CN116029988A - 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 - Google Patents
一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 Download PDFInfo
- Publication number
- CN116029988A CN116029988A CN202211622737.8A CN202211622737A CN116029988A CN 116029988 A CN116029988 A CN 116029988A CN 202211622737 A CN202211622737 A CN 202211622737A CN 116029988 A CN116029988 A CN 116029988A
- Authority
- CN
- China
- Prior art keywords
- image
- spray
- bubble
- algorithm
- binarization
- 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
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法,包括图像采集模块、图像处理模块、数据分析模块,所述图像采集模块将采集到的燃油气泡喷嘴内外部雾化图像发送至图像处理模块,所述图像处理模块对图像依次进行图像灰度处理、图像滤波降噪、二值化图像、边缘检测处理后,将处理后的图像传输至数据分析模块进行数据分析得出气泡轮廓和喷雾轮廓以及喷雾宽度,从而快速准确地分析出气泡平均直径、雾化锥角大小以及喷雾宽度经时间序列的快速傅里叶变换得出的喷雾振荡的频率和强度,以此来反映出雾化质量,避免了人工测量的随机性,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
Description
技术领域
本发明涉及一种喷嘴内外部雾化过程检测系统,特别提供了一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法,属于图像处理技术领域。
背景技术
加热器燃烧室是组织燃料燃烧的重要场所。在燃烧室内,通常采用多个喷嘴单元组成喷注器,液体燃料通过喷注器在燃烧室内雾化,其雾化质量很大程度上决定着燃烧效率与发动机性能的好坏。雾化过程中,燃油气泡喷嘴内的气泡直径对外部雾化特性存在影响,外部的雾化锥角以及喷雾自激振荡的频率和强度都反映和影响着雾化质量。
目前雾化锥角的测量多为人工测量,其准确性低,随机性高。此外,现有技术中对于燃油气泡喷嘴内部气泡直径的测量方法还不够完善,并且喷雾雾化测量的准确度及效率较低,无法检测雾化过程中喷嘴内部的两相流动。
发明内容
发明目的:针对现有技术中存在的不足,本发明提供了一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法,通过使用图像处理模块对燃油气泡喷嘴内部气液两相流图像和外部喷雾场图像依次进行灰度处理、滤波降噪、二值化图像、边缘检测,通过数据分析模块进行数据分析检测出喷嘴内部的两相流动情况,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
技术方案:一种燃油气泡喷嘴内外部雾化过程的检测系统,包括图像采集模块、图像处理模块、数据分析模块,所述图像采集模块将采集到的图像发送至图像处理模块,所述图像处理模块对图像进行处理后,将处理后的图像传输至数据分析模块进行数据分析得出结果,所述图像采集模块用于采集喷嘴内部气液两相流图像和外部喷雾场图像;
所述图像处理模块包括灰度处理单元、滤波降噪单元、二值化单元、边缘检测单元,灰度处理单元将含有亮度和色彩的彩色图像变化成灰度图像,滤波降噪单元对灰度图像进行滤波处理,获得降噪平滑处理后的图像,二值化单元通过十六种二值化方法对图像进行处理得到二值化喷雾图像,边缘检测单元对二值化喷雾图像进行边缘检测得到气泡轮廓、喷雾轮廓以及喷雾宽度;
所述数据分析模块用于检测分析气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度。
本发明通过使用图像处理模块对燃油气泡喷嘴内部气液两相流图像和外部喷雾场图像依次进行灰度处理、滤波降噪、二值化图像、边缘检测,通过数据分析模块检测分析出气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度,以此判断雾化质量,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
一种燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,包括以下步骤:
步骤一、启动系统,图像采集模块对燃油气泡喷嘴内部和外部进行图像采集,获得喷嘴内部气液两相流图像和外部喷雾场图像;进入步骤二;
步骤二、图像灰度处理,灰度处理单元将含有亮度和色彩的喷嘴内部气液两相流图像和外部喷雾场图像处理成灰度图像;
步骤三、图像滤波降噪,滤波降噪单元采用中值滤波法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,进行滤波处理去除脉冲干扰及椒盐噪声,获得降噪平滑处理后的图像;进入步骤四;
步骤四、二值化图像,二值化单元对步骤三进行滤波降噪后的图像采取十六种二值化方法对其进行处理,将得到的十六种二值化图像进行对比,选择处理后图像与原灰度图像中内部气泡图或喷雾雾场轮廓最为接近的二值化方法进行批量处理;进入步骤五;
步骤五、边缘检测,边缘检测单元对经过步骤四处理后的二值化喷雾图像进行边缘检测,获得气泡轮廓和喷雾轮廓,设定一条距喷嘴出口一定距离的测量线,得到测量线上的喷雾宽度;进入步骤六;
步骤六、数据分析,数据分析模块根据步骤五得出的气泡轮廓和喷雾轮廓以及喷雾宽度,分析气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度;结束。
本发明通过图像采集模块对燃油气泡喷嘴内部和外部雾化情况进行图像采集,获得喷嘴内部气液两相流图像和外部喷雾场图像后,依次进行图像灰度处理、图像滤波降噪、二值化图像、边缘检测,得出气泡轮廓和喷雾轮廓以及喷雾宽度,从而分析出气泡平均直径、雾化锥角大小以及喷雾宽度经时间序列的快速傅里叶变换得出的喷雾振荡的频率和强度来反映出雾化质量,避免了人工测量的随机性,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
优选项,为了对图像进行灰度处理,所述步骤二具体步骤如下:
所述灰度处理单元将RGB图像在纯黑到纯白色区之间区分成256种灰度进行储存,灰度图采用8-bit灰度图,对于灰度值的计算采用精确度最高的浮点算法:
f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
其中,i、j为浮点坐标。
优选项,为了对图像进行滤波降噪,所述步骤三具体步骤如下:
所述滤波降噪单元采用中值滤波法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,将数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点,利用二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升或下降的二维数据序列;
在OpenCV中,实现中值滤波的函数是cv2.medianBlur(),其语法格式如下:
dst=cv2.medianBlur(src,ksize)
其中,dst是返回值,表示进行中值滤波后得到的处理结果;src是需要处理的图像,即源图像,它能够有任意数量的通道,并能对各个通道独立处理;ksize是滤波核的大小,滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。
优选项,为了对图像进行二值化处理,所述步骤四具体步骤如下:
所述二值化单元选用伯恩森算法、迭代自组织数据分析算法、最大熵算法、均值算法、最小错误算法、最小交叉熵算法、双峰算法、模糊阈值算法、最小阈值算法、几何矩算法、大津算法、百分比阈值算法、雷尼熵算法、阈值分割算法、三角阈值分割算法、模糊阈值算法十六种二值化方法同时对所得图像进行处理,将处理后的二值化图像进行对比,选择处理后图像与原灰度图像中内部气泡图或喷雾雾场轮廓最为接近的二值化方法;针对不同喷雾实验工况所对应的真实雾化状况不同的现象,使用该图像所对应的最优二值化方法对同组工况图像进行批量处理。通过对图像采用十六种二值化方法进行处理,得出内部气泡图或喷雾雾场轮廓还原度最高的二值化方法,并使用该二值化方法对图片进行批量处理,提高了检测效率,降低了检测成本。
优选项,为了对图像进行边缘检测,所述步骤五具体步骤如下:
所述边缘检测单元选择处理单独的像素点所得到响应比处理边缘点所得到的响应要更强烈的Laplacian算子,进行边缘检测以获得气泡轮廓和喷雾轮廓,设定一条距喷嘴出口一定距离的测量线,得到测量线上的喷雾宽度;
在OpenCV内使用函数cv2.Laplacian()实现Laplacian算子的计算,该函数的语法格式为:
dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]])
其中,dst代表目标图像;src代表原始图像;ddepth代表目标图像的深度;ksize代表用于计算二阶导数的核尺寸大小,该值必须是正的奇数;scale代表计算Laplacian值的缩放比例因子;默认情况下,该值为1,表示不进行缩放;delta代表加到目标图像上的可选值,默认为0;borderType代表边界样式。
优选项,为了分析气泡平均直径,所述步骤六中的分析气泡平均直径具体步骤如下:
根据步骤五中得到的气泡轮廓的长轴和短轴得出气泡等效直径:
其中,a为椭圆的半长轴,b为椭圆的半短轴;
气泡的平均直径具有相同的总体积与总表面积之比:
其中,di为单个气泡的直径mm;N是气泡的总数。
优选项,为了分析雾化锥角,所述步骤六中的分析雾化锥角具体步骤如下:
对步骤五中边缘检测到的喷雾边缘轮廓进行直线拟合,使用最小二乘算法,得到两条喷雾轮廓的边界线,两条边界线间夹角即为雾化锥角。
优选项,所述步骤六中的分析喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度具体步骤如下:
将步骤五中得到的喷雾宽度应用到一个时间序列的瞬态自激振荡喷雾图像中,得到一个时间序列的喷雾宽度信息;针对这个时间序列的喷雾宽度进行快速傅里叶变换,得到喷雾振荡的频率和强度。
有益效果:本发明通过图像采集模块对燃油气泡喷嘴内部和外部雾化情况进行图像采集,获得喷嘴内部气液两相流图像和外部喷雾场图像后,依次进行图像灰度处理、图像滤波降噪、二值化图像、边缘检测,得出气泡轮廓和喷雾轮廓以及喷雾宽度,从而快速准确地分析出气泡平均直径、雾化锥角大小以及喷雾宽度经时间序列的快速傅里叶变换得出的喷雾振荡的频率和强度,以此来反映出雾化质量,同时通过对图像进行十六种二值化方法进行处理,将还原度最高的二值化方法应用于图片的批量处理,提高了检测效率,降低了检测成本,避免了人工测量的随机性,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
附图说明
为了更清楚地说明本发明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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明的检测方法流程图;
图2为本发明的二值化示意图;
图3为本发明的边缘检测示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”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。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
一种燃油气泡喷嘴内外部雾化过程的检测系统,包括图像采集模块、图像处理模块、数据分析模块,所述图像采集模块将采集到的图像发送至图像处理模块,所述图像处理模块对图像进行处理后,将处理后的图像传输至数据分析模块进行数据分析得出结果,所述图像采集模块用于采集喷嘴内部气液两相流图像和外部喷雾场图像;
所述图像处理模块包括灰度处理单元、滤波降噪单元、二值化单元、边缘检测单元,灰度处理单元将含有亮度和色彩的彩色图像变化成灰度图像,滤波降噪单元对灰度图像进行滤波处理,获得降噪平滑处理后的图像,二值化单元通过十六种二值化方法对图像进行处理得到二值化喷雾图像,边缘检测单元对二值化喷雾图像进行边缘检测得到气泡轮廓、喷雾轮廓以及喷雾宽度;
所述数据分析模块用于检测分析气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度。
本发明通过使用图像处理模块对燃油气泡喷嘴内部气液两相流图像和外部喷雾场图像依次进行灰度处理、滤波降噪、二值化图像、边缘检测,通过数据分析模块检测分析出气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度,以此判断雾化质量,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
如图1所示,一种燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,包括以下步骤:
步骤一、启动系统,图像采集模块对燃油气泡喷嘴内部和外部进行图像采集,获得喷嘴内部气液两相流图像和外部喷雾场图像;进入步骤二;
步骤二、图像灰度处理,灰度处理单元将含有亮度和色彩的喷嘴内部气液两相流图像和外部喷雾场图像处理成灰度图像;
步骤三、图像滤波降噪,滤波降噪单元采用中值滤波法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,进行滤波处理去除脉冲干扰及椒盐噪声,获得降噪平滑处理后的图像;进入步骤四;
步骤四、二值化图像,二值化单元对步骤三进行滤波降噪后的图像采取十六种二值化方法对其进行处理,将得到的十六种二值化图像进行对比,选择处理后图像与原灰度图像中内部气泡图或喷雾雾场轮廓最为接近的二值化方法进行批量处理;进入步骤五;
步骤五、边缘检测,边缘检测单元对经过步骤四处理后的二值化喷雾图像进行边缘检测,获得气泡轮廓和喷雾轮廓,设定一条距喷嘴出口一定距离的测量线,得到测量线上的喷雾宽度;进入步骤六;
步骤六、数据分析,数据分析模块根据步骤五得出的气泡轮廓和喷雾轮廓以及喷雾宽度,分析气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度;结束。
本发明通过图像采集模块对燃油气泡喷嘴内部和外部雾化情况进行图像采集,获得喷嘴内部气液两相流图像和外部喷雾场图像后,依次进行图像灰度处理、图像滤波降噪、二值化图像、边缘检测,得出气泡轮廓和喷雾轮廓以及喷雾宽度,从而分析出气泡平均直径、雾化锥角大小以及喷雾宽度经时间序列的快速傅里叶变换得出的喷雾振荡的频率和强度来反映出雾化质量,避免了人工测量的随机性,提高了喷雾雾化测量的准确度及效率,完善了燃油气泡喷嘴内部气泡直径的测量方法。
为了对图像进行灰度处理,所述步骤二具体步骤如下:
所述灰度处理单元将RGB图像在纯黑到纯白色区之间区分成256种灰度进行储存,灰度图采用8-bit灰度图,对于灰度值的计算采用精确度最高的浮点算法:
f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
其中,i、j为浮点坐标。
为了对图像进行滤波降噪,所述步骤三具体步骤如下:
所述滤波降噪单元采用中值滤波法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,将数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点,利用二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升或下降的二维数据序列;
在OpenCV中,实现中值滤波的函数是cv2.medianBlur(),其语法格式如下:
dst=cv2.medianBlur(src,ksize)
其中,dst是返回值,表示进行中值滤波后得到的处理结果;src是需要处理的图像,即源图像,它能够有任意数量的通道,并能对各个通道独立处理;ksize是滤波核的大小,滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。
如图2所示,为了对图像进行二值化处理,所述步骤四具体步骤如下:
所述二值化单元选用伯恩森算法、迭代自组织数据分析算法、最大熵算法、均值算法、最小错误算法、最小交叉熵算法、双峰算法、模糊阈值算法、最小阈值算法、几何矩算法、大津算法、百分比阈值算法、雷尼熵算法、阈值分割算法、三角阈值分割算法、模糊阈值算法十六种二值化方法同时对所得图像进行处理,将处理后的二值化图像进行对比,选择处理后图像与原灰度图像中内部气泡图或喷雾雾场轮廓最为接近的二值化方法;针对不同喷雾实验工况所对应的真实雾化状况不同的现象,使用该图像所对应的最优二值化方法对同组工况图像进行批量处理。通过对图像采用十六种二值化方法进行处理,得出内部气泡图或喷雾雾场轮廓还原度最高的二值化方法,并使用该二值化方法对图片进行批量处理,提高了检测效率,降低了检测成本。
如图3所示,为了对图像进行边缘检测,所述步骤五具体步骤如下:
所述边缘检测单元选择处理单独的像素点所得到响应比处理边缘点所得到的响应要更强烈的Laplacian算子,进行边缘检测以获得气泡轮廓和喷雾轮廓,设定一条距喷嘴出口一定距离的测量线,得到测量线上的喷雾宽度;
在OpenCV内使用函数cv2.Laplacian()实现Laplacian算子的计算,该函数的语法格式为:
dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]])
其中,dst代表目标图像;src代表原始图像;ddepth代表目标图像的深度;ksize代表用于计算二阶导数的核尺寸大小,该值必须是正的奇数;scale代表计算Laplacian值的缩放比例因子;默认情况下,该值为1,表示不进行缩放;delta代表加到目标图像上的可选值,默认为0;borderType代表边界样式。
为了分析气泡平均直径,所述步骤六中的分析气泡平均直径具体步骤如下:
根据步骤五中得到的气泡轮廓的长轴和短轴得出气泡等效直径:
其中,a为椭圆的半长轴,b为椭圆的半短轴;
气泡的平均直径具有相同的总体积与总表面积之比:
其中,di为单个气泡的直径mm;N是气泡的总数。
为了分析雾化锥角,所述步骤六中的分析雾化锥角具体步骤如下:
对步骤五中边缘检测到的喷雾边缘轮廓进行直线拟合,使用最小二乘算法,得到两条喷雾轮廓的边界线,两条边界线间夹角即为雾化锥角。
所述步骤六中的分析喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度具体步骤如下:
将步骤五中得到的喷雾宽度应用到一个时间序列的瞬态自激振荡喷雾图像中,得到一个时间序列的喷雾宽度信息;针对这个时间序列的喷雾宽度进行快速傅里叶变换,得到喷雾振荡的频率和强度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种燃油气泡喷嘴内外部雾化过程的检测系统,包括图像采集模块、图像处理模块、数据分析模块,所述图像采集模块将采集到的图像发送至图像处理模块,所述图像处理模块对图像进行处理后,将处理后的图像传输至数据分析模块进行数据分析得出结果,其特征在于:所述图像采集模块用于采集喷嘴内部气液两相流图像和外部喷雾场图像;
所述图像处理模块包括灰度处理单元、滤波降噪单元、二值化单元、边缘检测单元,灰度处理单元将含有亮度和色彩的彩色图像变化成灰度图像,滤波降噪单元对灰度图像进行滤波处理,获得降噪平滑处理后的图像,二值化单元通过十六种二值化方法对图像进行处理得到二值化喷雾图像,边缘检测单元对二值化喷雾图像进行边缘检测得到气泡轮廓、喷雾轮廓以及喷雾宽度;
所述数据分析模块用于检测分析气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度。
2.根据权利要求1所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,包括以下步骤:
步骤一、启动系统,图像采集模块对燃油气泡喷嘴内部和外部进行图像采集,获得喷嘴内部气液两相流图像和外部喷雾场图像;进入步骤二;
步骤二、图像灰度处理,灰度处理单元将含有亮度和色彩的喷嘴内部气液两相流图像和外部喷雾场图像处理成灰度图像;
步骤三、图像滤波降噪,滤波降噪单元采用中值滤波法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,进行滤波处理去除脉冲干扰及椒盐噪声,获得降噪平滑处理后的图像;进入步骤四;
步骤四、二值化图像,二值化单元对步骤三进行滤波降噪后的图像采取十六种二值化方法对其进行处理,将得到的十六种二值化图像进行对比,选择处理后图像与原灰度图像中内部气泡图或喷雾雾场轮廓最为接近的二值化方法进行批量处理;进入步骤五;
步骤五、边缘检测,边缘检测单元对经过步骤四处理后的二值化喷雾图像进行边缘检测,获得气泡轮廓和喷雾轮廓,设定一条距喷嘴出口一定距离的测量线,得到测量线上的喷雾宽度;进入步骤六;
步骤六、数据分析,数据分析模块根据步骤五得出的气泡轮廓和喷雾轮廓以及喷雾宽度,分析气泡平均直径、雾化锥角大小和喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度;结束。
3.根据权利要求2所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,所述步骤二具体步骤如下:
所述灰度处理单元将RGB图像在纯黑到纯白色区之间区分成256种灰度进行储存,灰度图采用8-bit灰度图,对于灰度值的计算采用精确度最高的浮点算法:
f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
其中,i、j为浮点坐标。
4.根据权利要求2所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,所述步骤三具体步骤如下:
所述滤波降噪单元采用中值滤波法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,将数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点,利用二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升或下降的二维数据序列;
在OpenCV中,实现中值滤波的函数是cv2.medianBlur(),其语法格式如下:
dst=cv2.medianBlur(src,ksize)
其中,dst是返回值,表示进行中值滤波后得到的处理结果;src是需要处理的图像,即源图像,它能够有任意数量的通道,并能对各个通道独立处理;ksize是滤波核的大小,滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。
5.根据权利要求2所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,所述步骤四具体步骤如下:
所述二值化单元选用伯恩森算法、迭代自组织数据分析算法、最大熵算法、均值算法、最小错误算法、最小交叉熵算法、双峰算法、模糊阈值算法、最小阈值算法、几何矩算法、大津算法、百分比阈值算法、雷尼熵算法、阈值分割算法、三角阈值分割算法、模糊阈值算法十六种二值化方法同时对所得图像进行处理,将处理后的二值化图像进行对比,选择处理后图像与原灰度图像中内部气泡图或喷雾雾场轮廓最为接近的二值化方法;针对不同喷雾实验工况所对应的真实雾化状况不同的现象,使用该图像所对应的最优二值化方法对同组工况图像进行批量处理。
6.根据权利要求2所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,所述步骤五具体步骤如下:
所述边缘检测单元选择处理单独的像素点所得到响应比处理边缘点所得到的响应要更强烈的Laplacian算子,进行边缘检测以获得气泡轮廓和喷雾轮廓,设定一条距喷嘴出口一定距离的测量线,得到测量线上的喷雾宽度;
在OpenCV内使用函数cv2.Laplacian()实现Laplacian算子的计算,该函数的语法格式为:
dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]])
其中,dst代表目标图像;src代表原始图像;ddepth代表目标图像的深度;ksize代表用于计算二阶导数的核尺寸大小,该值必须是正的奇数;scale代表计算Laplacian值的缩放比例因子;默认情况下,该值为1,表示不进行缩放;delta代表加到目标图像上的可选值,默认为0;borderType代表边界样式。
8.根据权利要求2所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,所述步骤六中的分析雾化锥角具体步骤如下:
对步骤五中边缘检测到的喷雾边缘轮廓进行直线拟合,使用最小二乘算法,得到两条喷雾轮廓的边界线,两条边界线间夹角即为雾化锥角。
9.根据权利要求2所述的燃油气泡喷嘴内外部雾化过程的检测系统的检测方法,其特征在于,所述步骤六中的分析喷雾宽度经时间序列的快速傅里叶变换后得到的喷雾振荡的频率和强度具体步骤如下:
将步骤五中得到的喷雾宽度应用到一个时间序列的瞬态自激振荡喷雾图像中,得到一个时间序列的喷雾宽度信息;针对这个时间序列的喷雾宽度进行快速傅里叶变换,得到喷雾振荡的频率和强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211622737.8A CN116029988B (zh) | 2022-12-16 | 2022-12-16 | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211622737.8A CN116029988B (zh) | 2022-12-16 | 2022-12-16 | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116029988A true CN116029988A (zh) | 2023-04-28 |
CN116029988B CN116029988B (zh) | 2023-09-22 |
Family
ID=86080536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211622737.8A Active CN116029988B (zh) | 2022-12-16 | 2022-12-16 | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029988B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116805313A (zh) * | 2023-08-21 | 2023-09-26 | 山东大拇指喷雾设备有限公司 | 一种喷雾机喷头的缺陷检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101426484B1 (ko) * | 2014-04-29 | 2014-08-06 | 한양대학교 산학협력단 | 분무이미지 처리시스템 및 그 방법 |
CN109685117A (zh) * | 2018-12-04 | 2019-04-26 | 浙江大学 | 一种气液固三相体系中流动参数的图像测量方法 |
CN109816678A (zh) * | 2019-02-27 | 2019-05-28 | 青岛伴星智能科技有限公司 | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 |
CN109978905A (zh) * | 2019-04-04 | 2019-07-05 | 华南农业大学 | 一种基于数字图像处理的喷头雾锥角测量方法及装置 |
CN114798203A (zh) * | 2022-04-15 | 2022-07-29 | 江苏大学 | 一种扇形吸气喷头和用来观测气液混合流场的喷雾系统及测试方法 |
-
2022
- 2022-12-16 CN CN202211622737.8A patent/CN116029988B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101426484B1 (ko) * | 2014-04-29 | 2014-08-06 | 한양대학교 산학협력단 | 분무이미지 처리시스템 및 그 방법 |
CN109685117A (zh) * | 2018-12-04 | 2019-04-26 | 浙江大学 | 一种气液固三相体系中流动参数的图像测量方法 |
CN109816678A (zh) * | 2019-02-27 | 2019-05-28 | 青岛伴星智能科技有限公司 | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 |
CN109978905A (zh) * | 2019-04-04 | 2019-07-05 | 华南农业大学 | 一种基于数字图像处理的喷头雾锥角测量方法及装置 |
CN114798203A (zh) * | 2022-04-15 | 2022-07-29 | 江苏大学 | 一种扇形吸气喷头和用来观测气液混合流场的喷雾系统及测试方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116805313A (zh) * | 2023-08-21 | 2023-09-26 | 山东大拇指喷雾设备有限公司 | 一种喷雾机喷头的缺陷检测方法 |
CN116805313B (zh) * | 2023-08-21 | 2023-12-01 | 山东大拇指喷雾设备有限公司 | 一种喷雾机喷头的缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116029988B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN116029988B (zh) | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 | |
CN110596116B (zh) | 一种车辆表面瑕疵检测方法及检测系统 | |
CN111462066B (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
CN110245600B (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN108491786A (zh) | 一种基于分级网络和聚类合并的人脸检测方法 | |
CN109978940A (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
CN107392849A (zh) | 基于图像细分的靶标识别与定位方法 | |
CN114596551A (zh) | 一种车载前视图像裂缝检测的方法 | |
CN103699876B (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN108038856B (zh) | 基于改进多尺度分形增强的红外小目标检测方法 | |
CN114580559A (zh) | 一种基于单目视觉系统的测速方法 | |
CN109978905A (zh) | 一种基于数字图像处理的喷头雾锥角测量方法及装置 | |
CN112801141A (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN112053345A (zh) | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 | |
CN109410227B (zh) | 一种基于gvf模型的土地利用图斑轮廓提取算法 | |
WO2023134251A1 (zh) | 一种基于聚类的光条提取方法及装置 | |
CN107092908B (zh) | 一种基于列车转向架上的平面压印字符自动识别方法 | |
CN110969113B (zh) | 一种鱼漂状态辅助判断系统及方法 | |
CN111539967B (zh) | 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统 |
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 |