CN116612438A - 基于热成像的蒸汽锅炉燃烧状态实时监测系统 - Google Patents

Abstract

本发明涉及图像处理领域，具体涉及基于热成像的蒸汽锅炉燃烧状态实时监测系统，包括：图像数据采集模块，采集热成像温度图像；图像预处理模块，通过热成像温度图像得到温差图像；实时监测数据计算模块，根据热成像温度图像和温差图像中的像素点的坐标和样本像素点的温度值进行聚类分别得到两个图像的第一聚类结果；根据两个图像的第一聚类结果得到第一重要程度和第二重要程度；获取每个像素点的有效程度；然后再获取到有效温度变化数据；根据有效温度变化数据和温度变化量得到蒸汽锅炉燃烧状态实时监测数据；实时状态监测模块，对蒸汽锅炉的实时燃烧状态进行监测。本发明用图像处理方式得到每个像素点的加权值，以此来对蒸汽锅炉的温度监测。

Description

基于热成像的蒸汽锅炉燃烧状态实时监测系统

技术领域

本发明涉及图像数据处理技术领域，具体涉及基于热成像的蒸汽锅炉燃烧状态实时监测系统。

背景技术

通过热成像观测蒸汽锅炉燃烧状态可以用于判断蒸汽锅炉的燃烧效率，进而对于锅炉燃烧有重要意义；但是在通过热成像进行蒸汽锅炉燃烧状态监测时，如果只通过温度的最高值的变化无法准确判断蒸汽锅炉燃烧状态的异常，如果对整个热成像进行实时的蒸汽锅炉燃烧状态监测，则需要的计算量较大；其中在实现蒸汽锅炉燃烧状态监测时，现有可通过帧差法仅获取温度变化部分，以减少计算量，根据最大的温度变化量，用于判断蒸汽锅炉燃烧状态，而蒸汽锅炉燃烧时，其温度并非绝对的稳定一致，可能是相对稳定的状态，则仍会导致帧差的结果较大；进而本方案提出了一种基于热成像的蒸汽锅炉燃烧状态实时监测系统，通过对帧差图像进行分析，得到有效的温度变化量，根据有效的温度变化量，得到实际温度变化量。根据实际温度变化量，得到当前基于热成像的蒸汽锅炉燃烧状态实时监测结果。

发明内容

本发明提供基于热成像的蒸汽锅炉燃烧状态实时监测系统，以解决现有的问题。

本发明的基于热成像的蒸汽锅炉燃烧状态实时监测系统采用如下技术方案：

本发明一个实施例提供了基于热成像的蒸汽锅炉燃烧状态实时监测系统，该系统包括以下模块：

图像数据采集模块，通过热成像相机，采集得到连续时刻的蒸汽锅炉表面温度值对应的热成像温度图像；

图像预处理模块，将热成像温度图像中每个像素点在后一时刻与前一时刻的温度值差值记为每个像素点的温度变化量，所有像素点的温度变化量构成温差图像；

实时监测数据计算模块，根据热成像温度图像和温差图像中的像素点的坐标和像素点的温度值进行聚类分别得到热成像温度图像的第一聚类结果和温差图像的第一聚类结果；

根据热成像温度图像的第一聚类结果得到热成像温度图像中每个像素点的重要程度，记为第一重要程度；根据温差图像的第一聚类结果得到温差图像中每个像素点的重要程度，记为第二重要程度；根据每个像素点的第一重要程度和第二重要程度得到每个像素点的有效程度；

再根据像素点的有效程度进行聚类得到第二聚类结果，获取每个类别中有效程度均值，选择具有最大平均有效程度值的数第二聚类结果中的像素点对应的温度变化量作为有效温度变化数据；

根据有效温度变化数据和温度变化量得到蒸汽锅炉燃烧状态实时监测数据；

实时状态监测模块，根据蒸汽锅炉燃烧状态实时监测数据对蒸汽锅炉的实时燃烧状态进行监测。

进一步地，所述第一重要程度的具体获取方法为：

根据第一聚类结果的任意一个类中热成像温度图像中所有像素点的拟合得到一个二维高斯模型，根据热成像温度图像中每个类的像素点带入该类的二维高斯模型中得到每个像素点的重要程度，即第一重要程度。

进一步地，所述第二重要程度的具体获取方法为：

根据第一聚类结果的任意一个类中温差图像中所有像素点的拟合得到一个二维高斯模型，根据温差图像中每个类的像素点带入该类的二维高斯模型中得到每个像素点的重要程度，即第二重要程度。

进一步地，所述每个像素点的有效程度的具体获取方法为：

每个像素点的有效程度的公式为：

其中，表示为第m个像素点在热成像数据中对应的重要程度；/>表示第m个像素点在温差图像中对应的重要程度；max()表示最大值函数；/>表示第m个像素点的有效程度。

进一步地，所述蒸汽锅炉燃烧状态实时监测数据的具体获取方法为：

蒸汽锅炉燃烧状态实时监测数据的公式为：

式中，表示每个像素点的有效温度变化数据，/>表示为每个像素点的温度变化量，/>表示为每个像素点的实时监测数据。

本发明的技术方案的有益效果是：通过评估图像在原数据中与差值数据得到重要程度，根据重要程度得到有效的温度变化量，使得能够在帧差数据中找到有效的帧差数据，进而在有效的温度变化量中，得到实际有效温度变化量，用于蒸汽锅炉燃烧监测，降低了蒸汽锅炉燃烧监测时选择统计整个温度图数据。

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为本发明基于热成像的蒸汽锅炉燃烧状态实时监测系统的步骤流程图。

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基于热成像的蒸汽锅炉燃烧状态实时监测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

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基于热成像的蒸汽锅炉燃烧状态实时监测系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于热成像的蒸汽锅炉燃烧状态实时监测系统的步骤流程图，该系统包括以下模块：

模块101：图像数据采集模块。

通过固定红外热成像相机，采集得到当前蒸汽锅炉表面温度图像，其中红外成像相机固定在蒸汽锅炉表面要监测区域所对方向的位置。

进而通过热成像相机，采集得到连续时刻的蒸汽锅炉表面温度值对应的热成像温度图像，其中热成像相机与数据处理中心通过有线传输的方式连接。

需要说明的是热成像温度图像中每个像素点的灰度值反映温度的大小，本实施例中将像素点的灰度值作为温度值进行分析。

至此，图像采集工作完成。

模块102：图像预处理模块。

由于在上述模块中得到了连续时刻的温度图像，所以将相邻的后一时刻与前一时刻的温度图像相减得到温差图像，具体为将第t+1时刻的热成像的温度图与第t时刻的热成像的温度图进行做差，得到每一个像素点在两个时刻下的温度差值。进而得到当前连续帧下的热成像温差图像。

至此，得到温差图像，即图像预处理工作完成。

模块103：实时监测数据计算模块。

需要说明的是，在得到连续帧下的热成像温差图像后，常规方法会将具有差值变化的部分进行平均值求取，以获取连续两个时刻下的温度整体变化量，以实现蒸汽锅炉燃烧状态的监测。但是由于蒸汽锅炉在燃烧时，其内部稳定不可能保证稳定一致，即使是温度一致，也会存在变化，导致锅炉表面温度也存在一定变化，即不可直接使用该温度作为蒸汽锅炉燃烧状态的监测数据。

下面将通过帧差减少数据量的监测，实现实时的温度监测。因此本实施例获取在连续帧下的热成像温度差图像进行分析，将热成像温度差作为有效温度变化量，不仅进一步的减少了用于监测温度的变化数据，也实现温度变化量的监测。

每个像素点此刻与上一时刻的温差作为每个像素点的温度变化量。

需要说明的是，在得到连续帧下的热成像差值图像后，如果原本温度就比较低，则温度变化量即使再大，则没有了对其进行监测的意义，即监测有效性应当也下降。如果原本温度就比较高，则温度变化量即使再小，则对其进行监测仍然有意义，即监测有效性应当也比较大。

进一步需要说明的是，由于在上述分析中，当蒸汽炉本身温度不太高时，即使温度变化量再大，则进行温度监测时，其意义不大，因此采用dbscan算法，对热成像温度图像的像素点进行聚类，即对蒸汽炉的热成像温差图像进行聚类。将温差程度相近的像素点聚成一类，即温差较小的像素点聚成了一类，温差大的像素点也自然会聚成一类，将根据温差像素点聚成类之后，可以根据所需选取某一类别的温度差像素点进行分析。

具体地，进而利用dbscan算法，对第t时刻的热成像数据中每一个像素点对应的坐标值和温度值进行分类，为了减少分类计算量，本方案选择在热成像图像中，每间隔1个像素点进行采样，只保留采样点的坐标值和温度值，进而利用dbscan算法对采样点的坐标值和温度值进行分类，将坐标近似和温度值近似的分为一类，其中可以得到个类别，其中采样间隔可由实施者根据具体实施场景进行调整，本实施例选取采样间隔值为1。其中实施者根据具体实施选择采样间隔。

需要说明的是，在上述dbscan算法中将图像像素点进行了聚类，即根据每个类别中的温度数据和像素点所在的位置坐标得到每个类别对应的二维高斯模型，根据二维高斯模型可以得到每个像素点对应的高斯概率值，根据高斯概率值可以预估蒸汽锅炉燃烧温度，至此，可以根据预估值进行对实时监测温度进行分析。

具体地，获取第个类别的温度数据以及该类别中像素点所在的位置坐标，根据每个类别中像素点的位置坐标和温度值利用EM算法拟合出一个二维度高斯模型。需要说明的是，该二维度高斯模型需要乘以一个缩放系数进行缩放，保证二维度高斯模型最大值小于等于1，缩放系数为二维度高斯模型最大值的倒数，后续本实施例以进行缩放后的二维度高斯模型进行分析。

进而将每一个像素点代入所有类别对应的二维高斯模型中，得到多个高斯概率值，选择第m个像素点所具有多个高斯概率值中的最大值，表示当前第m个像素点在第t时刻的热成像数据中代表温度的中重要程度，其中/>的值越大，表示第m个像素点对应的温度值越接近越局部高温。

同理按照上述步骤，对第t时刻的热成像数据与第t+1时刻的热成像数据之间的热成像温差图像进行聚类和拟合高斯模型处理，求取第m个像素点对应。表示在热成像温差图像中，第m个像素点对应的温差的重要程度，/>的值越大，则第m个像素点对应的温差越接近越局部最高温度差值。

所以可以求得第m个像素点变化量的有效程度为：

其中，表示为第m个像素点在热成像数据中对应的重要程度，在第t时刻的热成像数据中接近局部高温程度值，其值越大，表示在第t时刻的热成像数据越接近局部高温，表示监测第m个像素点对应的温度值越有意义；/>表示第m个像素点在温差图像中对应的重要程度，在第t时刻的热成像数据与第t+1时刻的热成像数据之间的热成像温差图像中接近局部高温度差的程度值，其值越大，表示在第m个像素点对应的温度差值越接近局部高温度差值，表示监测第m个像素点对应的温度值越有意义，max()表示最大值函数。所以/>的值越大，则表示在蒸汽锅炉温度监控时，第m个像素点变化量越有价值和意义，即第m个像素点对应的有效程度越高。

需要说明的是，在得到第m个像素点变化量的有效程度之后，需要进行实际的温度变化量预估，以用于蒸汽锅炉燃烧状态实时温度的监测。其中计算实际温度变化量预估时，进而可选用具有较高有效程度值得温度数据进行温度变化量预估，以用于蒸汽锅炉燃烧状态实时温度的监测。

进一步需要说明的是，根据上述步骤得到每个像素点变化量的有效程度，通过使用k-means算法将具有较高平均有效程度值的数据类别筛选出来，目的是将具有较高平均有效程度的类别中的温度来作为实时监测温度，以此来进行类别的筛选。

具体地，其中在选用较高有效程度值的温度数据时，本实施例通过k-means算法，对所有像素点对应的有效程度值进行k-means聚类，选择具有最大平均有效程度值的数据类别，将该类别中的每个像素点对应的温度变化量作为该类别中每个像素点的有效温度变化数据，将该类别中所有像素点的有效温度变化数据进行线性归一化，归一化之后的结果记为每个像素点的有效温度变化数据P，将该类别之外的所有像素点的有效温度变化数据P均设置为0。

其中在利用k-means聚类时，需要预设一个聚类个数阈值K，本实施例以K=2为例进行叙述，本实施例不进行具体限定，其中K可根据具体实施情况而定。

需要说明的是，在上述得到的相邻时刻温度变化量，由于自身温度的情况有高温，也有低温，因此，温度变化量就不能够完全作为蒸汽锅炉燃烧状态的实时监测数据。此时，可以将上述得到的具有较高平均有效程度值的数据类别与温度变化量结合可以得出一个最终的实时监测数据，所以，可以将较高有效程度的有效温度变化数据作为权重与温度变化量得到最终需要的蒸汽锅炉燃烧的监测量。

具体地，其中在得到有效的温度变化数据后，本实施例选择所有有效温度变化数据作为权重，与温度变化量相乘后的数据，作为本实施例对蒸汽锅炉燃烧的监测量。进而完成当前基于热成像的蒸汽锅炉燃烧状态的实时监测。其中，温度变化量为此刻与上一时刻的温差，用表示。

此过程用公式表示为：

式中，表示每个像素点的有效温度变化数据，/>表示为每个像素点此刻与上一时刻的温差，即温度变化量，/>表示为每个像素点的实时监测数据。所有像素点的实时监测数据构成一张图像，记为实时监测图像，该图像表征了此刻与上一时刻的温差异，因此实时监测图像可以展示出每个时刻相比于上一个时刻的温度变化情况，有利于对蒸汽锅炉温度的可视化监测。

至此，得到蒸汽锅炉燃烧状态实时监测数据。

模块104：实时状态监测模块。

预设一个温度监测阈值为G，其中本实施例以G=230为例进行叙述，本实施例不进行具体限定，其中G可根据具体实施情况而定。

根据上述步骤得到的实时监测数据后，将得到的实时监测数据上传至云端，进行在终端显示，便于监测者对蒸汽锅炉燃烧状态实时的温度监测，当实时监测图像中出现大于温度监测阈值G时，认为蒸汽锅炉到达上限，此时，监测模块应该进行报警提示，方便知晓情况并且对其进行处理。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于热成像的蒸汽锅炉燃烧状态实时监测系统，其特征在于，该系统包括以下模块：

图像数据采集模块，通过热成像相机，采集得到连续时刻的蒸汽锅炉表面温度值对应的热成像温度图像；

图像预处理模块，将热成像温度图像中每个像素点在后一时刻与前一时刻的温度值差值记为每个像素点的温度变化量，所有像素点的温度变化量构成温差图像；

实时监测数据计算模块，根据热成像温度图像和温差图像中的像素点的坐标和像素点的温度值进行聚类分别得到热成像温度图像的第一聚类结果和温差图像的第一聚类结果；

根据热成像温度图像的第一聚类结果得到热成像温度图像中每个像素点的重要程度，记为第一重要程度；根据温差图像的第一聚类结果得到温差图像中每个像素点的重要程度，记为第二重要程度；根据每个像素点的第一重要程度和第二重要程度得到每个像素点的有效程度；

再根据像素点的有效程度进行聚类得到第二聚类结果，获取每个类别中有效程度均值，选择具有最大平均有效程度值的数第二聚类结果中的像素点对应的温度变化量作为有效温度变化数据；

根据有效温度变化数据和温度变化量得到蒸汽锅炉燃烧状态实时监测数据；

实时状态监测模块，根据蒸汽锅炉燃烧状态实时监测数据对蒸汽锅炉的实时燃烧状态进行监测。

2.根据权利要求1所述基于热成像的蒸汽锅炉燃烧状态实时监测系统，其特征在于，所述第一重要程度的具体获取方法为：

根据第一聚类结果的任意一个类中热成像温度图像中所有像素点的拟合得到一个二维高斯模型，根据热成像温度图像中每个类的像素点带入该类的二维高斯模型中得到每个像素点的重要程度，即第一重要程度。

3.根据权利要求1所述基于热成像的蒸汽锅炉燃烧状态实时监测系统，其特征在于，所述第二重要程度的具体获取方法为：

根据第一聚类结果的任意一个类中温差图像中所有像素点的拟合得到一个二维高斯模型，根据温差图像中每个类的像素点带入该类的二维高斯模型中得到每个像素点的重要程度，即第二重要程度。

4.根据权利要求1所述基于热成像的蒸汽锅炉燃烧状态实时监测系统，其特征在于，所述每个像素点的有效程度的具体获取方法为：

每个像素点的有效程度的公式为：

其中，表示为第m个像素点在热成像数据中对应的重要程度；/>表示第m个像素点在温差图像中对应的重要程度；max()表示最大值函数；/>表示第m个像素点的有效程度。

5.根据权利要求1所述基于热成像的蒸汽锅炉燃烧状态实时监测系统，其特征在于，所述蒸汽锅炉燃烧状态实时监测数据的具体获取方法为：

蒸汽锅炉燃烧状态实时监测数据的公式为：

式中，表示每个像素点的有效温度变化数据，/>表示为每个像素点的温度变化量，/>表示为每个像素点的实时监测数据。