CN114048828B - 炉管图像处理方法 - Google Patents
炉管图像处理方法 Download PDFInfo
- Publication number
- CN114048828B CN114048828B CN202210024711.7A CN202210024711A CN114048828B CN 114048828 B CN114048828 B CN 114048828B CN 202210024711 A CN202210024711 A CN 202210024711A CN 114048828 B CN114048828 B CN 114048828B
- Authority
- CN
- China
- Prior art keywords
- image
- furnace tube
- area
- monitoring
- furnace
- 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
Images
Landscapes
- Radiation Pyrometers (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
Abstract
本发明属于在线监测技术领域,特别涉及一种炉管图像处理方法,在识别监测图像时,屏蔽或除去易被误识别的区域,从而大幅提升炉管识别的准确性;去除炉管影像区域的边缘以减少其对分析结果的影响,能提升分析结果的准确性,避免炉管异常温度变化的误报或漏报。
Description
技术领域
本发明属于在线监测技术领域,特别涉及一种炉管图像处理方法。
背景技术
乙烯裂解炉在石油化工企业的工业生产中有着举足轻重的地位,是石油化工生产的龙头,运行的好坏直接关系到生产装置能否安全、高效长周期运行。辐射室是乙烯裂解炉的核心部分,从燃烧器喷出的燃料在辐射室内燃烧,输送物料的炉管邻近火焰布置同时还要保证火焰不直接燃烧炉管,以辐射方式对物料加热。辐射室内炉管的双面受高温辐射,黏度较大的物料若在炉管内结焦,会使得炉管管壁局部温度上升,进而容易导致炉管蠕变、渗碳甚至破裂,需停车检修,从而影响生产效率与成本。
《山东化工》2019年第48卷公开的论文《乙烯装置裂解炉炉管表面温度红外监测系统应用效果》中公开了基于红外监测系统实现炉管表面温度的测量与可视化,并实现了超温报警功能,然而实际使用时,若设置的报警温度过高,则报警时炉管可能已经产生严重损伤,若设置的报警温度过低,则频繁报警影响生产且无法实现其警示功能。该论文中还公开了可以利用可视化技术连续追踪烧焦过程,这需要人员连续观测影像,现有的监测系统无法基于现有数据自动分析异常温度升高的情况。
炉管区域的准确识别是监测系统准确分析炉管工作状态的基础。由于正常工作状态下,辐射室炉墙会振动、炉墙会摆动,固定于炉墙上的图像采集装置也会随之抖动,并且辐射室内温度分布不均,使得炉管影像的识别难度大。中国专利CN102798294A公开了一种管式工业炉炉管温度实时监测及安全预警装置,该装置采集得到图像后,应用二维OTSU图像分割算法进行分割,分割结果如其附图4、5、6所示,原始图像经处理后无法准确识别炉管,附图5中识别的炉管管身不连续,即部分管身被识别为炉墙,附图5左下角、附图6右下角分别出现了炉墙被识别为炉管。现有的识别方法均无法准确识别炉管管身,常常发生炉管温度异常情况的误报或漏报。
发明内容
本发明的目的在于提供一种能准确识别图像中炉管区域的炉管图像处理方法。
为实现以上目的,本发明采用的技术方案为:
一种炉管图像处理方法,包括如下步骤:
A、在模板图像上标定干扰区与匹配区,
模板图像包括构成炉管影像的炉管像素点和构成非炉管影像的非炉管像素点,干扰区由非炉管像素点中与炉管像素点像素信息差值小的像素点组成,匹配区包括炉管像素点;
B、获取监测图像,匹配监测图像与模板图像得到校正图像,校正图像中具有与匹配区影像相符的监测匹配区,
屏蔽校正图像上与干扰区相符的影像区域并对未屏蔽区域进行分析得到监测炉管区,或分析监测图像/校正图像后去除与干扰区相符的影像区域得到监测炉管区;
C、去除监测炉管区的边缘得到监测分析区。
与现有技术相比,本发明存在以下技术效果:在识别监测图像时,屏蔽或除去易被误识别的区域,从而大幅提升炉管识别的准确性;去除炉管影像区域的边缘以减少其对分析结果的影响,能提升分析结果的准确性,避免炉管异常温度变化的误报或漏报。
附图说明
下面对本说明书各附图所表达的内容及图中的标记作简要说明:
图1是炉管图像的示意图;
图2是初步识别图像的示意图;
图3是模板图像示意图;
图4是监测图像示意图;
图5标记监测分析区的校正图像示意图;
图6是温升指数变化示意图;
图7是图6中箭头所指温升指数异常升高时刻的炉管示意图;
图8是热点占比趋势示意图;
图9是炉管纵向均匀度示意图;
图10是炉管横向均匀度示意图;
图11是炉室温度趋势曲线示意图。
图中:10.炉管图像,11.初步识别图像,12.干扰区,13.模板图像,14.关键点,15.匹配区,20.监测图像,21.校正图像,22.监测炉管区,23.监测分析区。
具体实施方式
下面结合附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细说明。
实施例1
一种炉管图像处理方法,包括如下步骤:
A、在模板图像13上标定干扰区12与匹配区15。其中,模板图像13包括构成炉管影像的炉管像素点和构成非炉管影像的非炉管像素点。
B、获取监测图像20。具体实施时,将图像采集装置固定安装在炉墙上,获得模板图像13后,维持图像采集装置的姿态进行炉管监测作业获得监测图像20。即监测图像20与模板图像13的视角应当相近或一致,方才能保证炉管区域的准确识别。
匹配监测图像20与模板图像13得到校正图像21,校正图像21中具有与匹配区15影像相符的监测匹配区,然后屏蔽校正图像21上与干扰区12相符的影像区域并对未屏蔽区域进行分析得到监测炉管区22。
图像匹配指的是通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系,寻求相似影像目标的方法。即监测图像20与模板图像13匹配后得到消除图像采集装置抖动、炉管摆动或炉墙振动影响的校正图像21,校正图像21、模板图像13上的炉管影像基本重合。
本实施例中匹配区15包括炉管像素点,即匹配区15包含炉管影像的图像区域,这样在步骤B中能得到监测图像20上与模板图像13匹配区15影像相近或一致的监测匹配区,从而能得到炉管影像区域与模板图像13上炉管影像区域重合度高的校正图像21,这样能避免炉管摆动至模板图像13上的干扰区12处时被误屏蔽,进而保证炉管摆动状态下炉管影像区域识别的准确性。
干扰区12由非炉管像素点中与炉管像素点像素信息差值小的像素点组成。这里所述的像素信息包括该像素点的灰度值、对比度、亮度等信息,非炉管像素点与炉管像素点的像素信息值差值小,则难以应用算法分割得到准确的炉管影像与非炉管影像。故而先标记图像上的易误判区域干扰区12,然后在监测工作状态下,屏蔽校正图像21上与干扰区12坐标一致的影像并进行炉管识别操作,这样既能提升炉管识别的准确性,又能减少识别过程中的处理量以提升分析速率。
由于图形采集装置或炉管抖动幅度较小且均为整体抖动,只需平移就能消除抖动影响,故而本实施例应用模板匹配法匹配监测图像20与模板图像13。模板就是一副已知的小图像,模板匹配就是在一副大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸、方向和图像元素,通过算法可以在图中找到目标,确定其坐标位置。模板匹配具有自身的局限性,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。本实施例中监测图像20与模板图像13的匹配方法具体如下:
采用模板匹配算法匹配监测图像20与匹配区15,
C、去除监测炉管区22的边缘得到监测分析区23。
监测炉管区22为校正图像21中的炉管影像区域,其边缘像素点的像素信息受炉墙影响大,不能准确反映炉体的实际温度,会影响分析结果的准确性。去除监测炉管区域22边缘的像素点得到的监测分析区23,再比对监测分析区23中各炉管像素点与模板图像13中同位处炉管像素点的像素信息,比对分析数据量少且分析结果的准确性更高,不仅能减少误报,并且在连续监测的情况下也不会造成漏报。
本实施例在步骤B中对监测图像20进行二值化处理并分割得到炉管影像后,进入步骤C。步骤C中应用形态学图像处理的腐蚀操作处理监测炉管区22的边缘,这样能消除监测炉管区域22边缘的凸起,得到边缘更加平滑的监测分析区23。在其他实施例中,也可以应用其他算法去除监测炉管区域22的边缘以消除区域边缘影像对测温结果的影响。
实施例2
本实施例与实施例1的不同之处在于,所述的步骤B中分析监测图像20或校正图像21后去除与干扰区12相符的影像区域得到监测炉管区22。可以先分析监测图像20,然后匹配监测图像20与模板图像13得到校正图像21,再去除校正图像21中与干扰区12相符的影像区域;或根据监测图像20与模板图像13匹配得到校正图像21后,先分析校正图像21,再去除识别得到的影像区域中与干扰区12坐标一致的影像区域。这样能避免屏蔽干扰区12进行图像分析时对图像识别效果带来的不良影响,保证炉管区域识别的可靠性。
实施例3
本实施例中,步骤A中先获取炉管图像10,基于炉管图像10分析计算得到模板图像13或选取炉管处于正常工作状态时的炉管图像10作为模板图像13。即模板图像13中各炉管的炉管温度为炉管正常工作状态下的温度,这样才能在监测工作状态下一一比对监测分析区23的炉管像素点与模板图像13上的同位像素点,计算炉管像素点的温度变化情况。同位像素点指的是各炉管图像10中形成炉管同位处影像的像素点。
可以基于炉管图像10分析计算得到模板图像13。例如,在炉管正常工作状态下,固定安装的图像采集装置获取多张炉管图像10,匹配各炉管图像10并计算各同位炉管像素点的温度最大值/平均值,应用各炉管像素点的温度最大值/平均值绘制模板图像13。或在识别炉管图像10中的炉管影像后,人工标定组成炉管影像的各炉管像素点的模板温度值并绘制模板图像13,模板温度值可以根据炉管的历史温度记录获得,例如,标记炉管像素点所在炉管区域历史温度数据中最大值为模板温度值。也可以直接选取炉管处于正常工作状态时的炉管图像10作为模板图像13。
为便于分析炉管温度,在模板图像13上标定关键点14。关键点14为较小的图形区域,根据经验或测温需求标记,与炉管管身上选定的实际监测区域相符。
本实施例中干扰区12的具体标记方法如下:
在步骤A中,分析炉管图像10得到初步识别图像11,人工标记初步识别图像11上被识别为炉管的非炉管像素点,被标定的非炉管像素点集组成干扰区12。也就是说,干扰区12由算法分割时被识别为炉管像素点的非炉管像素点集组成。这样在步骤B中,屏蔽干扰区12后应用同样的算法识别监测图像20,能得到与初步识别图像11更加吻合的监测炉管区22,有利于炉管温度的分析。
例如,应用大津法二值化处理多张炉管图像10得到其对应的初步识别图像11。初步识别图像11如附图2所示,图中白色区域被识别为炉管,黑色区域被识别为非炉管。结合附图1可以获知,被识别为炉管的非炉管区域包括自炉管管身间隙处显露的风口影像和位于图像左、右下角的炉墙影像。为便于分析,本实施例标记自炉管管身间隙处显露的风口影像区域和位于炉管影像下方的炉墙影像区域为干扰区12。
如附图1、2所示,大津法是按图像的灰度特性将图像分成类间方差最大的背景和前景两部分。在其他实施例中,也可以基于色彩、强度等像素信息来标记干扰区12。
根据监测图像20获得监测分析区23后,对监测分析区域23进行分析以获知炉管管身当前的温度情况。具体温度分析方法如下:
1、比对监测分析区23与模板图像13炉管影像同位处的温度值,所述的同位处实质上是炉管的同一处。比对监测分析区23与模板图像13中炉管影像时,指的在图像中的坐标一致,或以某区域/某点为中心点的相对坐标一致。
若监测图像20中某炉管像素点的温度值大于模板图像13中对应点位的温度值,记该点位处两温度值的差为温升变化值,
若监测图像20中某炉管像素点的温度值小于等于模板图像13中对应点位的温度值,不统计该点位处的温升变化值,
其中,N为组成监测图像20中炉管影像的像素点总数,
当温升指数超过设定阈值时,说明监测图像20中炉管的管身温升异常可能发生结焦,监测系统发出警示指令。
为了更直观地示出异常温升区域,在对应的监测图像20上根据温升值的大小在炉管影像处标记温升情况。常用温升彩云图示出温升情况,图中示出的温升最大区域即为异常升温区域。
2、根据炉室内所有炉管的温度信息求取该炉室的温升指数,以时间为横轴、炉室的温升指数为纵轴绘制温升指数变化图。当一个图像采集装置无法拍摄到炉室内所有炉管时,需要设置两个或多个图像采集装置,并结合所有图像采集装置所采集的图像获取该炉室内所有炉管的温度信息,以获得该炉室的温升指数。
3、监测图像20中温度超过设定阈值的像素点总数与组成监测图像20中炉管影像的像素点总数相比得到对应炉管的热占比,以时间为横轴、热占比值为纵轴绘制热点占比趋势图。热占比基于炉管绝对温度值计算,可获知监测图像20中温度超高区域相对炉管区域的占比。
4、将位于同一炉管上不同管程处的监测关键点组成纵向关键点组,计算各纵向关键点组内监测关键点温度值的标准差,得到该炉管的纵向均匀度,以各炉管的横向排布顺序为横轴、各炉管的纵向均匀度为纵轴绘制炉管纵向均匀度示意图。
5、将不同炉管位于同一高度处的监测关键点组成横向关键点组,以各监测关键点的横向排布顺序为横轴、各监测关键点的温度值为纵轴绘制炉管横向均匀度示意图。计算各横向关键点组内监测关键点温度值的标准差,得到该炉管的横向均匀度并标识在炉管横向均匀度示意图。
6、求取所有监测关键点的平均值得到其当前温度,以时间为横轴、关键点的当前温度值为纵轴绘制炉室的温度趋势曲线图。
Claims (5)
1.一种炉管图像处理方法,包括如下步骤:
A、在模板图像(13)上标定干扰区(12)与匹配区(15),
模板图像(13)包括构成炉管影像的炉管像素点和构成非炉管影像的非炉管像素点,干扰区(12)由非炉管像素点中与炉管像素点像素信息差值小的像素点组成,匹配区(15)包括炉管像素点;
B、获取监测图像(20),匹配监测图像(20)与模板图像(13)得到校正图像(21),校正图像(21)中具有与匹配区(15)影像相符的监测匹配区,屏蔽校正图像(21)上与干扰区(12)相符的影像区域并对未屏蔽区域进行分析得到监测炉管区(22);
应用模板匹配算法匹配监测图像(20)与模板图像(13)时,
C、去除监测炉管区(22)的边缘得到监测分析区(23)。
2.根据权利要求1所述的炉管图像处理方法,其特征在于:所述的步骤B中分析监测图像(20)或校正图像(21)后去除与干扰区(12)相符的影像区域得到监测炉管区(22)。
3.根据权利要求1或2所述的炉管图像处理方法,其特征在于:所述的步骤A中,先获取炉管图像(10),基于炉管图像(10)分析计算得到模板图像(13)或选取炉管处于正常工作状态时的炉管图像(10)作为模板图像(13)。
4.根据权利要求3所述的炉管图像处理方法,其特征在于:所述的步骤A中,分析炉管图像(10)得到初步识别图像(11),人工标记初步识别图像(11)上被识别为炉管的非炉管像素点,被标定的非炉管像素点组成干扰区(12)。
5.根据权利要求4所述的炉管图像处理方法,其特征在于:所述的步骤A中,应用大津法分析多张炉管图像(10)得到各初步识别图像(11),人工标记自炉管管身间隙处显露的风口影像区域和位于炉管影像下方的炉墙影像区域为干扰区(12)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024711.7A CN114048828B (zh) | 2022-01-11 | 2022-01-11 | 炉管图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024711.7A CN114048828B (zh) | 2022-01-11 | 2022-01-11 | 炉管图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048828A CN114048828A (zh) | 2022-02-15 |
CN114048828B true CN114048828B (zh) | 2022-04-19 |
Family
ID=80196208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210024711.7A Active CN114048828B (zh) | 2022-01-11 | 2022-01-11 | 炉管图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048828B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798294A (zh) * | 2012-06-19 | 2012-11-28 | 合肥瑞石测控工程技术有限公司 | 一种管式工业炉炉管温度实时监测及安全预警装置 |
CN106920240A (zh) * | 2017-03-09 | 2017-07-04 | 国家电网公司 | 一种基于红外图像的绝缘子识别和故障诊断方法 |
CN110095204A (zh) * | 2019-04-25 | 2019-08-06 | 广东石油化工学院 | 一种乙烯裂解炉管温度诊断系统 |
CN111160121A (zh) * | 2019-12-11 | 2020-05-15 | 杭州勒格网络科技有限公司 | 一种基于深度学习的人像识别系统、方法及装置 |
CN113298759A (zh) * | 2021-04-30 | 2021-08-24 | 西安瑞得空间信息技术有限公司 | 水域检测方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6045295B2 (ja) * | 2012-10-24 | 2016-12-14 | 三菱重工環境・化学エンジニアリング株式会社 | 高温炉内監視装置及びこれを備えた高温炉内監視システム |
US11386530B2 (en) * | 2020-02-26 | 2022-07-12 | Flir Systems Ab | Digital filter for turbulence reduction and gas detection in thermal images |
-
2022
- 2022-01-11 CN CN202210024711.7A patent/CN114048828B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798294A (zh) * | 2012-06-19 | 2012-11-28 | 合肥瑞石测控工程技术有限公司 | 一种管式工业炉炉管温度实时监测及安全预警装置 |
CN106920240A (zh) * | 2017-03-09 | 2017-07-04 | 国家电网公司 | 一种基于红外图像的绝缘子识别和故障诊断方法 |
CN110095204A (zh) * | 2019-04-25 | 2019-08-06 | 广东石油化工学院 | 一种乙烯裂解炉管温度诊断系统 |
CN111160121A (zh) * | 2019-12-11 | 2020-05-15 | 杭州勒格网络科技有限公司 | 一种基于深度学习的人像识别系统、方法及装置 |
CN113298759A (zh) * | 2021-04-30 | 2021-08-24 | 西安瑞得空间信息技术有限公司 | 水域检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
"图像模板匹配算法的研究和实现";wong_hs;《https://www.cnblogs.com/colorful-days/p/5586206.html》;20160615;第1-8页 * |
"炉管安全监测与分析系统的研发和应用";袁柏峰;《石油化工设备技术》;20140115;第35卷(第1期);第62-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114048828A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Di Leo et al. | A vision system for the online quality monitoring of industrial manufacturing | |
TW201702586A (zh) | 光學薄膜缺陷辨識方法及其系統 | |
JP5494566B2 (ja) | 鋼材の欠陥検出方法 | |
JP2013238449A (ja) | ひび割れ検出方法 | |
JP2016095160A (ja) | 表面欠陥検出方法及び表面欠陥検出装置 | |
CN116883412B (zh) | 一种石墨烯远红外电热设备故障检测方法 | |
CN114048828B (zh) | 炉管图像处理方法 | |
CN115424008A (zh) | 一种激光投影仪产线调光聚焦检测方法及系统 | |
law Fastowicz et al. | Quality assessment of photographed 3 d printed flat surfaces using hough transform and histogram equalization | |
CN114049353B (zh) | 炉管温度监测方法 | |
CN116615302A (zh) | 用于检测支承杆的悬挂位置的方法以及平板机床 | |
CN116402827A (zh) | 基于图像处理的采煤机用电缆夹板缺陷检测方法及装置 | |
KR101360653B1 (ko) | 압연재의 심 크랙 결함 검출 장치 | |
TWI619560B (zh) | 鋼板量測系統及其方法 | |
JP5949690B2 (ja) | 評価方法及び評価装置 | |
US20210374942A1 (en) | Belt examination system and computer-readable non-transitory recording medium having stored belt examination program | |
JP2593016B2 (ja) | 溶融合金化亜鉛めっき鋼帯の合金化度測定方法 | |
JPS61140384A (ja) | 電縫溶接における溶接状況計測方法 | |
JP2021067588A (ja) | 被検査体の表面検査装置および被検査体の表面検査方法 | |
JP3385761B2 (ja) | 受像管パネル内面の検査装置 | |
CN110717899A (zh) | 一种透明滤棒爆珠缺陷在线视觉检测方法 | |
CN116843654A (zh) | 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 | |
CN109099836A (zh) | 一种扫描精度在线监控系统及方法 | |
TWI806780B (zh) | 深度檢測與補償系統與方法 | |
Zhu et al. | An automatic vision inspection system for detecting surface cracks of welding joint |
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 |