000005855 radiation Effects 0.000 abstract description 3
- 238000009529 body temperature measurement Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及燃烧测量技术领域,具体公开一种基于红外图像的实时固体燃料料层厚度的测量方法,包括如下步骤:(1)获取固体燃料红外图像;(2)分割红外图像得到二值化图像;(3)识别二值化图像中燃烧火线位置;(4)根据火线位置,以燃料底部位置为参考位置,实时计算固体燃料料层的厚度。本发明的测量方法是一种非接触式的固体燃料料层厚度测量方法,对燃烧过程完全没有影响,同时本发明还能实时获取高温物体的燃烧情况,利用高温物体以及其火焰都会产生红外辐射的特性,更为准确的测量固体燃料的厚度,方法在理论上更可靠,对高温燃烧领域的应用具有重要意义。
Description
技术领域
本发明涉及燃烧测量技术领域,具体涉及一种基于红外图像的实时固体燃料料层厚度的测量方法。
背景技术
固体燃料燃烧过程稳定性较难控制,现阶段对于固体燃料燃烧的状态监测与诊断技术,多集中于火焰温度、燃烧过程中的各相物质组成。其中,通过测量物体辐射的红外能量及其发射率,能够在特定范围内测量到确定物体的温度。且利用红外热成像仪或者红外相机,可以在相对较大的范围内测量到许多温度点,以生产二维温度图像,构成热成像图,可以大面积监视燃烧情况。因此红外相机在燃烧诊断领域内应用颇多。
如杨立等(杨立.红外热像仪测温计算与误差分析[J].红外技术,1999(04):20-24.)在红外热像仪测温计算与误差分析中公开了红外热像仪在测量过程中收到被测表面的各项特性影响,误差较大,精度较低,特别是一些发射率、吸收率等无法估量的表面;
戴媛媛等(戴媛媛,任建立.基于红外测温的电站锅炉温度检测与二维温度场重建[J].中国仪器仪表,2019(05):63-67.)在基于红外测温的电站锅炉温度检测与二维温度场重建中公开了基于红外辐射测温原理,提出利用红外比色测温技术检测电站锅炉炉内温度,研究并推导锅炉温度场重建算法,设计开发了1套基于红外测温的电站锅炉温度检测和二维温度场重建系统,并将系统应用于电厂锅炉从而验证了系统的实时性以及准确性。该系统可应用于高效脱硝,燃烧优化等领域,使发电过程实现更精确化控制。
也有利用红外对固体中一些特定成分含量的检测(李杰,刘欣,刘宇星,李建强.红外光谱法测定煤炭中全硫的方法改进[J].煤炭技术,2021,40(02):187-191)
但这些方法并未针对固体燃料的特性,充分利用红外相机能力,更全面的监视固体燃料燃烧状况。且对于固体燃料而言,固体燃料料层高度,对于固体燃料持续稳定燃烧具有重要意义。目前尚无一种能够利用红外图像实时测量固体燃料厚度的方法。
发明内容
本发明基于现有技术中无法对固体燃料的厚度进行实时测定,提供一种基于红外图像的实时固体燃料料层厚度的测量方法,该方法利用红外图像即可实现对固体燃料料层厚度的评估和测量,对高温燃烧领域的工业应用具有重要意义。
为实现上述目的,本发明采用的技术方案是:
一种基于红外图像的实时固体燃料料层厚度的测量方法,包括如下步骤:
(1)获取固体燃料红外图像:采用红外相机拍摄燃烧室内固体燃料,获得固体燃料的红外图像;
(2)分割红外图像:选择合适阈值ξ对步骤(1)获得的红外图像进行分割,图像中强度值大于等于阈值的记为1,低于阈值的记为0,得到二值化图像,分割公式如下:
其中,B表示二值化图像,I表示原图像,i,j表示图像中第i行,第j列个像素点;ξ表示选取的阈值;
(3)识别二值化图像中燃烧火线位置:采用选取的阈值对二值化图像进行轮廓检测,轮廓的上边缘为燃烧火线位置;
(4)计算燃料料层厚度:根据步骤(3)的火线位置,以燃料底部位置为参考位置,实时计算固体燃料料层的厚度,具体计算公式如下:
hm=ym,b-ym,f
其中,hm表示在位置m处的料层厚度,ym,f表示在位置m处的火线位置,ym,b表示在位置m处的燃料参考位置。
优选地,根据红外图像的直方图特性,单峰分布采用三角形阈值法计算初始阈值,双峰分布采用大津法计算初始阈值,获得合适阈值。
进一步优选地,由于三角形阈值法和大津法受到红外图像的直方图选取带宽精度的影响,因此在采用三角形和/或大津法计算初始阈值后,再根据料层分割效果采用人工微调的方式选取更准确的阈值。
优选地,当获取的红外图像存在较大噪声,采用低通滤波器对图像进行平滑处理,降低噪声干扰,提高测量的准确性。
优选地,采用连续多次拍摄的方法获取一系列图像,根据一系列图像的阈值求取的平均值作为最终阈值,提高实际应用过程中鲁棒性;阈值的计算公式如下:
其中,n为使用的图像数量,ξk表示第k张图的阈值。
进一步优选地,采用拍摄视频的方法获取一系列连续图像,根据一系列图像的阈值求取的平均值作为最终阈值;阈值的计算公式如下:
其中,n为使用的图像数量,ξk表示第k张图的阈值。
优选地,当拍摄的红外图像中存在固定不变区域,依据感兴趣区域,将图像切割成若干子图分别计算阈值。如炉壁、或存在两块燃烧区域时,可采用该方法切割图像,分别计算阈值,提高测量结果的准确性。
优选地,当拍摄的红外图像中存在固定不变区域,采用自适应阈值算法,将图像分割成若干相同大小的区域,分别计算阈值,再根据相邻区域的阈值,采用平均法或高斯加权平均法计算最终阈值。这样获得的测量结果准确性更高,也更符合实际应用中的情况。
关于火线位置的确定,轮廓为二值化图像中0与1的分界线,由于红外图像当物料与火焰同时存在时,其强度较高,因此选取轮廓的上边缘即为火线位置,通常也是燃料剩余的高度位置。
与现有技术相比,本发明具有以下有益效果:
本发明的测量方法是一种非接触式的固体燃料料层厚度测量方法,对燃烧过程完全没有影响,同时还是一种实时测量方法,实时获取高温物体的燃烧情况,利用高温物体以及其火焰都会产生红外辐射的特性,更为准确的测量固体燃料的厚度,方法在理论上更可靠,对高温燃烧领域的应用具有重要意义。
附图说明
图1为实施例1中装置结构示意图,其中1为燃烧的固体燃料,2为红外相机,3为计算机。
图2为实施例1中红外相机拍摄的红外图像黑白图。
图3为实施例1中经计算后的二值化图像。
图4为实施例1中图像的火线位置。
图5为实施例1中经计算测量的固体燃料料层厚度结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。本领域技术人员在理解本发明的技术方案基础上进行修改或等同替换,而未脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围内。
实施例1
本实施中燃烧的测试装置结构示意图如图1所示,包括燃烧的固体燃料1,红外相机2和计算机3,计算机3也可以为与相机集成在一起的具有图像处理功能的计算设备。
本实施例中的应用场景为垃圾焚烧炉中垃圾料层厚度的测量,以一台日处理量为400吨的排炉式生活垃圾焚烧发电厂作为具体应用场景,燃烧的固体燃料1为炉膛内正在燃烧的生活垃圾,红外相机2从观火口对炉膛内固体燃烧物进行拍摄,计算机3能够访问红外相机2中拍摄的画面,并对其进行计算处理等。
图2为拍摄获得的红外图像,根据红外图像的直方图特性,该图单峰分布较多,采用大三角法确定阈值为661,再依据实际分割效果,人工调整阈值调整为661.29。采用该阈值对红外图像进行分割,图像中强度值大于等于阈值的记为1,低于阈值的记为0,得到二值化图像,分割公式如下:
其中,B表示二值化图像,I表示原图像,i,j表示图像中第i行,第j列个像素点;ξ表示选取的阈值;得到的二值化图像如图3所示,对二值化图像进行轮廓检测,找出0与1的分界线,获取轮廓的上边缘作为燃烧的火线位置,得到如图4所示的火线位置。选取燃料底部位置0处为参考位置,实时计算固体燃料料层的厚度,具体计算公式为:
h0=y0,b-y0,f
其中,h0表示在位置0处的料层厚度,y0,f表示在位置0处的火线位置,y0,b表示在位置0处的燃料参考位置。在位置0处的火线位置y0,f=45,在位置0处的燃料底部位置y0,b=67,得到h0=67-45=22,因此获知位置0处的燃料料层厚度为22,同样方法计算其他位置的料层厚度,得到如图5所示的厚度测量结果。
Claims (8)
1.一种基于红外图像的实时固体燃料料层厚度的测量方法,其特征在于,包括如下步骤:
(1)获取固体燃料红外图像:采用红外相机拍摄燃烧室内固体燃料,获得固体燃料的红外图像;
(2)分割红外图像:选择合适阈值ζ对步骤(1)获得的红外图像进行分割,图像中大于等于阈值的记为1,低于阈值的记为0,得到二值化图像,分割公式如下:
其中,B表示二值化图像,I表示原图像,i,j表示图像中第i行,第j列个像素点;ξ表示选取的阈值;
(3)识别二值化图像中燃烧火线位置:采用选取的阈值对二值化图像进行轮廓检测,轮廓的上边缘为燃烧火线位置;
(4)计算燃料料层厚度:根据步骤(3)的火线位置,以燃料底部位置为参考位置,实时计算固体燃料料层的厚度,具体计算公式如下:
hm=ym,b-ym,f
其中,hm表示在位置m处的料层厚度,ym,f表示在位置m处的火线位置,ym,b表示在位置m处的燃料参考位置。
2.根据权利要求1所述的基于红外图像的实时固体燃料料层厚度的测量方法,其特征在于,根据红外图像的直方图特性,单峰分布采用三角形阈值法计算初始阈值,双峰分布采用大津法计算初始阈值,获得合适阈值。
3.根据权利要求1所述的基于红外图像的实时固体燃料料层厚度的测量方法,其特征在于,基于直方图的阈值选取三角形法和/或大津法计算初始阈值后,再根据料层分割效果采用人工微调的方式选取更准确的阈值。
4.根据权利要求1所述的基于红外图像的实时固体燃料料层厚度的测量方法,其特征在于,当获取的红外图像存在较大噪声,采用低通滤波器对图像进行平滑处理,降低噪声干扰。
7.根据权利要求1所述的基于红外图像的实时固体燃料料层厚度的测量方法,其特征在于,当拍摄的红外图像中存在固定不变区域,依据感兴趣区域,将图像切割成若干子图分别计算阈值。
8.根据权利要求1所述的基于红外图像的实时固体燃料料层厚度的测量方法,其特征在于,当拍摄的红外图像中存在固定不变区域,采用自适应阈值算法,将图像分割成若干相同大小的区域,分别计算阈值,再根据相邻区域的阈值,采用平均法或高斯加权平均法计算最终阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110664019.6A CN113298804B (zh) | 2021-06-16 | 2021-06-16 | 一种基于红外图像的实时固体燃料料层厚度的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110664019.6A CN113298804B (zh) | 2021-06-16 | 2021-06-16 | 一种基于红外图像的实时固体燃料料层厚度的测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298804A true CN113298804A (zh) | 2021-08-24 |
CN113298804B CN113298804B (zh) | 2022-03-15 |
Family
ID=77328298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110664019.6A Active CN113298804B (zh) | 2021-06-16 | 2021-06-16 | 一种基于红外图像的实时固体燃料料层厚度的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298804B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2073147A1 (en) * | 2007-12-21 | 2009-06-24 | Daon Holdings Limited | Generic biometric filter |
CN106767458A (zh) * | 2016-12-29 | 2017-05-31 | 中核北方核燃料元件有限公司 | 包覆燃料颗粒各层厚度自动测量方法 |
US20170202621A1 (en) * | 2010-08-12 | 2017-07-20 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US20170203841A1 (en) * | 2014-02-28 | 2017-07-20 | Lucas J. Myslinski | Drone device security system |
CN108759664A (zh) * | 2018-05-22 | 2018-11-06 | 湖南瑞智健科技有限公司 | 一种基于远心光学的核燃料棒尺寸检测方法和系统 |
CN111462225A (zh) * | 2020-03-31 | 2020-07-28 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
CN112102271A (zh) * | 2020-09-02 | 2020-12-18 | 浙江大学 | 一种基于普通数字相机的实时在线火焰温度测量方法 |
-
2021
- 2021-06-16 CN CN202110664019.6A patent/CN113298804B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2073147A1 (en) * | 2007-12-21 | 2009-06-24 | Daon Holdings Limited | Generic biometric filter |
US20170202621A1 (en) * | 2010-08-12 | 2017-07-20 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US20170203841A1 (en) * | 2014-02-28 | 2017-07-20 | Lucas J. Myslinski | Drone device security system |
CN106767458A (zh) * | 2016-12-29 | 2017-05-31 | 中核北方核燃料元件有限公司 | 包覆燃料颗粒各层厚度自动测量方法 |
CN108759664A (zh) * | 2018-05-22 | 2018-11-06 | 湖南瑞智健科技有限公司 | 一种基于远心光学的核燃料棒尺寸检测方法和系统 |
CN111462225A (zh) * | 2020-03-31 | 2020-07-28 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
CN112102271A (zh) * | 2020-09-02 | 2020-12-18 | 浙江大学 | 一种基于普通数字相机的实时在线火焰温度测量方法 |
Non-Patent Citations (1)
Title |
---|
张学宏: "倒转炉排抛煤机链条炉燃烧过程的初步分析", 《浙江大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113298804B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
JP6305171B2 (ja) | シーン内の物体を検出する方法 | |
CN111083365B (zh) | 一种最佳焦平面位置快速检测方法及装置 | |
Spataru et al. | Automatic detection and evaluation of solar cell micro-cracks in electroluminescence images using matched filters | |
CN105957082A (zh) | 一种基于面阵相机的印刷质量在线监测方法 | |
CN111624229A (zh) | 一种基于红外成像的带电设备故障智能诊断方法 | |
US11636584B2 (en) | Real-time traceability method of width of defect based on divide-and-conquer | |
KR20190142626A (ko) | Uav 탑재용 하이브리드 이미지 스캐닝에 기반한 자동화 구조물 균열 평가 시스템 및 그 방법 | |
Jadin et al. | Infrared image enhancement and segmentation for extracting the thermal anomalies in electrical equipment | |
Fidali et al. | Diagnostic method of welding process based on fused infrared and vision images | |
KR101868483B1 (ko) | 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 | |
Liu et al. | Iterating tensor voting: A perceptual grouping approach for crack detection on EL images | |
Liu et al. | Real-time 3D surface measurement in additive manufacturing using deep learning | |
CN111160305A (zh) | 一种变压器套管异常监测方法及计算机可读介质 | |
CN113298804B (zh) | 一种基于红外图像的实时固体燃料料层厚度的测量方法 | |
CN110765631A (zh) | 基于有效成像像素的红外辐射特性测量小目标判断方法 | |
CN112053341A (zh) | 一种基于光反射率和人工智能的合金材料的表面温度测量方法 | |
CN111626104A (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
CN113409343B (zh) | 一种实时固体燃料料层厚度的测量方法 | |
CN115345845A (zh) | 基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法及电子设备 | |
CN114659455A (zh) | 一种用于测量细丝直径的衍射条纹识别处理方法 | |
CN113989260A (zh) | 一种基于无人机红外图像的光伏板边缘分割方法 | |
Asoudegi et al. | Computer vision for quality control in automated manufacturing systems | |
Zhao et al. | Steel plate surface defect recognition method based on depth information |
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 |