CN116128877B - 一种基于温度检测的排汽回收智能监测系统 - Google Patents
一种基于温度检测的排汽回收智能监测系统 Download PDFInfo
- Publication number
- CN116128877B CN116128877B CN202310382998.5A CN202310382998A CN116128877B CN 116128877 B CN116128877 B CN 116128877B CN 202310382998 A CN202310382998 A CN 202310382998A CN 116128877 B CN116128877 B CN 116128877B
- Authority
- CN
- China
- Prior art keywords
- threshold
- region
- gas
- steam
- area
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于温度检测的排汽回收智能监测系统。该系统包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:获取锅炉排汽口排出汽体的灰度图像、灰度图像中的汽体区域和非汽体区域;按照第一预设规则依次调整Canny算子的第一阈值,根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异确定第一目标阈值;按照第二预设规则依次调整Canny算子的第二阈值,根据第二阈值调整后获取的汽体区域与疑似汽体区域的灰度分布、以及汽体区域与疑似汽体区域的位置差异,确定第二目标阈值,进而获取目标汽体区域。本发明提高了汽体区域的划分精度。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于温度检测的排汽回收智能监测系统。
背景技术
工厂监测空罐灭菌时,通常需要对锅炉排汽进行回收处理,在锅炉温度升高的过程中,通过水蒸气的排出情况来判断汽体回收程度。基于图像处理技术对水蒸气的排出情况进行判断也得到了广泛应用,传统的通过Canny边缘检测算法进行边缘检测提取出图像中的汽体区域,再对提取出的汽体区域进行增强,基于增强后的图像对水蒸气的排出情况进行评价,进而判断汽体回收程度,传统的Canny边缘检测算法没有给出阈值确定的方法,而是通过多次边缘检测试验来调整并确定合适的阈值,当图像噪声强度变化、物体所处的场景改变、图像改变时,需要重新确定阈值,这样不仅繁琐,而且极大的影响了Canny算法边缘检测的稳定性,限制了Canny边缘检测算法在无人干扰情况下的应用,Canny算法的双阈值设置的过大或过小均会降低汽体区域的划分精度,进而使得汽体回收程度的判断结果可信度较低。
发明内容
为了解决传统的Canny边缘检测算法在对锅炉排汽口排出汽体的图像进行边缘检测时双阈值无法自适应地获取,导致汽体区域的划分精度较低的问题,本发明的目的在于提供一种基于温度检测的排汽回收智能监测系统,所采用的技术方案具体如下:
本发明提供了一种基于温度检测的排汽回收智能监测系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
获取锅炉排汽口排出汽体的灰度图像、灰度图像中的汽体区域和非汽体区域;
按照第一预设规则依次调整Canny算子的第一阈值,基于调整后的第一阈值对汽体区域和非汽体区域进行获取;对于任意第一阈值,根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,确定第一阈值对应的保留程度指标;基于所述保留程度指标确定Canny算子的第一目标阈值;
基于所述第一目标阈值获取疑似汽体区域;按照第二预设规则依次调整Canny算子的第二阈值,基于所述第一目标阈值和调整后的第二阈值对汽体区域进行获取;对于任意第二阈值,根据第二阈值调整后获取的汽体区域与所述疑似汽体区域的灰度分布、以及汽体区域与所述疑似汽体区域的位置差异,确定第二阈值对应的可信度;基于所述可信度确定Canny算子的第二目标阈值;所述第一目标阈值大于所述第二目标阈值;
基于所述第一目标阈值和所述第二目标阈值对所述灰度图像进行边缘检测,获取目标汽体区域。
优选的,所述根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,确定第一阈值对应的保留程度指标,包括:
根据第一阈值调整前后获取的汽体区域中像素点的个数差异和第一阈值调整前后获取的汽体区域中像素点之间的距离差异,得到汽体区域的边缘保留程度;
根据第一阈值调整前后获取的非汽体区域中像素点的个数差异和第一阈值调整前后获取的非汽体区域中像素点之间的距离差异,得到非汽体区域的边缘保留程度;
将所述汽体区域的边缘保留程度与所述非汽体区域的边缘保留程度的比值,确定为第一阈值对应的保留程度指标。
优选的,根据第一阈值调整前后获取的汽体区域中像素点的个数差异和第一阈值调整前后获取的汽体区域中像素点之间的距离差异,得到汽体区域的边缘保留程度,包括:
将第一阈值调整后获取的汽体区域中像素点的个数与第一阈值调整前获取的汽体区域中像素点的个数的比值,确定为第一比值;将第一阈值调整后获取的汽体区域中像素点之间的平均距离与第一阈值调整前获取的汽体区域中像素点之间的平均距离的比值,确定为第二比值;根据所述第一比值和所述第二比值,得到汽体区域的边缘保留程度,所述第一比值、所述第二比值均与所述汽体区域的边缘保留程度呈正相关关系。
优选的,根据第一阈值调整前后获取的非汽体区域中像素点的个数差异和第一阈值调整前后获取的非汽体区域中像素点之间的距离差异,得到非汽体区域的边缘保留程度,包括:
将第一阈值调整后获取的非汽体区域中像素点的个数与第一阈值调整前获取的非汽体区域中像素点的个数的比值,确定为第三比值;将第一阈值调整后获取的非汽体区域中像素点之间的平均距离与第一阈值调整前获取的非汽体区域中像素点之间的平均距离的比值,确定为第四比值;根据所述第三比值和所述第四比值,得到非汽体区域的边缘保留程度,所述第三比值、所述第四比值均与所述非汽体区域的边缘保留程度呈正相关关系。
优选的,所述基于所述保留程度指标确定Canny算子的第一目标阈值,包括:将最大的保留程度指标对应的第一阈值作为Canny算子的第一目标阈值。
优选的,所述根据第二阈值调整后获取的汽体区域与所述疑似汽体区域的灰度分布、以及汽体区域与所述疑似汽体区域的位置差异,确定第二阈值对应的可信度,包括:
基于第二阈值调整后获取的汽体区域与所述疑似汽体区域的位置差异,确定第二阈值调整后的扩张区域和收缩区域;将所述疑似汽体区域中像素点的灰度值记为特征灰度值,统计所述扩张区域中灰度值为特征灰度值的像素点数量;统计所述扩张区域和所述收缩区域中像素点的总个数;
根据所述像素点数量和所述总个数,得到第二阈值对应的可信度,所述像素点数量与所述可信度呈正相关关系,所述总个数与所述可信度呈负相关关系。
优选的,基于第二阈值调整后获取的汽体区域与所述疑似汽体区域的位置差异,确定第二阈值调整后的扩张区域和收缩区域,包括:
将所述第二阈值调整后获取的汽体区域记为特征区域,获取所述特征区域和所述疑似汽体区域的交集区域,将所述特征区域中除交集区域之外的像素点构成的区域作为所述扩张区域,将所述疑似汽体区域中除交集区域之外的像素点构成的区域作为所述收缩区域。
优选的,所述基于所述可信度确定Canny算子的第二目标阈值,包括:将最大的可信度对应的第二阈值作为Canny算子的第二目标阈值。
优选的,所述基于所述第一目标阈值获取疑似汽体区域,包括:
将Canny算子的双阈值均设置为第一目标阈值对所述灰度图像进行边缘检测,获得初始汽体区域,获取所述初始汽体区域的边缘像素点;
对于初始汽体区域的任一边缘像素点:以该边缘像素点为中心点,将该边缘像素点的邻域内不属于初始汽体区域的像素点记为特征像素点;分别判断该边缘像素点的邻域内各特征像素点的灰度值是否与中心点的灰度值相同,若相同,则将对应特征像素点与初始汽体区域进行合并处理,将合并处理之后获得的区域作为疑似汽体区域。
本发明具有如下有益效果:
1、本发明考虑到传统的Canny边缘检测算法在对锅炉排汽口排出汽体的图像进行边缘检测时双阈值无法自适应地获取,阈值过大或过小均会对汽体区域的划分精度产生影响,进而影响后续汽体回收程度的判断结果,本发明结合汽体在灰度图像中呈现的特征对Canny算子的双阈值进行自适应选取,本发明提供的Canny边缘检测双阈值的获取方法具有快速性、稳定性、自适应性的特点,使锅炉排汽口排出汽体的灰度图像中汽体区域的检测结果更加准确,进而能够提高汽体回收程度的评价结果。
2、本发明在自适应地获取Canny算子的双阈值时,考虑到Canny算子的大阈值是为了区分灰度图像中的汽体区域和非汽体区域,Canny算子的小阈值是为了细化汽体区域和非汽体区域的边缘,获取更准确的汽体区域,因此本发明首先对Canny算子的大阈值进行确定,也即对第一目标阈值进行确定,在确定第一目标阈值的过程中,根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,对第一阈值对应的保留程度指标进行评价,保留程度指标能够反映对应的第一阈值对灰度图像的划分效果,因此本发明基于保留程度指标对Canny算子的第一目标阈值进行了确定,在确定Canny算子的第一目标阈值之后,保持第一目标阈值不变,再通过不断调整第二阈值的方式,结合第二阈值调整后获取的汽体区域与疑似汽体区域的灰度分布、以及汽体区域与疑似汽体区域的位置差异,对第二目标阈值进行了确定,本发明提供的方法提高了Canny算子的双阈值选取的稳定性和可靠性,能够保证汽体区域检测结果的准确性。
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和优点,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的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1为本发明实施例所提供的一种基于温度检测的排汽回收智能监测方法的流程图;
图2为本发明实施例中收缩区域和扩张区域的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于温度检测的排汽回收智能监测系统进行详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于温度检测的排汽回收智能监测系统的具体方案。
一种基于温度检测的排汽回收智能监测系统实施例:
本实施例针对的具体场景为:在对锅炉排出的汽体进行回收处理时,需要对水蒸气的排出情况行检测,进而确定汽体的回收程度,采集锅炉排气口排出汽体的灰度图像,对采集到的灰度图像进行分析,自适应地对Canny算子的双阈值进行选取,提高灰度图像中的汽体区域的划分精度,进而能够提高汽体回收程度判断结果的可信度。
本实施例提出了一种基于温度检测的排汽回收智能监测系统,该系统以实现如图1所示的步骤,具体步骤如下:
步骤S1,获取锅炉排汽口排出汽体的灰度图像、灰度图像中的汽体区域和非汽体区域。
本实施例首先在锅炉排汽口设置热成像相机,用于在锅炉排汽口采集排出汽体的红外图像,然后对采集到的红外图像进行灰度化处理,获得锅炉排汽口排出汽体的灰度图像,图像灰度化处理的目的是简化矩阵,实现多通道到单灰度通道的转换,提高后续操作运算效率。图像灰度化处理为现有技术,此处不再过多赘述。
基于颜色特征的图像分割对灰度图像进行分割,获得灰度图像中的汽体区域和非汽体区域,为后续Canny算子的第一目标阈值的选取做准备,其中,基于颜色特征的图像分割为现有算法,此处不再过多赘述。
至此,获得了锅炉排汽口排出汽体的灰度图像、灰度图像中的汽体区域和非汽体区域。
步骤S2,按照第一预设规则依次调整Canny算子的第一阈值,基于调整后的第一阈值对汽体区域和非汽体区域进行获取;对于任意第一阈值,根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,确定第一阈值对应的保留程度指标;基于所述保留程度指标确定Canny算子的第一目标阈值。
本实施例是为了获取Canny边缘检测算法的最优大阈值和最优小阈值,从而分割出准确的汽体区域,考虑到Canny算子的大阈值是为了区分灰度图像中的汽体区域和非汽体区域,Canny算子的小阈值是为了细化汽体区域和非汽体区域的边缘,获取更准确的汽体区域,因此本实施例首先对Canny算子的大阈值进行确定,在选取Canny算子的大阈值的过程中,需要不断地调整大阈值,在调整大阈值的过程中,设置Canny算子的小阈值始终和大阈值的值相同;在确定Canny算子的大阈值后,保持大阈值不变,再通过改变不断调整小阈值的方式,结合图像特征分析确定Canny算子的小阈值。
本实施例设置第一预设规则,第一预设规则为由255逐渐减小至0,每次的调整步长设置为1,将Canny算子的大阈值记为第一阈值,也即对第一阈值进行了初始化操作,使得第一阈值的初始值为255;接下来将根据第一预设规则不断调整Canny算子的第一阈值,第一阈值每次调整后均采用Canny边缘检测算法对灰度图像进行一次边缘提取,获取汽体区域和非汽体区域。在具体应用中,实施者可根据实际情况设置第一预设规则和调整步长。第一阈值在每次调整前后,获取的汽体区域的差异和非汽体区域的差异能够反映灰度图像中边缘的保留情况,第一阈值调整前后获取的汽体区域中像素点的个数差异以及像素点的分布情况能够在一定程度上反映汽体区域的边缘保留情况,汽体区域中像素点的分布情况可以通过汽体区域中像素点之间的距离来反映,第一阈值调整前后获取的汽体区域中像素点的个数差异越小、且第一阈值调整前后获取的汽体区域中像素点之间的距离差异越小,说明灰度图像中汽体区域的边缘保留的越好,同样的,第一阈值调整前后获取的非汽体区域中像素点的个数差异越小、且第一阈值调整前后获取的非汽体区域中像素点之间的距离差异越小,说明灰度图像中非汽体区域的边缘保留的越好。需要说明的是:在第一次调整第一阈值时,第一阈值调整前获取的汽体区域和非汽体区域分别为步骤S1中基于颜色特征的图像分割获得的汽体区域和非汽体区域。
基于此,对于任意第一阈值,首先将第一阈值调整后获取的汽体区域中像素点的个数与第一阈值调整前获取的汽体区域中像素点的个数的比值,确定为第一比值;将第一阈值调整后获取的汽体区域中像素点之间的平均距离与第一阈值调整前获取的汽体区域中像素点之间的平均距离的比值,确定为第二比值;根据第一比值和第二比值,得到汽体区域的边缘保留程度,第一比值、第二比值均与汽体区域的边缘保留程度呈正相关关系;将第一阈值调整后获取的非汽体区域中像素点的个数与第一阈值调整前获取的非汽体区域中像素点的个数的比值,确定为第三比值;将第一阈值调整后获取的非汽体区域中像素点之间的平均距离与第一阈值调整前获取的非汽体区域中像素点之间的平均距离的比值,确定为第四比值;根据第三比值和第四比值,得到非汽体区域的边缘保留程度,第三比值、所述第四比值均与非汽体区域的边缘保留程度呈正相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定;负相关关系表示因变量会随着自变量的增大而减小,因变量会随着自变量的减小而增大,可以为相减关系、相除关系等,由实际应用进行确定。作为一个具体实施方式,汽体区域的边缘保留程度和非汽体区域的边缘保留程度的具体计算公式分别为:
其中,Ai为第一阈值第i次调整对应的汽体区域的边缘保留程度,Si为第一阈值第
i次调整后获取的汽体区域中像素点的数量,Si-1为第一阈值第i次调整前获取的汽体区域
中像素点的数量,也即第一阈值第i-1次调整后获取的汽体区域中像素点的数量,Di为第一
阈值第i次调整后获取的汽体区域中像素点之间的平均距离,Di-1为第一阈值第i次调整前
获取的汽体区域中像素点之间的平均距离,也即第一阈值第i-1次调整后获取的汽体区域
中像素点之间的平均距离,Bi为第一阈值第i次调整对应的非汽体区域的边缘保留程度,
为第一阈值第i次调整后获取的非汽体区域中像素点的数量,为第一阈值第i次调整前
获取的非汽体区域中像素点的数量,也即第一阈值第i-1次调整后获取的非汽体区域中像
素点的数量,为第一阈值第i次调整后获取的非汽体区域中像素点之间的平均距离,
为第一阈值第i次调整前获取的非汽体区域中像素点之间的平均距离,也即第一阈值第i-1
次调整后获取的非汽体区域中像素点之间的平均距离。
本实施例中汽体区域中像素点之间的平均距离的获取过程为:计算该区域中每两个像素点之间的距离,根据该区域中两两像素点之间的距离,计算该区域中所有的两两像素点之间的距离的均值,该均值为该区域中像素点之间的平均距离。非汽体区域中像素点之间的平均距离的获取过程可以类比汽体区域中像素点之间的平均距离的获取过程,此处不再过多赘述。
表示第一比值,/>表示第二比值,/>表示第三比值,/>表示第四比值。第一比值用于反映第一阈值在第i次调整前后获取的汽体区域中像素点的个数差异,第二比值用于反映第一阈值在第i次调整前后获取的汽体区域中像素点之间的距离差异,第三比值用于反映第一阈值在第i次调整前后获取的非汽体区域中像素点的个数差异,第四比值用于反映第一阈值在第i次调整前后获取的非汽体区域中像素点之间的距离差异。当第一阈值在第i次调整前后获取的汽体区域中像素点的个数差异越小、第一阈值调整前后获取的汽体区域中像素点之间的距离差异越小时,说明第一阈值第i次调整后,利用该阈值对灰度图像进行划分获得的汽体区域的边缘保留程度越高,也即第i次调整相较于第i-1次调整对灰度图像的划分效果更好。需要说明的是:当边缘保留程度计算公式中的分母中出现0时,说明大阈值过大,此时选取的阈值不适合作为边缘检测的阈值,因此排除此时选取的阈值。
将第一阈值第i次调整对应的汽体区域的边缘保留程度Ai与第一阈值第i次调整对应的非汽体区域的边缘保留程度Bi的比值,确定为第一阈值对应的保留程度指标,也即将作为了第一阈值第i次调整时对应的保留程度指标;保留程度指标越大,说明在利用此时的阈值对灰度图像进行检测时汽体区域的边缘保留程度越大,即此时的阈值对灰度图像的划分效果越好。
采用上述方法,可以获得第一阈值每次调整时对应的保留程度指标,保留程度指标越大,说明该阈值对灰度图像进行划分的效果越好,因此,将最大的保留程度指标对应的第一阈值作为第一目标阈值,也即获得了Canny算子的大阈值,完成了对Canny算子的大阈值的选取。
步骤S3,基于所述第一目标阈值获取疑似汽体区域;按照第二预设规则依次调整Canny算子的第二阈值,基于所述第一目标阈值和调整后的第二阈值对汽体区域进行获取;对于任意第二阈值,根据第二阈值调整后获取的汽体区域与所述疑似汽体区域的灰度分布、以及汽体区域与所述疑似汽体区域的位置差异,确定第二阈值对应的可信度;基于所述可信度确定Canny算子的第二目标阈值;所述第一目标阈值大于所述第二目标阈值。
本实施例在步骤S2中确定了Canny算子的第一目标阈值,也即确定了Canny边缘检测时对应的大阈值,基于Canny算子的第一目标阈值,采用Canny边缘检测算法对灰度图像进行检测,也即将Canny算子的双阈值均设置为第一目标阈值对灰度图像进行检测,将此时获得的汽体区域记为初始汽体区域,提取初始汽体区域的边缘像素点,也即获取了初始汽体区域最外圈的像素点,得到了多个边缘像素点;对于初始汽体区域的任一边缘像素点:以该边缘像素点为中心点,该边缘像素点的邻域内的像素点分为两类,一类属于初始汽体区域,另一类不属于初始汽体区域,将不属于初始汽体区域的像素点记为特征像素点;分别判断该边缘像素点的邻域内的每个特征像素点的灰度值是否与中心点的灰度值相同,若相同,则将对应特征像素点与初始汽体区域进行合并处理,将合并处理之后获得的区域作为疑似汽体区域,本实施例中的邻域大小为八邻域,在具体应用中,实施者可根据具体情况进行设置。由于初始汽体区域仅基于大阈值检测出来的,Canny算子的大阈值是为了区分灰度图像中的汽体区域和非汽体区域,Canny算子的小阈值是为了细化汽体区域和非汽体区域的边缘,因此为了获得更准确的汽体区域,本实施例基于邻域像素点与中心点的灰度分布情况对初始汽体区域进行了扩张处理,扩张后的汽体区域为可信度更高的汽体区域。接下来本实施例将对Canny算子的小阈值进行选取,基于小阈值调整后获取的汽体区域与疑似汽体区域的差异情况,确定Canny算子的最优小阈值。
具体的,设置第二预设规则,第二预设规则为由0逐渐增大至255,每次的调整步长设置为1,将Canny算子的小阈值记为第二阈值,也即对第二阈值进行了初始化操作,使得第二阈值的初始值为0。在具体应用中,实施者可以根据实际情况设置第二预设规则和调整步长。接下来将根据第二预设规则不断调整Canny算子的第二阈值,第二阈值每次调整后均采用Canny边缘检测算法对灰度图像进行一次边缘提取,获取汽体区域和非汽体区域,第二阈值在每次调整后,获取的汽体区域与疑似汽体区域的差异能够反映第二阈值选取的合适程度,考虑到汽体区域内像素点的灰度应当较接近,因此接下来将结合获取的汽体区域与疑似汽体区域的灰度分布,以及汽体区域与疑似汽体区域的位置差异来对及汽体区域的边缘的保留情况进行评价,确定第二阈值对应的可信度。
对于任意第二阈值,利用该第二阈值和第一目标阈值,采用Canny边缘检测算法对灰度图像进行边缘检测,获取汽体区域,将该汽体区域记为特征区域,获取特征区域和疑似汽体区域的交集区域,将疑似汽体区域中除交集区域之外的像素点构成的区域作为收缩区域,将特征区域中除交集区域之外的像素点构成的区域作为扩张区域,如图2所示,该图为收缩区域和扩张区域的示意图,图中黑色实线构成的封闭区域为疑似汽体区域,图中黑色虚线构成的封闭区域为特征区域,图中的1表示收缩区域,图中的2表示扩张区域。将疑似汽体区域中像素点的灰度值记为特征灰度值,统计扩张区域中灰度值为特征灰度值的像素点数量,同时统计扩张区域和收缩区域中像素点的总个数;将疑似汽体区域中像素点的灰度值记为特征灰度值,统计扩张区域中灰度值为特征灰度值的像素点数量N1,同时统计扩张区域和所述收缩区域中像素点的总个数N2,根据所述像素点数量和所述总个数,得到第二阈值对应的可信度,所述像素点数量与所述可信度呈正相关关系,所述总个数与所述可信度呈负相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定;负相关关系表示因变量会随着自变量的增大而减小,因变量会随着自变量的减小而增大,可以为相减关系、相除关系等,由实际应用进行确定。作为一个具体实施方式,将所述像素点数量N1和所述总个数N2的比值N1/N2作为第二阈值对应的可信度,当扩张区域中灰度值为特征灰度值的像素点数量越多、扩张区域和收缩区域中像素点的总个数越少时,说明利用此时的第二阈值对灰度图像进行处理获取的汽体区域和疑似汽体区域重合程度越高,此时的第二阈值对汽体区域的提取效果越好,该第二阈值的可取性越高。
采用上述方法,能够获得每个第二阈值对应的可信度,可信度越大,说明对应第二阈值对灰度图像中汽体区域的划分效果越好,因此将最大的可信度对应的第二阈值作为Canny算子的第二目标阈值,也即确定了Canny算子的小阈值。
步骤S4,基于所述第一目标阈值和所述第二目标阈值对所述灰度图像进行边缘检测,获取目标汽体区域。
本实施例确定了Canny算子的第一目标阈值和第二目标阈值,也即确定了Canny算子的双阈值,将Canny边缘检测的双阈值分别设置为第一目标阈值和第二目标阈值,采用Canny边缘检测算法对灰度图像进行边缘检测,获得灰度图像中准确的汽体区域,将其记为目标汽体区域。
将灰度图像中的目标汽体区域标记出来,采用现有的图像增强方法对灰度图像进行增强处理,接下来可以基于增强后的灰度图像中目标汽体区域的特征进行后续判断。当汽体浓度较大时,采集到的图像中汽体区域像素点的灰度值较大,可以基于增强后的灰度图像中目标汽体区域中像素点的灰度情况对汽体的浓度进行判断,进而结合汽体区域的面积对汽体的排除情况进行分析,作为其它实施方式,也可利用训练好的DNN神经网络,基于增强后的灰度图像中目标汽体区域对汽体的排除情况进行判断,进而对汽体的回收程度进行评价。
本实施例考虑到传统的Canny边缘检测算法在对锅炉排汽口排出汽体的图像进行边缘检测时双阈值无法自适应地获取,阈值过大或过小均会对汽体区域的划分精度产生影响,进而影响后续汽体回收程度的判断结果,本实施例结合汽体在灰度图像中呈现的特征对Canny算子的双阈值进行自适应选取,本实施例提供的Canny边缘检测双阈值的获取方法具有快速性、稳定性、自适应性的特点,使锅炉排汽口排出汽体的灰度图像中汽体区域的检测结果更加准确,进而能够提高汽体回收程度的评价结果。本实施例在自适应地获取Canny算子的双阈值时,考虑到Canny算子的大阈值是为了区分灰度图像中的汽体区域和非汽体区域,Canny算子的小阈值是为了细化汽体区域和非汽体区域的边缘,获取更准确的汽体区域,因此本实施例首先对Canny算子的大阈值进行确定,也即对第一目标阈值进行确定,在确定第一目标阈值的过程中,根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,对第一阈值对应的保留程度指标进行评价,保留程度指标能够反映对应的第一阈值对灰度图像的划分效果,因此本实施例基于保留程度指标对Canny算子的第一目标阈值进行了确定,在确定Canny算子的第一目标阈值之后,保持第一目标阈值不变,再通过不断调整第二阈值的方式,结合第二阈值调整后获取的汽体区域与疑似汽体区域的灰度分布、以及汽体区域与疑似汽体区域的位置差异,对第二目标阈值进行了确定,本实施例提供的方法提高了Canny算子的双阈值选取的稳定性和可靠性,能够保证汽体区域检测结果的准确性。
Claims (6)
1.一种基于温度检测的排汽回收智能监测系统,包括存储器和处理器,其特征在于,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
获取锅炉排汽口排出汽体的灰度图像、灰度图像中的汽体区域和非汽体区域;
按照第一预设规则依次调整Canny算子的第一阈值,基于调整后的第一阈值对汽体区域和非汽体区域进行获取;对于任意第一阈值,根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,确定第一阈值对应的保留程度指标;基于所述保留程度指标确定Canny算子的第一目标阈值;
基于所述第一目标阈值获取疑似汽体区域;按照第二预设规则依次调整Canny算子的第二阈值,基于所述第一目标阈值和调整后的第二阈值对汽体区域进行获取;对于任意第二阈值,根据第二阈值调整后获取的汽体区域与所述疑似汽体区域的灰度分布、以及汽体区域与所述疑似汽体区域的位置差异,确定第二阈值对应的可信度;基于所述可信度确定Canny算子的第二目标阈值;所述第一目标阈值大于所述第二目标阈值;
基于所述第一目标阈值和所述第二目标阈值对所述灰度图像进行边缘检测,获取目标汽体区域;
所述根据第一阈值调整前后获取的汽体区域的差异和非汽体区域的差异,确定第一阈值对应的保留程度指标,包括:
根据第一阈值调整前后获取的汽体区域中像素点的个数差异和第一阈值调整前后获取的汽体区域中像素点之间的距离差异,得到汽体区域的边缘保留程度;
根据第一阈值调整前后获取的非汽体区域中像素点的个数差异和第一阈值调整前后获取的非汽体区域中像素点之间的距离差异,得到非汽体区域的边缘保留程度;
将所述汽体区域的边缘保留程度与所述非汽体区域的边缘保留程度的比值,确定为第一阈值对应的保留程度指标;
所述根据第二阈值调整后获取的汽体区域与所述疑似汽体区域的灰度分布、以及汽体区域与所述疑似汽体区域的位置差异,确定第二阈值对应的可信度,包括:
基于第二阈值调整后获取的汽体区域与所述疑似汽体区域的位置差异,确定第二阈值调整后的扩张区域和收缩区域;将所述疑似汽体区域中像素点的灰度值记为特征灰度值,统计所述扩张区域中灰度值为特征灰度值的像素点数量;统计所述扩张区域和所述收缩区域中像素点的总个数;
根据所述像素点数量和所述总个数,得到第二阈值对应的可信度,所述像素点数量与所述可信度呈正相关关系,所述总个数与所述可信度呈负相关关系;
基于第二阈值调整后获取的汽体区域与所述疑似汽体区域的位置差异,确定第二阈值调整后的扩张区域和收缩区域,包括:
将所述第二阈值调整后获取的汽体区域记为特征区域,获取所述特征区域和所述疑似汽体区域的交集区域,将所述特征区域中除交集区域之外的像素点构成的区域作为所述扩张区域,将所述疑似汽体区域中除交集区域之外的像素点构成的区域作为所述收缩区域。
2.根据权利要求1所述的一种基于温度检测的排汽回收智能监测系统,其特征在于,根据第一阈值调整前后获取的汽体区域中像素点的个数差异和第一阈值调整前后获取的汽体区域中像素点之间的距离差异,得到汽体区域的边缘保留程度,包括:
将第一阈值调整后获取的汽体区域中像素点的个数与第一阈值调整前获取的汽体区域中像素点的个数的比值,确定为第一比值;将第一阈值调整后获取的汽体区域中像素点之间的平均距离与第一阈值调整前获取的汽体区域中像素点之间的平均距离的比值,确定为第二比值;根据所述第一比值和所述第二比值,得到汽体区域的边缘保留程度,所述第一比值、所述第二比值均与所述汽体区域的边缘保留程度呈正相关关系。
3.根据权利要求1所述的一种基于温度检测的排汽回收智能监测系统,其特征在于,根据第一阈值调整前后获取的非汽体区域中像素点的个数差异和第一阈值调整前后获取的非汽体区域中像素点之间的距离差异,得到非汽体区域的边缘保留程度,包括:
将第一阈值调整后获取的非汽体区域中像素点的个数与第一阈值调整前获取的非汽体区域中像素点的个数的比值,确定为第三比值;将第一阈值调整后获取的非汽体区域中像素点之间的平均距离与第一阈值调整前获取的非汽体区域中像素点之间的平均距离的比值,确定为第四比值;根据所述第三比值和所述第四比值,得到非汽体区域的边缘保留程度,所述第三比值、所述第四比值均与所述非汽体区域的边缘保留程度呈正相关关系。
4.根据权利要求1所述的一种基于温度检测的排汽回收智能监测系统,其特征在于,所述基于所述保留程度指标确定Canny算子的第一目标阈值,包括:将最大的保留程度指标对应的第一阈值作为Canny算子的第一目标阈值。
5.根据权利要求1所述的一种基于温度检测的排汽回收智能监测系统,其特征在于,所述基于所述可信度确定Canny算子的第二目标阈值,包括:将最大的可信度对应的第二阈值作为Canny算子的第二目标阈值。
6.根据权利要求1所述的一种基于温度检测的排汽回收智能监测系统,其特征在于,所述基于所述第一目标阈值获取疑似汽体区域,包括:
将Canny算子的双阈值均设置为第一目标阈值对所述灰度图像进行边缘检测,获得初始汽体区域,获取所述初始汽体区域的边缘像素点;
对于初始汽体区域的任一边缘像素点:以该边缘像素点为中心点,将该边缘像素点的邻域内不属于初始汽体区域的像素点记为特征像素点;分别判断该边缘像素点的邻域内各特征像素点的灰度值是否与中心点的灰度值相同,若相同,则将对应特征像素点与初始汽体区域进行合并处理,将合并处理之后获得的区域作为疑似汽体区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382998.5A CN116128877B (zh) | 2023-04-12 | 2023-04-12 | 一种基于温度检测的排汽回收智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382998.5A CN116128877B (zh) | 2023-04-12 | 2023-04-12 | 一种基于温度检测的排汽回收智能监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116128877A CN116128877A (zh) | 2023-05-16 |
CN116128877B true CN116128877B (zh) | 2023-06-30 |
Family
ID=86306556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310382998.5A Active CN116128877B (zh) | 2023-04-12 | 2023-04-12 | 一种基于温度检测的排汽回收智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128877B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082464A (zh) * | 2022-08-22 | 2022-09-20 | 南通翡利达液压科技有限公司 | 除尘机焊接过程中焊缝数据的识别方法及系统 |
CN115457004A (zh) * | 2022-09-22 | 2022-12-09 | 山东华太新能源电池有限公司 | 基于计算机视觉的锌膏的智能检测方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101086142B1 (ko) * | 2010-02-02 | 2011-11-25 | 한국수력원자력 주식회사 | 카메라 영상신호를 이용한 누설판별 방법 및 시스템 |
CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及系统 |
CN108921823B (zh) * | 2018-06-08 | 2020-12-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
JP2020094777A (ja) * | 2018-12-14 | 2020-06-18 | 株式会社神戸製鋼所 | 出滓口監視装置および出滓口監視方法 |
CN110189349B (zh) * | 2019-06-03 | 2022-03-25 | 湖南国科微电子股份有限公司 | 图像处理方法及装置 |
US20210166058A1 (en) * | 2019-12-03 | 2021-06-03 | Ping An Technology (Shenzhen) Co., Ltd. | Image generation method and computing device |
EP4071665A4 (en) * | 2019-12-05 | 2023-11-22 | Canaan Bright Sight Co., Ltd. | CHARACTER SEGMENTATION METHOD AND APPARATUS, AND COMPUTER-READABLE STORAGE MEDIUM |
CN111598074B (zh) * | 2020-05-21 | 2023-07-07 | 杭州睿琪软件有限公司 | 边缘检测方法和装置、电子设备和存储介质 |
CN113761970B (zh) * | 2020-06-02 | 2023-12-26 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN112288655B (zh) * | 2020-11-09 | 2022-11-01 | 南京理工大学 | 一种基于mser区域匹配和低秩矩阵分解的海面图像稳像方法 |
CN114820773B (zh) * | 2022-06-26 | 2022-09-27 | 山东济宁运河煤矿有限责任公司 | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 |
CN115082429B (zh) * | 2022-07-20 | 2022-11-04 | 山东马勒铝业科技有限公司 | 一种基于图像处理的铝棒缺陷检测方法 |
CN115049653B (zh) * | 2022-08-15 | 2022-12-06 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测系统 |
CN115239726A (zh) * | 2022-09-22 | 2022-10-25 | 江苏昱恒电气有限公司 | 一种吹线机精准定位线头的智能控制方法 |
CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
-
2023
- 2023-04-12 CN CN202310382998.5A patent/CN116128877B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082464A (zh) * | 2022-08-22 | 2022-09-20 | 南通翡利达液压科技有限公司 | 除尘机焊接过程中焊缝数据的识别方法及系统 |
CN115457004A (zh) * | 2022-09-22 | 2022-12-09 | 山东华太新能源电池有限公司 | 基于计算机视觉的锌膏的智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116128877A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115641329B (zh) | 一种锂电池隔膜缺陷检测方法及系统 | |
Huang et al. | Infrared small target detection by density peaks searching and maximum-gray region growing | |
CN107657209B (zh) | 一种基于手指静脉图像质量的模板图像注册机制 | |
CN116309599B (zh) | 基于污水前置处理的水质视觉监测方法 | |
CN111429496B (zh) | 一种顾及统计特性的时序PolSAR影像无监督变化检测方法 | |
CN116703251B (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN116091504A (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN116843682B (zh) | 利用红外热像仪的锅炉热效率在线检测与分析系统 | |
CN116863253B (zh) | 基于大数据分析的运维风险预警方法 | |
CN114758219B (zh) | 基于光谱数据和红外温度数据融合的尾迹识别方法 | |
CN114119613B (zh) | 基于图像处理的花生选种方法 | |
CN115994907A (zh) | 用于食品检测机构综合信息的智能处理系统及方法 | |
CN111241987B (zh) | 基于代价敏感的三支决策的多目标模型视觉追踪方法 | |
CN110458019B (zh) | 稀缺认知样本条件下的排除倒影干扰的水面目标检测方法 | |
CN111950498A (zh) | 一种基于端到端实例分割的车道线检测方法及装置 | |
CN115880280A (zh) | 一种钢结构焊缝质量的检测方法 | |
CN116128877B (zh) | 一种基于温度检测的排汽回收智能监测系统 | |
CN109740569B (zh) | 基于编码器-解码器的手指静脉成像时残缺信息复原方法 | |
CN116823820A (zh) | 一种铝碳质整体塞棒轮廓弯曲检测方法 | |
CN115311288B (zh) | 一种汽车贴膜破损检测方法 | |
CN115578390A (zh) | 一种用于除氧器的焊接控制方法 | |
CN112560039B (zh) | 一种计算机安全防护方法 | |
CN111723808B (zh) | 一种基于最大值背景预测的红外弱目标提取方法 | |
CN110021016B (zh) | 一种钙化检测方法 | |
CN116385435B (zh) | 基于图像分割的制药胶囊计数方法 |
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 |