CN113570636B - 一种风机通风量检测方法及装置 - Google Patents
一种风机通风量检测方法及装置 Download PDFInfo
- Publication number
- CN113570636B CN113570636B CN202110665511.5A CN202110665511A CN113570636B CN 113570636 B CN113570636 B CN 113570636B CN 202110665511 A CN202110665511 A CN 202110665511A CN 113570636 B CN113570636 B CN 113570636B
- Authority
- CN
- China
- Prior art keywords
- fan
- image
- target
- ventilation
- motion vector
- 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
- 238000009423 ventilation Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 230000003287 optical effect Effects 0.000 claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 244000144972 livestock Species 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 244000144977 poultry Species 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 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
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种风机通风量检测方法及装置，所述方法包括：分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建目标风机图像中所有像素点相关的移动向量矩阵；分别获取移动向量矩阵在x方向上以及在y方向上的数字特征，并将数字特征与风机通风量进行函数拟合，以构建数字特征与风机通风量之间的函数表达；基于函数表达，确定在预设时间窗口内的风机通风量。本发明提供的风机通风量检测方法及装置，整个过程中，数据的形式发生了巨大的变化，由开始的视频数据，变为数据分布的数字特征，数据由繁到简，浓缩成简单的特征数据，便于拟合出风机通风量的关系函数，提供了稳定检测风机通风量的方法，降低了检测结果的数据波动。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种风机通风量检测方法及装置。
背景技术
畜禽舍环境影响集约化养殖中畜禽生产与健康的关键因素，畜禽养殖环境调控技术正进一步向精细化和节本增效化发展。风机是畜禽舍环境调控的常用设备，变频风机因其具有高能效比、单台风机风量可调等优点，越来越多地在畜禽舍中得到应用。通风量调节是畜禽舍环境调控的核心内容，随着数字化畜牧业的发展，监测变频风机实时通风量或通风等级是有效调控舍内小气候重要依据，也是实现畜禽舍数字化环境调控的重要对象。
目前，风机通风量或通风等级检测的方法主要是采用机械式的装置进行测定，例如：利用风机检测所需的传感器和小装置，拟合装置测量得到的数据，得到气流速度关于风机半径的分布函数，最后求积分得到风机的流量；设计风机性能检测箱内的气压，有效的降低了气体流动对检测箱结果的影响，使用压力传感器检测风机性能等。在上述方法中，风机利用不同输入功率时测得的通风量拟合回归曲线，根据使用时调节的功率换算通风量或风机运行档位。
由于机械式的检测装置多在实验室条件下使用，实际生产中往往是利用出厂时给定的风机性能曲线(即实验室条件下获得不同功率或不同静压下的通风量，经拟合后所得曲线)，结合变频风机的运行功率和通风阻力估算通风量。但多台风机间存在相互干扰，且随着使用年限的增加，风机的通风效率会有所下降，单台风机的实际通风量大打折扣，远低于根据风机性能曲线推算的通风量。另外，当多台风机同时运行时，仅依靠风机性能曲线方法更加无法实时获取单台变频风机的实际通风量。
发明内容
针对现有技术在进行通风量检测时存在上述诸多不足的问题，本发明实施例提供一种风机通风量检测方法及装置。
第一方面，本发明提供一种风机通风量检测方法，包括：分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建所述目标风机图像中所有像素点相关的移动向量矩阵；所述相邻帧风机图像，是指区域视频中与所述目标风机图像相邻的一帧图像；分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并将所述数字特征与风机通风量进行函数拟合，以构建所述数字特征与风机通风量之间的函数表达；基于所述函数表达，确定在预设时间窗口内的风机通风量。
在一个实施例中，在计算目标风机图像与相邻帧风机图像的稠密光流之前，还包括：
获取目标风机所在的区域图像，并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所述目标风机图像。
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，在所述区域图像中确定所述目标风机所在的位置信息，具体包括：
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，根据所述位置信息，从所述区域图像中裁剪出所述目标风机图像，具体包括：
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，计算目标风机图像与相邻帧风机图像的稠密光流，以获取所述目标风机图像中每个像素点的移动向量，具体包括：
根据任一像素点在所述目标风机图像中位置，以及所述任一像素点在在所述相邻帧风机图像中的位置，确定所述任一像素点的移动向量；
根据每个像素点的移动向量以及在所述目标风机图像中的分布，以构建所述移动向量矩阵P；
所述移动向量矩阵P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方向上的移动距离；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，所述数字特征与风机通风量之间的函数表达，具体为：
Q＝λQx+μQy；
Qx＝f(Fx)；
Qy＝g(Fy)；
其中，Fx和Fy分别是移动向量矩阵P在x方向上以及在y方向上数据分布的数字特征；Qx是Fx关于通风量的拟合函数；Qy是Fy关于通风量的拟合函数；Q是经过调和后的风机通风量；λ和μ是调和系数。
在一个实施例中，基于所述函数表达，确定在预设时间窗口内的风机通风量，具体包括：
其中，T为预设时间窗口的选取大小；Qt-i为当前时刻前的第i个时刻的风机通风量；为预设时间窗口内的风机通风量。
第二方面，本发明提供一种风机通风量检测装置，包括：移动向量运算单元，用于分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建所述目标风机图像中所有像素点相关的移动向量矩阵；所述相邻帧风机图像，是指区域视频中与所述目标风机图像相邻的一帧图像；函数拟合构建单元，用于分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并将所述数字特征与风机通风量进行函数拟合，以构建所述数字特征与风机通风量之间的函数表达；风机通风量计算单元，用于基于所述函数表达，确定在预设时间窗口内的风机通风量。
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通风量检测方法的步骤。
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通风量检测方法的步骤。
本发明提供的风机通风量检测方法及装置，整个过程中，数据的形式发生了巨大的变化，由开始的视频数据，变为数据分布的数字特征，数据由繁到简，浓缩成简单的特征数据，便于拟合出风机通风量的关系函数，提供了稳定检测风机通风量的方法，降低了检测结果的数据波动。
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通风量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是本发明提供的风机通风量检测装置的结构示意图；
图4是利用本发明提供的风机通风量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通风量检测方法和装置。
图1是本发明提供的风机通风量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：分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建所述目标风机图像中所有像素点相关的移动向量矩阵；所述相邻帧风机图像，是指区域视频中与所述目标风机图像相邻的一帧图像。
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。
本发明是利用摄像头持续对目标风机进行拍摄，并通过对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。
具体来说，本发明是通过对相邻帧中每个像素点的位置移动情况，来分析目标风机运行时的通风量，从而达到风机性能检测的目的。而对相邻帧中每个像素点的位置移动情况进行分析的方式是借助稠密光流来开展的，即：获取任一帧目标风机图像以及其相邻帧风机图像的稠密光流，以获取每个像素点的移动向量；然后，根据每个像素点的移动向量以及像素点在图像中的分布，构建移动向量矩阵。
步骤102：分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并将所述数字特征与风机通风量进行函数拟合，以构建所述数字特征与风机通风量之间的函数表达。
在获取到目标风机图像所对应的移动向量矩阵之后，分别其在x方向上和y方向上的数据分布相关的数字特征；然后，利用该数字特征与风机通风量进行函数拟合(如采用线性拟合)，则可以得到数字特征与风机通风量之间的函数关系。
步骤103：基于所述函数表达，确定在预设时间窗口内的风机通风量。
其中，预设时间窗口可以是指当前时刻相关的一段时间。由于仅计算某一时刻的数字特征与风机通风量之间的函数表达，会导致检测结果的波动性大，结果不可信。
本发明通过将预设时间窗口内的各个时刻所计算出的风机通风量进行求和，并计算平均值的方法，能够有效地提高验证结果的精度。
本发明提供的风机通风量检测方法，在整个检测过程中，所处理的数据的形式发生了巨大的变化，由开始的视频数据，变为数据分布的数字特征，数据由繁到简，浓缩成简单的特征数据，便于拟合出风机通风量的关系函数，提供了稳定检测风机通风量的方法，降低了检测结果的数据波动。
基于上述实施例的内容，作为一种可选实施例，在计算目标风机图像与相邻帧风机图像的稠密光流之前，还包括：
获取目标风机所在的区域图像，并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所述目标风机图像。
由于摄像头所采集的视频图像中往往包含有较多的背景，直接对视频图像中的每一帧目标风机图像进行图像分析及检测，往往会使得检测的结果受到非目标风机的其它运动物体的干扰。
有鉴于此，本发明首先基于霍夫变换，从摄像头所采集的视频图像中，确定出目标风机所在的区域图像。
然后，分别在区域图像中确定目标风机所在的位置信息(可以存在多个目标风机)，包括目标风机所在位置的圆心坐标信息和半径信息(一般来说风机的形状均是被设置为圆形扇面)。
最后，可以根据确定的目标风机所在位置的圆心坐标信息和半径信息，从区域图像中裁剪出目标风机图像。其中，所述目标风机图像是指仅包含目标风机所在区域的图像。
本发明提供的风机通风量检测方法，在对采集的图像进行分析之前，对其进行预处理，以排除目标风机之外的其它因素的干扰，能够增强了后续计算结果的抗干扰性和准确性，且精简了计算量，提高了检测的效率。
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，在所述区域图像中确定所述目标风机所在的位置信息，具体包括：
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，而排除其他非目标风机的圆形，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，根据所述位置信息，从所述区域图像中裁剪出所述目标风机图像，具体包括：
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，计算目标风机图像与相邻帧风机图像的稠密光流，以获取所述目标风机图像中每个像素点的移动向量，具体包括：
根据任一像素点在所述目标风机图像中位置，以及所述任一像素点在在所述相邻帧风机图像中的位置，确定所述任一像素点的移动向量；
根据每个像素点的移动向量以及在所述目标风机图像中的分布，以构建所述移动向量矩阵；
所述移动向量矩阵的表达式为：
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方向上的移动距离；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，P为移动向量矩阵。
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P，以数字化表示出每个像素点的位置移动信息。
可选地，所述数字特征与风机通风量之间的函数表达，具体为：
Q＝λQx+μQy；
Qx＝f(Fx)；
Qy＝g(Fy)；
其中，Fx和Fy分别是移动向量矩阵P在x方向上以及在y方向上数据分布的数字特征；Qx是Fx关于通风量的拟合函数；Qy是Fy关于通风量的拟合函数；Q是经过调和后的风机通风量；λ和μ是调和系数。
本发明在获取每一帧目标风机图像中所有像素点的位移向量矩阵P之后，分别计算P在x方向上和y方向上的数据分布的数字特征；然后，使用该数字特征与风机通风量进行函数拟合(本实施例中可以采用线性拟合效果)，得到数字特征与风机通风量之间的函数关系。这样就可以与风机的通风量建立联系。
可选地，基于所述函数表达，确定在预设时间窗口内的风机通风量，具体包括：
其中，T为预设时间窗口的选取大小；Qt-i为当前时刻前的第i个时刻的风机通风量；为预设时间窗口内的风机通风量。
本发明通过建立预设时间窗口，以稳定检测结果。上述Q的计算结果是当前时刻的通风量，我们记做Qt，其中t表示此刻的时间段。时间窗口选取大小为T，最后得到的稳定预测结果为
需要说明的是，在在刚开始检测时，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，才能够生成相应的检测结果。
可选地，将上述检测步骤写入控制后台，可以实时的计算风机的目标位置，计算风机在光流场中的运动状况，经过拟合函数的计算，最后稳定后的结果就是风机的通风量。实现后台实时监控风机通风量，并输出相应的通风量。
本发明提供的风机通风量检测方法，关键点是变频风机视频数据的一系列特征计算过程。得到特征数据后，与变频风机通风量建立联系，从而达到识别变频风机性能的目的。该发明创新的使用了图像处理技术对风机运行视频进行了处理，在杂乱无章的背景中运用霍夫变换寻找到风机位置，并对图像数据进行相应的特征转化，最后使用较为简单的数字特征代替此时的运行状态，达到了数据简化的作用。简化后的数据可以用于模型的建立，最后使用函数拟合的方法建立特征与通风量之间的关系。整个过程中，数据的形式发生了巨大的变化，由开始的视频数据，变为数据分布的数字特征。数据由繁到简，浓缩成简单的特征数据，便于拟合出风机通风量的关系函数。还给出了稳定预测结果的方法，降低数据波动。本发明不仅提出了风机实时监测的一种新方法，而且提供了风机实时监测的新思路。
另外，本发明适用于大部分常规畜禽舍，首先在合适的位置安装图像采集设备。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，主要包括：畜禽舍变频风机1、图像采集设备2和后台处理设备3，其中θ为摄像头的仰角。
具体来说，图像采集设备2采用具有夜视功能的摄像头，摄像头固定在两个畜禽舍之间，放置在畜禽舍风机一侧的外部。图像采集设备2的布置位置如图2所示，可结合房屋高度进行调整，固定的位置尽量与风机高度相同，θ可以保持在0-20°之间，目的是防止采集到的风机图像有太大的变形，影响后续的处理。
具体来说，将上述检测的步骤中所涉及的算法和模型植入后台处理设备3，经过调试完成后，即可投入使用。图像采集设备2会实时的采集目标风机运行时图像，在目标风机图像中获取风机的位置信息，并在该区域内进行计算，得到该目标风机的风机通风量，风机通风量的数据可结合时间信息保存到本地的文件中。
图3是本发明提供的风机通风量检测装置的结构示意图，如图3所示，主要包括：移动向量运算单元31、函数拟合构建单元32和风机通风量计算单元33，其中：
移动向量运算单元31主要用于分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建所述目标风机图像中所有像素点相关的移动向量矩阵；所述相邻帧风机图像，是指区域视频中与所述目标风机图像相邻的一帧图像；
函数拟合构建单元32主要用于分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并将所述数字特征与风机通风量进行函数拟合，以构建所述数字特征与风机通风量之间的函数表达；
风机通风量计算单元33主要用于基于所述函数表达，确定在预设时间窗口内的风机通风量。
图4是利用本发明提供的风机通风量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：
在对整个风机通风量检测装置进行初始化之后，利用预先设置的图像采集设备采集包含目标风机的区域图像。在本实施例中，设目标风机为猪舍风机。
利用通信网络(可以是无线或有线网络)将采集的视频(包括连续多帧区域图像)，传输至后台处理设备3，进行风机通风量检测。
可选地，可以预先在每帧区域图像中定位目标风机，即确定目标风机的位置，并获取位置信息。
进一步地，根据位置信息在每帧区域图像中分别裁剪出目标风机图像。然后，利用移动向量运算单元31，对相邻两帧目标风机图像进行稠密光流计算，以构建移动向量矩阵。
进一步地，利用函数拟合构建单元32用于分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并分别拟合出对应的函数；然后，对两个方向上的拟合函数进行加权调和，以获取数字特征与风机通风量之间的函数表达。
进一步地，在预设时间窗口内，通过求和平均的方法，以稳定检测结果。
最后，将计算出的每个预设时间窗口内的检测结果，存储至后台处理设备，以供调用分析。
本发明提供的风机通风量检测装置，整个过程中，数据的形式发生了巨大的变化，由开始的视频数据，变为数据分布的数字特征，数据由繁到简，浓缩成简单的特征数据，便于拟合出风机通风量的关系函数，提供了稳定检测风机通风量的方法，降低了检测结果的数据波动。
需要说明的是，本发明实施例提供的风机通风量检测装置，在具体运行时，可以执行上述任一实施例所述的风机通风量检测方法，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，以执行风机通风量检测方法，该方法包括：分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建目标风机图像中所有像素点相关的移动向量矩阵；分别获取移动向量矩阵在x方向上以及在y方向上的数字特征，并将数字特征与风机通风量进行函数拟合，以构建数字特征与风机通风量之间的函数表达；基于函数表达，确定在预设时间窗口内的风机通风量。
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通风量检测方法，该方法包括：分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建目标风机图像中所有像素点相关的移动向量矩阵；分别获取移动向量矩阵在x方向上以及在y方向上的数字特征，并将数字特征与风机通风量进行函数拟合，以构建数字特征与风机通风量之间的函数表达；基于函数表达，确定在预设时间窗口内的风机通风量。
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通风量检测方法，该方法包括：分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建目标风机图像中所有像素点相关的移动向量矩阵；分别获取移动向量矩阵在x方向上以及在y方向上的数字特征，并将数字特征与风机通风量进行函数拟合，以构建数字特征与风机通风量之间的函数表达；基于函数表达，确定在预设时间窗口内的风机通风量。
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 (8)
1.一种风机通风量检测方法，其特征在于，包括：
分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建所述目标风机图像中所有像素点相关的移动向量矩阵；所述相邻帧风机图像，是指区域视频中与所述目标风机图像相邻的一帧图像；
分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并将所述数字特征与风机通风量进行函数拟合，以构建所述数字特征与风机通风量之间的函数表达；
基于所述函数表达，确定在预设时间窗口内的风机通风量；
计算目标风机图像与相邻帧风机图像的稠密光流，以获取所述目标风机图像中每个像素点的移动向量，具体包括：
根据任一像素点在所述目标风机图像中位置，以及所述任一像素点在在所述相邻帧风机图像中的位置，确定所述任一像素点的移动向量；
根据每个像素点的移动向量以及在所述目标风机图像中的分布，以构建所述移动向量矩阵；
所述移动向量矩阵的表达式为：
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方向上的移动距离；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，P为移动向量矩阵；
所述数字特征与风机通风量之间的函数表达，具体为：
Q＝λQx+μQy；
Qx＝f(Fx)；
Qy＝g(Fy)；
其中，Fx和Fy分别是移动向量矩阵P在x方向上以及在y方向上数据分布的数字特征；Qx是Fx关于通风量的拟合函数；Qy是Fy关于通风量的拟合函数；Q是经过调和后的风机通风量；λ和μ是调和系数。
2.根据权利要求1所述的风机通风量检测方法，其特征在于，在计算目标风机图像与相邻帧风机图像的稠密光流之前，还包括：
获取目标风机所在的区域图像，并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所述目标风机图像。
3.根据权利要求2所述的风机通风量检测方法，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，在所述区域图像中确定所述目标风机所在的位置信息，具体包括：
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。
4.根据权利要求2所述的风机通风量检测方法，其特征在于，根据所述位置信息，从所述区域图像中裁剪出所述目标风机图像，具体包括：
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。
5.根据权利要求1所述的风机通风量检测方法，其特征在于，基于所述函数表达，确定在预设时间窗口内的风机通风量，具体包括：
其中，T为预设时间窗口的选取大小；Qt-i为当前时刻前的第i个时刻的风机通风量；为预设时间窗口内的风机通风量。
6.一种风机通风量检测装置，其特征在于，包括：
移动向量运算单元，用于分别计算目标风机图像与相邻帧风机图像的稠密光流，以构建所述目标风机图像中所有像素点相关的移动向量矩阵；所述相邻帧风机图像，是指区域视频中与所述目标风机图像相邻的一帧图像；
函数拟合构建单元，用于分别获取所述移动向量矩阵在x方向上以及在y方向上的数字特征，并将所述数字特征与风机通风量进行函数拟合，以构建所述数字特征与风机通风量之间的函数表达；
风机通风量计算单元，用于基于所述函数表达，确定在预设时间窗口内的风机通风量；
计算目标风机图像与相邻帧风机图像的稠密光流，以获取所述目标风机图像中每个像素点的移动向量，具体包括：
根据任一像素点在所述目标风机图像中位置，以及所述任一像素点在在所述相邻帧风机图像中的位置，确定所述任一像素点的移动向量；
根据每个像素点的移动向量以及在所述目标风机图像中的分布，以构建所述移动向量矩阵；
所述移动向量矩阵的表达式为：
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方向上的移动距离；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，P为移动向量矩阵；
所述数字特征与风机通风量之间的函数表达，具体为：
Q＝λQx+μQy；
Qx＝f(Fx)；
Qy＝g(Fy)；
其中，Fx和Fy分别是移动向量矩阵P在x方向上以及在y方向上数据分布的数字特征；Qx是Fx关于通风量的拟合函数；Qy是Fy关于通风量的拟合函数；Q是经过调和后的风机通风量；λ和μ是调和系数。
7.一种电子设备，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5任一项所述风机通风量检测方法步骤。
8.一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5任一项所述风机通风量检测方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110665511.5A CN113570636B (zh) | 2021-06-16 | 2021-06-16 | 一种风机通风量检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110665511.5A CN113570636B (zh) | 2021-06-16 | 2021-06-16 | 一种风机通风量检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113570636A CN113570636A (zh) | 2021-10-29 |
| CN113570636B true CN113570636B (zh) | 2024-05-10 |
Family
ID=78162196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110665511.5A Active CN113570636B (zh) | 2021-06-16 | 2021-06-16 | 一种风机通风量检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113570636B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6730927B1 (en) * | 1999-06-11 | 2004-05-04 | Resmed Limited | Gas flow measurement device |
| DE102008005886A1 (de) * | 2008-01-22 | 2009-08-13 | Dues, Michael, Dr.-Ing. | Verfahren und Vorrichtung zur Herstellung der optischen Zugänglichkeit zu Fluiden für Strömungsmessungen |
| CN102680050A (zh) * | 2012-04-24 | 2012-09-19 | 中南大学 | 一种基于泡沫图像特征和通风量的硫浮选液位测量方法 |
| CN102722623A (zh) * | 2012-06-08 | 2012-10-10 | 中国航空工业集团公司西安飞机设计研究所 | 一种用于飞机风冷发电机通风量的计量方法 |
| CN106770983A (zh) * | 2017-03-01 | 2017-05-31 | 西安科技大学 | 一种矿井巷道烟气流动模拟测试系统及方法 |
| CN108827386A (zh) * | 2018-07-02 | 2018-11-16 | 长沙理工大学 | 一种建筑模型室内自然通风测试装置及测试方法 |
| CN109606065A (zh) * | 2019-01-18 | 2019-04-12 | 广州小鹏汽车科技有限公司 | 环境控制方法、装置及汽车 |
| CN110717418A (zh) * | 2019-09-25 | 2020-01-21 | 北京科技大学 | 一种喜好情感自动识别方法及系统 |
| WO2020052167A1 (zh) * | 2018-09-12 | 2020-03-19 | 珠海格力电器股份有限公司 | 空调吹风广角确定方法、装置以及空调 |
| CN111667399A (zh) * | 2020-05-14 | 2020-09-15 | 华为技术有限公司 | 风格迁移模型的训练方法、视频风格迁移的方法以及装置 |
| WO2020181570A1 (zh) * | 2019-03-08 | 2020-09-17 | 上海达显智能科技有限公司 | 一种智能除烟设备及其控制方法 |
| WO2020248965A1 (zh) * | 2019-06-11 | 2020-12-17 | 江苏钛科圈物联网科技有限公司 | 基于物联网的室内空气含菌量实时检测与分析方法、系统 |
| US10977800B1 (en) * | 2019-01-22 | 2021-04-13 | Rdi Technologies, Inc. | Image acquisition and detailed visual inspection of component in periodic motion |
| CN112861734A (zh) * | 2021-02-10 | 2021-05-28 | 北京农业信息技术研究中心 | 一种料槽余食监测方法及系统 |
| CN112963949A (zh) * | 2021-02-23 | 2021-06-15 | 东南大学 | 基于人员实时检测的防疫节能智能通风控制系统及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018064848A (ja) * | 2016-10-21 | 2018-04-26 | コニカミノルタ株式会社 | 動態解析システム |
| KR102472214B1 (ko) * | 2018-02-28 | 2022-11-30 | 삼성전자주식회사 | 에어 컨디셔닝 시스템에서 복합 제어 장치 및 방법 |
-
2021
- 2021-06-16 CN CN202110665511.5A patent/CN113570636B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6730927B1 (en) * | 1999-06-11 | 2004-05-04 | Resmed Limited | Gas flow measurement device |
| DE102008005886A1 (de) * | 2008-01-22 | 2009-08-13 | Dues, Michael, Dr.-Ing. | Verfahren und Vorrichtung zur Herstellung der optischen Zugänglichkeit zu Fluiden für Strömungsmessungen |
| CN102680050A (zh) * | 2012-04-24 | 2012-09-19 | 中南大学 | 一种基于泡沫图像特征和通风量的硫浮选液位测量方法 |
| CN102722623A (zh) * | 2012-06-08 | 2012-10-10 | 中国航空工业集团公司西安飞机设计研究所 | 一种用于飞机风冷发电机通风量的计量方法 |
| CN106770983A (zh) * | 2017-03-01 | 2017-05-31 | 西安科技大学 | 一种矿井巷道烟气流动模拟测试系统及方法 |
| CN108827386A (zh) * | 2018-07-02 | 2018-11-16 | 长沙理工大学 | 一种建筑模型室内自然通风测试装置及测试方法 |
| WO2020052167A1 (zh) * | 2018-09-12 | 2020-03-19 | 珠海格力电器股份有限公司 | 空调吹风广角确定方法、装置以及空调 |
| CN109606065A (zh) * | 2019-01-18 | 2019-04-12 | 广州小鹏汽车科技有限公司 | 环境控制方法、装置及汽车 |
| US10977800B1 (en) * | 2019-01-22 | 2021-04-13 | Rdi Technologies, Inc. | Image acquisition and detailed visual inspection of component in periodic motion |
| WO2020181570A1 (zh) * | 2019-03-08 | 2020-09-17 | 上海达显智能科技有限公司 | 一种智能除烟设备及其控制方法 |
| WO2020248965A1 (zh) * | 2019-06-11 | 2020-12-17 | 江苏钛科圈物联网科技有限公司 | 基于物联网的室内空气含菌量实时检测与分析方法、系统 |
| CN110717418A (zh) * | 2019-09-25 | 2020-01-21 | 北京科技大学 | 一种喜好情感自动识别方法及系统 |
| CN111667399A (zh) * | 2020-05-14 | 2020-09-15 | 华为技术有限公司 | 风格迁移模型的训练方法、视频风格迁移的方法以及装置 |
| CN112861734A (zh) * | 2021-02-10 | 2021-05-28 | 北京农业信息技术研究中心 | 一种料槽余食监测方法及系统 |
| CN112963949A (zh) * | 2021-02-23 | 2021-06-15 | 东南大学 | 基于人员实时检测的防疫节能智能通风控制系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| Optical Flow-Based Detection of Gas Leaks from Pipelines Using Multibeam Water Column Images;Chao Xu et.al;MDPI-remote sensing;全文 * |
| 巷道风阻参数自调整的矿井通风系统状态验证方法;刘国忠;;煤炭技术(05);全文 * |
| 综合管廊火灾烟气运动规律及其通风优化研究;郑源;中国优秀硕士学位论文全文数据库;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113570636A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10395114B1 (en) | Automated detection of features and/or parameters within an ocean environment using image data | |
| CN110869977A (zh) | 基于回归的动物体重估计 | |
| Kumar et al. | GCrop: Internet-of-Leaf-Things (IoLT) for monitoring of the growth of crops in smart agriculture | |
| US10796141B1 (en) | Systems and methods for capturing and processing images of animals for species identification | |
| CN114297907A (zh) | 温室环境空间分布预测方法及装置 | |
| CN111967466A (zh) | 一种利用多方向稀疏低秩分解的红外弱小目标检测方法 | |
| CN114431124B (zh) | 一种用于农业种植的喷淋智能控制方法 | |
| CN113273179B (zh) | 用于管理养殖场环境的装置 | |
| CN117851817B (zh) | 一种用于潮湿空气的智能过滤分析方法、系统及存储介质 | |
| CN113570636B (zh) | 一种风机通风量检测方法及装置 | |
| US20210027463A1 (en) | Video image processing and motion detection | |
| CN113570546B (zh) | 一种风机运行状态检测方法及装置 | |
| CN116698762B (zh) | 一种基于无人机的水质检测方法、系统及介质 | |
| CN112699836A (zh) | 低空水田图像的分割方法、装置和电子设备 | |
| CN116249036A (zh) | 一种基于5g监控的养鸡场监管方法及系统 | |
| 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 | |
| CN114140428A (zh) | 基于YOLOv5的落叶松毛虫虫害检测识别方法及系统 | |
| CN114119662A (zh) | 鱼类检测视觉系统中的图像处理方法及其系统 | |
| CN114200468A (zh) | 水下网衣巡检机器人的定位方法、系统及存储介质 | |
| CN112733582A (zh) | 农作物产量的确定方法及装置、非易失性存储介质 | |
| 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 | |
| CN118429126B (zh) | 基于神经网络模型的种植管理决策系统 | |
| CN116776130B (zh) | 一种用于异常电路信号的检测方法及装置 | |
| CN116630350B (zh) | 假发佩戴监测管理方法及系统 | |
| CN116740651B (zh) | 基于智能决策的食用菌栽培监控方法及系统 |
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 |