CN113570546B - 一种风机运行状态检测方法及装置 - Google Patents
一种风机运行状态检测方法及装置 Download PDFInfo
- Publication number
- CN113570546B CN113570546B CN202110665500.7A CN202110665500A CN113570546B CN 113570546 B CN113570546 B CN 113570546B CN 202110665500 A CN202110665500 A CN 202110665500A CN 113570546 B CN113570546 B CN 113570546B
- Authority
- CN
- China
- Prior art keywords
- fan
- image
- target
- determining
- 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 35
- 230000003287 optical effect Effects 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 230000033001 locomotion Effects 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000003672 processing method Methods 0.000 abstract description 4
- 244000144972 livestock Species 0.000 description 9
- 244000144977 poultry Species 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000008642 heat stress Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种风机运行状态检测方法及装置,该方法包括:获取目标风机所在的区域图像;基于霍夫变换在区域图像中确定目标风机所在的位置信息;根据位置信息,从区域图像中裁剪出风机图像;基于稠密光流算法,获取风机图像的稠密光流;对稠密光流进行极坐标转换,获取风机图像中每个像素点的极坐标信息;根据风机图像中每个像素点在预设时间窗口内的极坐标信息,确定目标风机的运行状态。本发明提供的风机运行状态检测方法及装置,通过图像处理的方法,从风机运行时的视频数据,定位风机位置,在风机的区域内识别风机是否开启,结合控制器运行指令,实现了风机的故障预警,降低了风机检测装置的安装成本及维修费用,提高了养殖环境管理的水平。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种风机运行状态检测方法及装置。
背景技术
畜禽舍内是一个复杂的小气候环境,受到舍外环境、舍内养殖动物、建筑外围护结构、设备运行状态等多因素影响。不利环境条件对畜禽的生长有重大的危害作用,例如:舍内过热会导致热应激,使得动物生长缓慢、饲料转化率降低,严重的还会造成死亡;水汽、有害气体累积会导致空气质量下降,滋生细菌,增加疫病发生风向。通风是调节畜禽舍小气候环境的重要手段,大规模密闭养殖条件下,单栋畜禽舍内需要安装大量风机以满足不同季节的通风需求,保障动物处于适宜环境。
风机运行状态,包括运行数量、运行位置、风机运行功率、运行故障等,是精准调节通风量、改善畜禽舍小气候的重要信息。目前,风机运行状态的检测方法,一般是利用与每台风机逐一对应的传感设备,检测风机运行时产生的可感知信号来推断运行状态。例如:通过采集风机运行时的温度、负压、震动信息实现监测;通过各个运行装置的电路,对风机的运行状态实现故障监测等。
基于信号传感的风机运行状态监测,在实际的使用过程中存在着诸多问题,主要包括:
(1)投入及维护成本高,如需要对畜禽舍内原有风机进行改装和加装,并考虑装置是否能成功安装到原有畜禽舍中,对畜禽舍的设计也有一定的要求。
(2)对于各种机械式检测装置来说,检测的核心部件是内部的传感器,传感器的使用寿命和维护成本成为影响使用效果的主要因素,因此对设备的精度、耐久性、售后等方面有着较高的要求。
(3)对于安装好的设备还需要考虑到安全性的问题,风机在工作时,叶片需要有很高的转速,随着转速的提高,在风筒内产生了较强的气流,有时会掺杂着一些饲料碎等一些大颗粒物,对裸露的检测设备的撞击和腐蚀,可能造成很大的安全风险,检测设备的零部件脱落卷入风机的叶片中,会造成很大的安全隐患。
发明内容
针对现有技术存在的问题,本发明实施例提供一种风机运行状态检测方法及装置。
第一方面,本发明提供一种风机运行状态检测方法,包括:获取目标风机所在的区域图像;基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;根据所述位置信息,从所述区域图像中裁剪出风机图像;基于稠密光流算法,获取所述风机图像的稠密光流;对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
在一个实施例中,所述极坐标信息包括极径的大小;相应地,所述根据所述风机图像中每个像素点的极坐标信息,确定所述目标风机的运行状态,包括:在所述预设时间窗口内的任一时刻,从所述风机图像中的所有像素点中,筛选出运动像素点;所述运动像素点的极径大于第一阈值,并确定所有运动像素点的数量与所述风机图像的总像素点数量的百分比;计算在所述预设时间窗口内,所述百分比的平均值;在所述百分比的平均值大于第二阈值的情况下,确定所述目标风机的运行状态为运行;在所述百分比的平均值不大于第二阈值的情况下,确定所述目标风机的运行状态为静止。
在一个实施例中,在所述区域图像中存在多个目标风机,且每个目标风机之间的间隔相同的情况下,所述基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息,包括:确定所述区域图像中所有存在圆形结构的圆形区域;确定两个目标风机的圆心之间的参考距离,从所有圆形区域中筛选出目标圆形区域;每两个目标圆形区域的圆心之间的距离等于所述参考距离;获取每个目标圆形区域的圆心坐标信息和半径信息。
在一个实施例中,所述根据所述位置信息,从所述区域图像中裁剪出风机图像,包括:根据所述位置信息所包含的圆心坐标信息和半径信息,确定外接矩形;从所述区域图像中裁剪出所述外接矩形,作为所述风机图像。
在一个实施例中,所述基于稠密光流算法,获取所述风机图像的稠密光流,包括:根据所述风机图像中每个像素点与前后相邻帧图像中对应像素点的位置变化,确定所述风机图像中每个像素点的移动向量,以构建移动向量矩阵D。
在一个实施例中,所述移动向量矩阵D的表达式为:
dmn=(xmn,ymn);
其中,dmn是图像中m行,n列的像素移动位置;xmn是m行n列这个像素点在x方向的移动距离;ymn是m行n列这个像素在y方向的移动距离;m是图像的最大高度,n是图像的最大宽度,均以像素为单位。
在一个实施例中,所述对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息,包括:根据每个所述移动向量所对应的像素点在x方向的移动距离以及像素点在y方向的移动距离,对每个所述移动向量分别进行极坐标变换,以获取每个所述移动向量对应的极径的大小和极角。
第二方面,本发明提供一种风机运行状态检测装置,包括:图像采集单元,用于获取目标风机所在的区域图像;风机定位单元,用于基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;图像裁剪单元,用于根据所述位置信息,从所述区域图像中裁剪出风机图像;第一运算单元,用于基于稠密光流算法,获取所述风机图像的稠密光流;第二运算单元,用于对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;状态判断单元,用于根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述风机运行状态检测方法的步骤。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述风机运行状态检测方法的步骤。
本发明提供的风机运行状态检测方法及装置,通过图像处理的方法,从风机运行时的视频数据,定位风机位置,在风机的区域内识别风机是否开启,结合控制器运行指令,实现了风机的故障预警,降低了风机检测装置的安装成本及维修费用,提高了养殖环境管理的水平。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的风机运行状态检测方法的流程示意图;
图2是本发明提供的一种图像获取设备的布设示意图;
图3是本发明提供的一种风机运行状态检测装置;
图4是利用本发明提供的风机运行状态检测装置实施在线监测的流程示意图;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明实施例的描述中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合图1-图5描述本发明实施例所提供的风机运行状态检测方法和装置。
图1是本发明提供的风机运行状态检测方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤101:获取目标风机所在的区域图像。
本发明用于实现图像采集的图像获取设备,可以采用具有夜视功能的摄像头。
图2是本发明提供的一种图像获取设备的布设示意图,如图2所示,整个图像获取设备可以包括固定设置在目标风机1对面的摄像头2,摄像头2实时将采集的目标风机所在的区域图像上传至远程计算机3中。
需要说明的是,摄像头2进行区域图像的获取是以能够获取完整的风机图像为准,具体可以结合目标风机的安装位置以及畜禽舍房屋的高度进行适当的调整设置,且尽量保持与目标风机的安装高度相同,或者在如图2中所标注的仰角θ保持在0-20°之间,其目的是防止采集的风机图像有太大的变形而影响后续的处理。
步骤102:基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息。
考虑到再后续会使用稠密光流算法进行风机图像的稠密光流计算,而稠密光流算法主要是通过记录风机图像中,多个目标风机在连续两帧中的移动情况,故需要在区域图像中预先确定出目标风机的位置,具体是获取目标风机所在的位置信息,即确定目标风机的圆心坐标信息和半径信息。
其中,圆心坐标信息是指转子轴的横截面的圆心的坐标信息;半径信息是指目标风机的扇面半径,约等于每个扇叶的长度。
霍夫变换是一种特征检测(feature extraction),被广泛应用在图像分析(imageanalysis)、计算机视觉(computer vision)以及数位影像处理(digital imageprocessing)。霍夫变换是用来辨别找出物件中的特征,例如:线条。
其算法流程大致如下:给定一个物件(如本发明中的目标风机)、要辨别的形状的种类(如圆形图像),算法会在参数空间(parameter space)中执行投票来决定物体的形状,而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定,对此本发明不作赘述。
由于风机在外观上最大的特点是规则的圆形图像,故可以使用霍夫变换识别风机位置。霍夫变换可以找到写出数学表达式的形状,甚至形状中存在缺失,也可以检测的出来。相应地,本发明采用霍夫变换对目标风机所在的区域图像进行识别,以根据目标风机所在的圆形的半径,从中确定出目标风机所在的位置信息。
步骤103:根据所述位置信息,从所述区域图像中裁剪出风机图像。
根据步骤102中所获取的目标风机的圆心坐标信息和半径信息,可以裁剪出目标风机所对应的圆形的外接矩形。裁剪出外接矩形图像后,该外接矩形图像不会有目标视野之外的干扰,增强了后续计算结果的抗干扰性和准确性。
步骤104:基于稠密光流算法,获取所述风机图像的稠密光流。
稠密光流(Dense Optical Flow)算法是一种针对图像进行逐点匹配的图像配准方法,不同于稀疏光流只针对图像上若干个特征点,稠密光流算法通过计算图像上所有的点的偏移量,从而形成一个稠密的光流场。通过这个稠密的光流场,可以进行像素级别的图像配准,所以其配准后的效果也明显优于稀疏光流配准的效果。
本发明时通过摄像头持续对目标风机进行拍摄,并通过对预设时间窗口内所获取的目标风机所在的区域图像进行综合分析,以确定目标风机的运行状态。
故本发明可以通过将稠密光流算法,通过将风机图像与相邻帧图像进行运算处理,以确定出风机图像的稠密光流。
步骤105:对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息。
步骤104中获取的稠密光流的计算结果,针对任一像素点,主要分为两个部分:一部分是在x方向的移动距离,另一部分是在y方向的移动距离。上述两部分可以理解为两个特征维度,而风机运行状态的识别分为“是”和“否”两种状态。由于两个特征维度下,去判断“是”或者“否”不容易使用简单的方法进行判断,故考虑将数据简化。
本发明通过将稠密光流进行极坐标转换,以转化成每个像素点的极坐标信息(ρ,θ),其中ρ表示极径,θ表示极角。
需要说明的是,由于本申请仅需要关注目标风机的转动状态,二不关注其转动的转速,故针对获取的在极坐标信息,着重关注极径的大小,而忽略极角部分,这样能够有效地提高分析的效率。
步骤106:根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
在获取到风机图像中每个像素点的每个像素点的极坐标信息,特别是极径的大小之后,则可以判断出每个像素点的运动状态,进而可以根据所有像素点的运动状态,推导出目标风机的运动状态。
本发明提供的风机运行状态检测方法,通过图像处理的方法,从风机运行时的视频数据,定位风机位置,在风机的区域内识别风机是否开启,结合控制器运行指令,实现了风机的故障预警,降低了风机检测装置的安装成本及维修费用,提高了养殖环境管理的水平。
基于上述实施例的内容,作为一种可选实施例,所述极坐标信息包括极径的大小;
相应地,所述根据所述风机图像中每个像素点的极坐标信息,确定所述目标风机的运行状态,包括:
在所述预设时间窗口内的任一时刻,从所述风机图像中的所有像素点中,筛选出运动像素点;所述运动像素点的极径大于第一阈值,并确定所有运动像素点的数量与所述风机图像的总像素点数量的百分比;
计算在所述预设时间窗口内,所述百分比的平均值;
在所述百分比的平均值大于第二阈值的情况下,确定所述目标风机的运行状态为运行;
在所述百分比的平均值不大于第二阈值的情况下,确定所述目标风机的运行状态为静止。
具体地,本发明提供的风机运行状态检测方法,在步骤103中从整个区域图像中裁剪出风机图像之后,分别获取风机图像中每个像素点的极径的大小,以从风机图像中所有像素点中选择出极径大于第一阈值的像素点作为运动像素点,然后在计算这些运动像素点占风机图像所在区域的百分比:
其中,ρi表示第i个像素点的极径的大小;ρ*表示第一阈值;I′(ρi>ρ*)表示极径大于第一阈值的所有运动像素点的数量;I表示风机图像所在区域内所有像素点的数量。
需要说明的是,第一阈值ρ*可以通过对经验数据的统计进行确定。ρ*可以理解为区分该像素点是否在运动的界限,如果大于ρ*,该像素点是运动像素点;如果不大于ρ*,则确定该像素点没有在运动(即处于静止)。
进一步地,建立预设时间窗口,以获取稳定的预测结果,其计算公式可以是:
其中Pt是指当前时刻风机图像所在区域内运动像素点的比例,t表示当前时刻,预设时间窗口选取大小为T,最后得到的稳定预测结果为所有运动像素点的数量与所述风机图像的总像素点数量的百分比的平均值。
需要说明的是,在刚开始检测时,是不能够进行准确的预测的,需要经过一个时间窗口的时间后,才能够生成相应的预测的结果。
进一步地,设定第二阈值P0,以作为判断目标风机是否开启的阈值,如果大于P0,就可以确定目标风机是运行状态;如果/>不大于P0,就可以确定风机是停止状态。
作为可选地方案,经过上述计算,可以通过判断与P0之间的大小关系,就可以判断出目标风机是否在运行,并检测运行的目标风机所在的位置。
将风机实际运行状态与控制器中记录的风机运行数量和位置进行比对,状态不一致的风机就可以判断为故障,实现一对多的风机故障自动识别。
本发明提供的风机运行状态检测方法,使用了图像处理技术对风机运行视频进行了处理,对裁剪出风机图像进行形式转化,最后可以使用简单的数值去判断风机的运行状态,达到了数据简化的作用,检测形式固定,受外界干扰小,检测结果精准。
基于上述实施例的内容,作为一种可选实施例,在所述区域图像中存在多个目标风机,且每个目标风机之间的间隔相同的情况下,所述基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息,包括:
确定所述区域图像中所有存在圆形结构的圆形区域;
确定两个目标风机的圆心之间的参考距离,从所有圆形区域中筛选出目标圆形区域;每两个目标圆形区域的圆心之间的距离等于所述参考距离;
获取每个目标圆形区域的圆心坐标信息和半径信息。
本发明采用霍夫变换方法,以从区域图像中确定出目标风机所在的具体位置信息,主要是利用霍夫变换识别圆形,且仅确定目标风机对应的圆形,而不是其他不需要的圆形,包括:
首先,需要确定出相邻两个目标风机所对应的圆形之间的大致的距离(一般是指两个圆心之间的距离)。
然后,排除那些相邻圆心距离小于这个距离的圆;
进而,结合目标风机的实际大小,确定出其对应的圆形的最大半径和最小半径,这样可以进一步得到代表目标风机的唯一圆心坐标和圆的半径大小。
本发明将霍夫变换运用于风机运行状态判断过程中,能够在杂乱无章的场景中准确的确定出每个风机的位置,并结合风机的大小,确定目标风机位于区域图像中的位置信息,为后期冲区域图像中裁剪出风机图像提供了基础,能够有效地提高识别的精度。
基于上述实施例的内容,作为一种可选实施例,所述根据所述位置信息,从所述区域图像中裁剪出风机图像,包括:
根据所述位置信息所包含的圆心坐标信息和半径信息,确定外接矩形;
从所述区域图像中裁剪出所述外接矩形,作为所述风机图像。
需要说明的是,本发明是通过从区域图像中裁剪出目标风机所在圆形的外接矩形作为风机图像,但其不视为对本发明保护范围的具体限定,例如:也可以将一个与目标风机所在圆形的同圆心,但半径略大于目标风机所在圆形的半径的圆形作为裁剪出风机图像。
基于上述实施例的内容,作为一种可选实施例,所述基于稠密光流算法,获取所述风机图像的稠密光流,包括:
根据所述风机图像中每个像素点与前后相邻帧图像中对应像素点的位置变化,确定所述风机图像中每个像素点的移动向量,以构建移动向量矩阵D。
可选地,所述移动向量矩阵D的表达式为:
dmn=(xmn,ymn);
其中,dmn是图像中m行,n列的像素移动位置;xmn是m行n列这个像素点在x方向的移动距离;ymn是m行n列这个像素在y方向的移动距离;m是图像的最大高度,n是图像的最大宽度,均以像素为单位。
具体来说,稠密光流算法是一种基于前后两帧所有像素点的移动估算的算法,使用稠密光流算法的目的是转换数据形式。因为风机的叶片高速转动时难以跟踪,所以增大了风机运行视频识别的难度。而叶片是一直转动的,但背景是一直静止的,正因为存在这种运动与静止的关系,所以可以将风机转动的视频转换为视频像素运动估算数据。依据上述分析思路,本发明通过计算前后两帧的稠密光流,得到每个像素点的移动向量d,进而构建出所有像素点的移动向量矩阵D,以数字化表示出每个像素点的位置移动信息。
进一步地,对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息,主要包括:
根据每个所述移动向量所对应的像素点在x方向的移动距离以及像素点在y方向的移动距离,对每个所述移动向量分别进行极坐标变换,以获取每个所述移动向量对应的极径的大小和极角。
具体地,在确定了风机图像的稠密光流所对应的移动向量矩阵D之后,对移动向量矩阵D中每个像素点所对应的移动向量分别进行极坐标转换。
可选地,本发明提供了一种极坐标转换方法:
其中,x是光流计算结果中第一个参数的取值;y是光流计算结果中第二个参数的取值;ρ是极坐标系中的极径;θ是极坐标系中的极角。
最后,再采用上述实施例中所记载的内容,根据风机图像中每个像素点在预设时间窗口内的极坐标信息,确定目标风机的运行状态,在此不作赘述。
需要说明的是,在本发明所提供的风机运行状态检测过程中,用于分析的数据的形式从一开始是简单的RGB图形数据,经过风机定位以及光流计算后变成位移数据;再通过对位移进行极坐标转换,转变成了极坐标数据。其中,极径表示像素点在x轴方向上以及y轴方向上位移的合向量,而极角表示像素位移的偏离角度(本发明着重关注极径)。即在整个过程中分析的数据从原来的RGB图形数据最终转换成了该像素点的移动距离。
进一步地,根据数据的形式发生了巨大的变化,可以将开始的RGB图形数据,变为黑色为底的彩色图像,其中不同颜色代表了不同的位移信息,进而可以根据颜色的比例,判断风机是否在运行。
图3是本发明提供的一种风机运行状态检测装置,如图3所示,主要包括图像采集单元31、风机定位单元32、图像裁剪单元33、第一运算单元34、第二运算单元35和状态判断单元36:
图像采集单元31主要用于获取目标风机所在的区域图像;
风机定位单元32主要用于基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;
图像裁剪单元33主要用于根据所述位置信息,从所述区域图像中裁剪出风机图像;
第一运算单元34主要用于基于稠密光流算法,获取所述风机图像的稠密光流;
第二运算单元35主要用于对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;
状态判断单元36主要用于根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
图4是利用本发明提供的风机运行状态检测装置实施在线监测的流程示意图,如图4所示,主要包括以下步骤:
在对整个风机运行状态检测装置进行初始化之后,实现利用摄像头采集包含目标风机的区域图像。
然后,由风机定位单元32利用霍夫变换,对区域图像进行识别处理,以从中定位目标的位置,即在区域图像中确定所述目标风机所在的位置信息;位置信息包括圆心坐标信息和半径信息。
进一步地,由图像裁剪单元33根据目标风机的圆心坐标信息和半径信息,对区域图像进行裁剪,主要是裁剪出目标风机所对应的圆形的外接矩形,作为风机图像。
进一步地,由第一运算单元34基于稠密光流算法,计算风机图像所对应的稠密光流
进一步地,由第二运算单元35对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息。
最后,由状态判断单元36在所述预设时间窗口内的任一时刻,从所述风机图像中的所有像素点中,筛选出运动像素点;所述运动像素点的极径大于第一阈值,并确定所有运动像素点的数量与所述风机图像的总像素点数量的百分比。
进一步地,计算在所述预设时间窗口内,所述百分比的平均值;
在所述百分比的平均值大于第二阈值的情况下,确定所述目标风机的运行状态为运行;
在所述百分比的平均值不大于第二阈值的情况下,确定所述目标风机的运行状态为静止。
本发明提供的风机运行状态检测装置,通过图像处理的方法,从风机运行时的视频数据,定位风机位置,在风机的区域内识别风机是否开启,结合控制器运行指令,实现了风机的故障预警,降低了风机检测装置的安装成本及维修费用,提高了养殖环境管理的水平。
需要说明的是,本发明实施例提供的风机运行状态检测装置,在具体运行时,可以执行上述任一实施例所述的风机运行状态检测方法,对此本实施例不作赘述。
图5是本发明提供的电子设备的结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行风机运行状态检测方法,该方法包括:获取目标风机所在的区域图像;基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;根据所述位置信息,从所述区域图像中裁剪出风机图像;基于稠密光流算法,获取所述风机图像的稠密光流;对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的风机运行状态检测方法,该方法包括:获取目标风机所在的区域图像;基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;根据所述位置信息,从所述区域图像中裁剪出风机图像;基于稠密光流算法,获取所述风机图像的稠密光流;对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的风机运行状态检测方法,该方法包括:获取目标风机所在的区域图像;基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;根据所述位置信息,从所述区域图像中裁剪出风机图像;基于稠密光流算法,获取所述风机图像的稠密光流;对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种风机运行状态检测方法,其特征在于,包括:
获取目标风机所在的区域图像;
基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;
根据所述位置信息,从所述区域图像中裁剪出风机图像;
基于稠密光流算法,获取所述风机图像的稠密光流;
对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;
根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态;
所述极坐标信息包括极径的大小;
相应地,所述根据所述风机图像中每个像素点的极坐标信息,确定所述目标风机的运行状态,包括:
在所述预设时间窗口内的任一时刻,从所述风机图像中的所有像素点中,筛选出运动像素点;所述运动像素点的极径大于第一阈值,并确定所有运动像素点的数量与所述风机图像的总像素点数量的百分比;
计算在所述预设时间窗口内,所述百分比的平均值;
在所述百分比的平均值大于第二阈值的情况下,确定所述目标风机的运行状态为运行;
在所述百分比的平均值不大于第二阈值的情况下,确定所述目标风机的运行状态为静止。
2.根据权利要求1所述的风机运行状态检测方法,其特征在于,在所述区域图像中存在多个目标风机,且每个目标风机之间的间隔相同的情况下,所述基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息,包括:
确定所述区域图像中所有存在圆形结构的圆形区域;
确定两个目标风机的圆心之间的参考距离,从所有圆形区域中筛选出目标圆形区域;每两个目标圆形区域的圆心之间的距离等于所述参考距离;
获取每个目标圆形区域的圆心坐标信息和半径信息。
3.根据权利要求1所述的风机运行状态检测方法,其特征在于,所述根据所述位置信息,从所述区域图像中裁剪出风机图像,包括:
根据所述位置信息所包含的圆心坐标信息和半径信息,确定外接矩形;
从所述区域图像中裁剪出所述外接矩形,作为所述风机图像。
4.根据权利要求1所述的风机运行状态检测方法,其特征在于,所述基于稠密光流算法,获取所述风机图像的稠密光流,包括:
根据所述风机图像中每个像素点与前后相邻帧图像中对应像素点的位置变化,确定所述风机图像中每个像素点的移动向量,以构建移动向量矩阵D。
5.根据权利要求4所述的风机运行状态检测方法,其特征在于,所述移动向量矩阵D的表达式为:
;
;
其中,是图像中m行,n列的像素移动位置;/>是m行n列这个像素点在x方向的移动距离;/>是m行n列这个像素在y方向的移动距离;m是图像的最大高度,n是图像的最大宽度,均以像素为单位。
6.根据权利要求5所述的风机运行状态检测方法,其特征在于,所述对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息,包括:
根据每个所述移动向量所对应的像素点在x方向的移动距离以及像素点在y方向的移动距离,对每个所述移动向量分别进行极坐标变换,以获取每个所述移动向量对应的极径的大小和极角。
7.一种风机运行状态检测装置,其特征在于,包括:
图像采集单元,用于获取目标风机所在的区域图像;
风机定位单元,用于基于霍夫变换,在所述区域图像中确定所述目标风机所在的位置信息;所述位置信息包括圆心坐标信息和半径信息;
图像裁剪单元,用于根据所述位置信息,从所述区域图像中裁剪出风机图像;
第一运算单元,用于基于稠密光流算法,获取所述风机图像的稠密光流;
第二运算单元,用于对所述稠密光流进行极坐标转换,获取所述风机图像中每个像素点的极坐标信息;
状态判断单元,用于根据所述风机图像中每个像素点在预设时间窗口内的极坐标信息,确定所述目标风机的运行状态;
所述极坐标信息包括极径的大小;
相应地,所述根据所述风机图像中每个像素点的极坐标信息,确定所述目标风机的运行状态,包括:
在所述预设时间窗口内的任一时刻,从所述风机图像中的所有像素点中,筛选出运动像素点;所述运动像素点的极径大于第一阈值,并确定所有运动像素点的数量与所述风机图像的总像素点数量的百分比;
计算在所述预设时间窗口内,所述百分比的平均值;
在所述百分比的平均值大于第二阈值的情况下,确定所述目标风机的运行状态为运行;
在所述百分比的平均值不大于第二阈值的情况下,确定所述目标风机的运行状态为静止。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述风机运行状态检测方法步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述风机运行状态检测方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665500.7A CN113570546B (zh) | 2021-06-16 | 2021-06-16 | 一种风机运行状态检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665500.7A CN113570546B (zh) | 2021-06-16 | 2021-06-16 | 一种风机运行状态检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570546A CN113570546A (zh) | 2021-10-29 |
CN113570546B true CN113570546B (zh) | 2023-12-05 |
Family
ID=78162194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110665500.7A Active CN113570546B (zh) | 2021-06-16 | 2021-06-16 | 一种风机运行状态检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570546B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113985830A (zh) * | 2021-11-08 | 2022-01-28 | 武汉逸飞激光股份有限公司 | 密封钉的上料控制方法、装置、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007233755A (ja) * | 2006-03-01 | 2007-09-13 | Toyota Motor Corp | 画像処理装置、及び画像処理方法 |
CN103413321A (zh) * | 2013-07-16 | 2013-11-27 | 南京师范大学 | 地理环境下的群体行为模式分析与异常行为检测方法 |
CN103761737A (zh) * | 2014-01-22 | 2014-04-30 | 北京工业大学 | 基于稠密光流的机器人运动估计方法 |
CN106204594A (zh) * | 2016-07-12 | 2016-12-07 | 天津大学 | 一种基于视频图像的弥散性运动物体的方向检测方法 |
CN107543539A (zh) * | 2016-06-29 | 2018-01-05 | 联芯科技有限公司 | 一种无人机的位置信息获取方法及无人机 |
CN107786837A (zh) * | 2016-08-24 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 扶梯危险状态检测方法及装置 |
CN110191320A (zh) * | 2019-05-29 | 2019-08-30 | 合肥学院 | 基于像素时序运动分析的视频抖动与冻结检测方法及装置 |
CN110781853A (zh) * | 2019-11-01 | 2020-02-11 | 浙江大华技术股份有限公司 | 人群异常检测方法以及相关装置 |
CN110782436A (zh) * | 2019-10-18 | 2020-02-11 | 宁波大学 | 一种基于计算机视觉的传送带物料状态检测方法 |
CN111754550A (zh) * | 2020-06-12 | 2020-10-09 | 中国农业大学 | 一种农机运动状态下动态障碍物检测方法及装置 |
CN111915735A (zh) * | 2020-06-29 | 2020-11-10 | 浙江传媒学院 | 一种针对视频中三维结构轮廓的深度优化方法 |
CN112464833A (zh) * | 2020-12-01 | 2021-03-09 | 平安科技(深圳)有限公司 | 基于光流的动态手势识别方法、装置、设备及存储介质 |
CN112598695A (zh) * | 2020-12-22 | 2021-04-02 | 中船重工(武汉)凌久高科有限公司 | 基于光流和动量法的化工运动目标监控方法 |
-
2021
- 2021-06-16 CN CN202110665500.7A patent/CN113570546B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007233755A (ja) * | 2006-03-01 | 2007-09-13 | Toyota Motor Corp | 画像処理装置、及び画像処理方法 |
CN103413321A (zh) * | 2013-07-16 | 2013-11-27 | 南京师范大学 | 地理环境下的群体行为模式分析与异常行为检测方法 |
CN103761737A (zh) * | 2014-01-22 | 2014-04-30 | 北京工业大学 | 基于稠密光流的机器人运动估计方法 |
CN107543539A (zh) * | 2016-06-29 | 2018-01-05 | 联芯科技有限公司 | 一种无人机的位置信息获取方法及无人机 |
CN106204594A (zh) * | 2016-07-12 | 2016-12-07 | 天津大学 | 一种基于视频图像的弥散性运动物体的方向检测方法 |
CN107786837A (zh) * | 2016-08-24 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 扶梯危险状态检测方法及装置 |
CN110191320A (zh) * | 2019-05-29 | 2019-08-30 | 合肥学院 | 基于像素时序运动分析的视频抖动与冻结检测方法及装置 |
CN110782436A (zh) * | 2019-10-18 | 2020-02-11 | 宁波大学 | 一种基于计算机视觉的传送带物料状态检测方法 |
CN110781853A (zh) * | 2019-11-01 | 2020-02-11 | 浙江大华技术股份有限公司 | 人群异常检测方法以及相关装置 |
CN111754550A (zh) * | 2020-06-12 | 2020-10-09 | 中国农业大学 | 一种农机运动状态下动态障碍物检测方法及装置 |
CN111915735A (zh) * | 2020-06-29 | 2020-11-10 | 浙江传媒学院 | 一种针对视频中三维结构轮廓的深度优化方法 |
CN112464833A (zh) * | 2020-12-01 | 2021-03-09 | 平安科技(深圳)有限公司 | 基于光流的动态手势识别方法、装置、设备及存储介质 |
CN112598695A (zh) * | 2020-12-22 | 2021-04-02 | 中船重工(武汉)凌久高科有限公司 | 基于光流和动量法的化工运动目标监控方法 |
Non-Patent Citations (2)
Title |
---|
"an effective randomized hough transform method to extract ground plane from kinect point cloud";Hoa Dang Khanh;《IEEE》;全文 * |
"区域人群状态与行为的时空感知方法";宋宏权;《中国知网博士学位论文》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113570546A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3183687B1 (en) | Avian detection system and method | |
WO2020108088A1 (zh) | 确定风力发电机组的塔架净空的方法和装置 | |
CN111911364B (zh) | 叶尖塔筒净空监测方法 | |
CN113570546B (zh) | 一种风机运行状态检测方法及装置 | |
CN111163285A (zh) | 高空抛坠物监测方法及其系统、计算机可读存储介质 | |
CN109684976B (zh) | 门状态监测方法、装置、设备和系统及存储介质 | |
CN110493574B (zh) | 基于流媒体和ai技术的安监可视化系统 | |
CN111461078A (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
CN114623049A (zh) | 一种风电机组塔架净空监测方法、计算机程序产品 | |
JP6059957B2 (ja) | 鳥獣識別装置、鳥獣識別方法、及びプログラム | |
CN113657151A (zh) | 一种基于yolo目标检测算法的水上交通违章行为检测方法 | |
CN115912183B (zh) | 高压输电线路生态措施巡视方法、系统及可读存储介质 | |
CN111325731A (zh) | 遥控装置的安装检测方法及装置 | |
CN116630259A (zh) | 一种信号箱内螺母松动检测方法及装置 | |
CN113570636B (zh) | 一种风机通风量检测方法及装置 | |
CN115661735A (zh) | 一种目标物检测方法、装置和计算机可读存储介质 | |
CN113435371A (zh) | 一种基于电力物联网及人工智能的设备周边环境管控方法、装置及设备 | |
CN115342033A (zh) | 基于叶片净空和风轮转速的尾流检测方法及系统 | |
CN114757905A (zh) | 一种基于视觉的卷绳缠绕异常检测装置及方法 | |
CN114005060A (zh) | 图像数据的确定方法及装置 | |
GB2586227A (en) | System and method for controlling shadow flicker from a wind turbine | |
Ding et al. | Real-time monitoring of fan operation in livestock houses based on the image processing | |
CN112931482B (zh) | 一种杆塔驱鸟器 | |
CN117953433B (zh) | 一种基于图像数据处理的驱鸟器运行监管方法及系统 | |
CN113803223B (zh) | 一种风机叶片结冰状态实时监测方法、系统、介质及设备 |
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 |