CN117451175A - 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 - Google Patents
一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 Download PDFInfo
- Publication number
- CN117451175A CN117451175A CN202311201006.0A CN202311201006A CN117451175A CN 117451175 A CN117451175 A CN 117451175A CN 202311201006 A CN202311201006 A CN 202311201006A CN 117451175 A CN117451175 A CN 117451175A
- Authority
- CN
- China
- Prior art keywords
- flame
- image
- module
- focal plane
- ultraviolet
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 15
- 238000002485 combustion reaction Methods 0.000 claims description 11
- 239000002131 composite material Substances 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 7
- 238000000576 coating method Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 229910052754 neon Inorganic materials 0.000 claims description 3
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 239000000446 fuel Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000002817 coal dust Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
- G01J1/4228—Photometry, e.g. photographic exposure meter using electric radiation detectors arrangements with two or more detectors, e.g. for sensitivity compensation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
- G01J1/429—Photometry, e.g. photographic exposure meter using electric radiation detectors applied to measurement of ultraviolet light
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提供一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法,采用“多探测器模块+嵌入式计算机平台”的设计方法,探测器支持紫外/CCD/红外模块电路,通过嵌入式ARM CPU接入图像信号,信号预处理部分包括均匀性处理、盲元检测与补偿等,采用基于分布式三核心的纯C语言代码来处理来完成,火焰检测行为则采用五核心C/C++嵌入式软件平台来完成。与传统点式紫外/红外/可见光相比,监测范围更大,可以同时监视多个烧嘴火焰状态,还可以有效减少误判;与传统的CCD图像火焰监测系统相比,结构更简单,由于多了紫外波段焦平面和近红外焦平面,可以减少自然光或炉子墙壁反射的波长等干扰。
Description
技术领域
本发明涉及工业炉火焰在线检测技术领域,尤其涉及一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法。
背景技术
燃烧火焰具有各种特性,如:发热程度、电离状态、火焰不同部位的辐射、光谱及火焰的脉动现象、差压、音响等,均可用来检测火焰的“有”或“无”;所有的燃料燃烧都会辐射一定量的紫外线和大量的红外线,且光谱范围涉及红外线、可见光及紫外线;因此,整个光谱范围都可以用来检测火焰的“有”或者“无”。
最早的火焰检测器出现在上世纪50年代,60年代国外首先研制出了紫外线火焰检测器,70年代开始,国外陆续出现了检测火焰燃烧时释放红外线和可见光的火焰检测器,80年代又出现了基于图像、视频的锅炉燃烧监控装置,后来又有了组合探头(红外线、紫外线)的火焰检测器。发展至今,火焰检测器的检测辨别能力越来越强,检测也不断趋于智能化。目前还有采用电荷耦合元件(Charge coupled Device,CCD)结合图像处理与识别的方式来监测工业炉烧嘴火焰的。
但是,上述这些火焰检测设备或装置均具有相应的缺陷,传统点式紫外/红外/可见光火焰检测器监测范围较小,应用于工业炉火焰检测中时,只能监测单个烧嘴火焰状态,而且由于监测到烧嘴火焰可能会有重叠干扰,因此会出现较多误报的情况;传统CCD图像火焰监测方式,现场干扰比较大,自然光或炉子墙壁反射的波长均会对监测结果产生干扰,很容易误判,并将误判动作传送到燃料安全系统(Fuel Safety System,FSS),从而导致现场安全问题。
为了解决上述这些技术问题,确保FSSS不误动,本发明设计了一种支持紫外焦平面、近红外焦平面、可见光焦平面为一体的精密智能相机及其火焰图像检测方法。
发明内容
针对现有技术中存在的不足,本发明提供了一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法,解决了传统火焰检测设备和检测方法存在的监测范围小、干扰大、容易误判等问题。
本发明是通过以下技术手段实现上述技术目的的。
一种基于软件定义的同视场三波长火焰图像检测精密智能相机,包括安装在机械外壳前端的宽频工业镜头,还包括集成安装在机械外壳内部的图像传感器模块、分光棱镜、硬件平台,图像传感器模块由紫外焦平面探测器模块、近红外焦平面探测器模块、可见光焦平面探测器模块共同组成,宽频工业镜头覆盖紫外波段、可见光波段和近红外波段;硬件平台包含基于核心板的嵌入式软件系统,用于进行后续数据处理、火焰图像检测。
进一步地,所述紫外焦平面探测器模块采用紫外增强镀膜工艺,吸收UVC波长频段范围的光,紫外焦平面探测器模块引脚焊接在电路板上,通过排线引接到硬件平台的信号引接板上。
进一步地,所述近红外焦平面探测器模块采用近红外镀膜工艺,获得近红外波长的光,近红外焦平面探测器模块的引脚焊接在电路板上,通过排线引接到硬件平台的信号引接板上。
进一步地,所述可见光焦平面探测器模块引脚焊接在电路板上,通过软排线引接到硬件平台的信号引接板上;可见光焦平面探测器模块起到获取可见光频段的视频信号的作用,一方面可以输出视频监控给用户,确保用户能够查看到火焰的燃烧状态,另外一方面将信号传递给相应的处理系统,进行后续处理,利用图像分析火焰的频率、轮廓、色彩和亮度等,判断火焰情况。
进一步地,所述光棱镜采用一分三的棱镜方式,且棱镜还镀上有高精度滤光膜。
进一步地,所述硬件平台包括ARM强算力板,ARM强算力板包括信号引接板、核心板、尾板;核心板支持八个相机接口和八核芯片,其采用4核Cortex-A76和4核Cortex-A55的典型大小核架构,大核主频2.4GHz,小核主频1.8GHz,具有单独的NEON协处理器,支持8K视频编解码,集成4800万像素图像信号处理器,实现包括HDR、3A、LSC、3DNR、2DNR、锐化、dehaze、鱼眼校正、伽马校正的算法加速器;信号引接板用于引接紫外焦平面、近红外焦平面和可见光焦平面信号,每一款焦平面信号由一路软件平台模块处理常规信号,三路分别由三核心来完成处理;尾板用于接出网口和电源接口。
进一步地,所述嵌入式软件系统包括嵌入式软件框架、紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块、软件流程定义模块、深度学习神经网络模块、复合决策模块、输出信号模块;
嵌入式软件框架包括事件服务、日志服务、数据管理和界面处理框架,用于实现嵌入式软件模块之间通信与集成;紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块分别用于实现对紫外焦平面探测器模块、近红外焦平面探测器模块、可见光焦平面探测器模块采集数据的均匀性矫正、盲元检测与补偿;软件流程定义模块用于实现三个信号模块的接入与信号配置;深度学习神经网络模块用于实现对火焰信号特征的训练学习;复合决策模块用于实现三路信号复合决策;输出信号模块用于输出复合决策结果;紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块调用核心板中的图像信号处理系统进行图像增强处理,并且开发均匀性矫正、盲元检测模块。
一种利用上述基于软件定义的同视场三波长火焰图像检测精密智能相机的火焰图像检测方法,包括如下过程:
步骤1:将智能相机通过机械结构件安装在观察孔处,将宽频工业镜头对准烧嘴火焰,然后通过硬件平台的尾板接通电源,智能相机开始工作;
步骤2:图像传感器模块分别检测火焰紫外辐射、火焰近红外辐射光、火焰可见光数据并传递至核心板,最终由嵌入式软件系统的TWID算法模块基于图像检测和识别算法对采集到的数据进行学习处理:首先,核心板获取三类视频图像,嵌入式软件系统显示各类视频图像,然后在视野范围内,针对紫外、近红外和可见光三类图像,框选各个图像中的烧嘴火焰,然后依据现场设置,利用TWID算法进行判别处理,即进行火焰图像检测;
步骤3:由输出信号模块将经过步骤2判别处理后的结果由网口输出到FSS系统,最终供相关人员查看。
进一步地,所述利用TWID算法进行判别处理的具体过程如下:
S1:采集框选区域内图像,设置阀值并进行图像二值化处理,获得t时间的黑白图像灰度矩阵f(xt),然后计算f(xt)对应的黑白图像中的白色区域的总灰度数At,作为第一判别因素;
S2:计算差分矩阵f(xt)-f(xt-1),f(xt)表示t时间的黑白图像灰度矩阵,然后计算差分矩阵f(xt)-f(t-1)对应的黑白图像中的白色区域的总灰度数Bt,作为第二判别因素;
S3:计算t时间火焰的跳动次数Ct,将其作为第三判别因素;
S4:基于三种判别因素进行火焰图像判别,判别公式如下:
Des(α,β,γ)=α∩β∩γ
α:(A≤a)∩(B≤b)∩(C≤c)
β:(A≤a)∩(B≤b)∩(C≤c)
γ:(A≤a)∩(B≤b)∩(C≤c)
其中,a、b、c均为设定值;A、B、C分别为黑白图像灰度矩阵对应的黑白图像中的白色区域的总灰度数、差分矩阵对应的黑白图像中的白色区域的总灰度数、火焰的跳动次数;α、β、γ分别紫外视频图像判别结果、近红外视频图像判别结果、可见光视频图像判别结果判断结果;
判别公式的判别原理为:首先,针对某一时刻下智能相机获取到的三类视频图像,只有当该时刻下每一类视频图像对应的A、B、C三个判别因素都分别满足A≤a、B≤b、C≤c条件,则表明烧嘴火焰情况初步判别为熄灭,则输出该时刻下对应的三类判别结果α、β、γ;然后再结合这三类判别结果进一步判别火焰图像:只有当该时刻下三类判别结果α、β、γ都相同,才表明烧嘴火焰情况最终判别为熄灭;
当三个判别因素中存在不满足条件的情况,则输出报警日志,但不输出结果到FSS系统;
当三类判别结果存在不完全相同的情况,则输出报警日志,但不输出结果到FSS系统。
进一步地,所述第三判别因素的获取原理为:智能相机在一秒内采集到多幅火焰图像数据,分别计算这些火焰图像经过二值化处理后的获得的黑白图像中的白色区域总灰度数,然后选取其中一幅图像作为基准图像,将其余图像的白色区域总灰度数与基准图像的白色区域总灰度数进行对比,通过白色区域总灰度数差值大小来判断火焰是否有跳动,并计算火焰跳动次数。
本发明具有如下有益效果:
本发明基于三波长的焦平面+嵌入式计算机平台集成技术,将三波长焦平面探测器集成到一个高性能主板上,基于软件处理方式接入探测器信号处理以及CPU芯片自带的图像增强处理算法,结构小巧、性能高效,研制火焰独特TWID算法,算法新颖、简单、高效和鲁棒,减少误判可能性;本发明与传统点式紫外/红外/可见光相比,监测范围更大,可以同时监视多个烧嘴火焰状态,而传统的点式只能监测单个烧嘴火焰状态,另外本发明采用了多个波长的焦平面,可以有效减少误判,从而解决传统点式紫外/红外/可见光监测中由于监测到烧嘴火焰可能会有重叠干扰导致的出现较多误报情况的问题;本发明与传统的CCD图像火焰监测系统相比,结构更简单,算法多因子联合判断更稳定,由于多了紫外波段焦平面和近红外焦平面,可以减少自然光或炉子墙壁反射的波长等干扰带来的误动作。
附图说明
图1为本发明所述基于软件定义的同视场三波长火焰图像检测精密智能相机内部结构示意图;
图2为本发明所述基于软件定义的同视场三波长火焰图像检测精密智能相机外壳结构示意图
图3为本发明所述分光棱镜示意图;
图4为本发明所述嵌入式软件系统组成示意图。
图中:1-宽频工业镜头;2-图像传感器模块;3-硬件平台;4-分光棱镜;5-机械外壳;
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1、2所示,本发明所述的一种基于软件定义的同视场三波长火焰图像检测精密智能相机,包括宽频工业镜头1、图像传感器模块2(紫外/近红外/可见光焦平面)、分光棱镜4、硬件平台3、机械外壳5;图像传感器模块2(紫外/近红外/可见光焦平面)、分光棱镜4、硬件平台3均包裹在机械外壳5中,硬件平台3包含基于核心板的嵌入式软件系统,用于进行后续数据处理、火焰图像检测。
宽频工业镜头1覆盖紫外波段、可见光波段和近红外波段。
图像传感器模块2由紫外/近红外/可见光焦平面探测器模块共同组成。
紫外焦平面探测器模块采用紫外增强镀膜工艺,吸收UVC波长(Ultraviolet C,短波紫外线)频段(200nm~280nm)范围的光,这个频段太阳光中无UVC波长的光,工业炉烧嘴燃烧会发出一些量的紫外光,采用该频段可以有效地屏蔽一些干扰,减少FSS误判;紫外焦平面探测器模块引脚焊接在电路板上,通过排线引接到硬件平台3的信号引接板上。
近红外焦平面探测器模块采用近红外镀膜工艺,获得近红外(760~1.1um)波长的光,锅炉烧嘴燃烧会发出一些量的近红外光,采用该频段可以有效地屏蔽一些光,近红外焦平面探测器模块的引脚焊接在电路板上,通过排线引接到硬件平台3的信号引接板上。火焰中存在大量的0.9nm以上的红外线,这些波长的光线不易被煤尘、水蒸汽和其它燃烧产物吸收,因此适合于检测煤粉火焰、重油火焰和惰性气体含量较大的燃料燃烧情况,红外线火检是通过检测燃烧火焰放射的红外线强度和火焰频率来判断火焰是否存在,由于炉膛完全燃烧着火区火焰闪烁频率通过不超过2HZ,因此利用近红外焦平面探测器模块能够区分燃烧器火焰和背景火焰。
可见光焦平面探测器模块(CCD)引脚焊接在电路板上,通过软排线引接到硬件平台3的信号引接板上;CCD主要起到获取可见光频段的视频信号的作用,一方面可以输出视频监控给用户,确保用户能够查看到火焰的燃烧状态,另外一方面将信号传递给相应的处理系统,进行后续处理,利用图像分析火焰的频率、轮廓、色彩和亮度等,判断火焰情况。
如图3所示,光棱镜4采用一分三的棱镜方式,且棱镜还镀上有高精度滤光膜。
硬件平台3包括ARM强算力板(包括信号引接板、核心板、尾板);核心板采用瑞芯微的芯片,可以支持八个相机接口和八核芯片,其采用4核Cortex-A76和4核Cortex-A55的典型大小核架构,大核主频2.4GHz,小核主频1.8GHz,具有单独的NEON协处理器,支持8K视频编解码,充分考虑了性能和功耗的平衡,集成新一代完全基于硬件的最大4800万像素ISP(图像信号处理器),实现了许多算法加速器,如HDR、3A、LSC、3DNR、2DNR、锐化、dehaze、鱼眼校正、伽马校正等。信号引接板能够引接紫外焦平面、近红外焦平面和可见光焦平面信号,每一款焦平面信号由一路软件平台模块处理常规信号,三路分别由三核心来完成处理;尾板主要接出网口和电源接口。
如图4所示,嵌入式软件系统包括包括嵌入式软件框架、紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块、软件流程定义模块、三色图像决策(ThreeWave image decision,TWID)算法模块、输出信号模块。
嵌入式软件框架包括事件服务、日志服务、数据管理和界面处理框架,用于实现嵌入式软件模块之间通信与集成;紫外图像信号处理模块用于实现对紫外焦平面探测器模块采集数据的均匀性矫正、盲元检测与补偿;近红外图像信号处理模块用于实现对近红外焦平面探测器模块采集数据的均匀性矫正、盲元检测与补偿;CCD信号处理模块用于实现对可见光焦平面探测器模块采集数据的均匀性矫正、盲元检测与补偿;
软件流程定义模块用于实现三个信号模块的接入与信号配置;TWID算法模块用于实现对火焰信号特征的训练学习、实现三路信号复合决策;输出信号模块用于输出复合决策结果。
紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块调用核心板中的图像信号处理系统(Image Signal Processing,ISP)进行图像增强处理,并且开发均匀性矫正、盲元检测模块。
软件开发流程具体如下:
步骤1:开发嵌入式软件框架,软件框架提供调度总联各个软件模块,包括事件模块、日志模块、数据管理模块、界面框架模块,软件框架采用QT纯C语言开发,进一步提高代码效率,线程之间通信通过事件模块进行通信;
步骤S2:开发三波段探测器信号处理模块,信号处理模块包括均匀性矫正模块、盲元检测和补偿模块、图像增强模块,以独立线程方式处理;
步骤S3:软件框架定义探测器类型、引接的探测器数量,并进行功能配置;
步骤S4:软件框架配置软件模块处理流程并进行调度;
步骤S5:开发火焰图像检测和决策模块,调用TWID算法,学习三波段火焰的特征,并进行目标检测与识别决策。
利用上述基于软件定义的同视场三波长火焰图像检测精密智能相机进行火焰检测的方法,包括如下过程:
步骤1:将智能相机通过机械结构件安装在观察孔处,将宽频工业镜头1对准烧嘴火焰,然后通过硬件平台3的尾板接通电源,智能相机开始工作;
步骤2:图像传感器模块2分别检测火焰紫外辐射、火焰近红外辐射光、火焰可见光数据并传递至核心板,最终由嵌入式软件系统的TWID算法模块基于图像检测和识别算法对采集到的数据进行学习处理,具体过程如下:
首先,高性能核心板获取三色视频图像(即三类视频图像),嵌入式软件系统显示各类视频图像,然后,在视野范围内,针对紫外、近红外和可见光三类图像,框选各个图像中的烧嘴火焰,然后依据现场设置,可能有多个火焰,利用自行开发的TWID算法进行火焰图像检测,具体过程如下:
S1:采集框选区域内图像,设置阀值并进行图像二值化处理,获得t时间的黑白图像灰度矩阵f(xt),然后计算f(xt)对应的黑白图像中的白色区域的总灰度数At,作为第一判别因素;
S2:计算差分矩阵f(xt)-f(xt-1),f(xt)表示t时间的黑白图像灰度矩阵,然后计算差分矩阵f(xt)-f(xt-1)对应的黑白图像中的白色区域的总灰度数Bt,作为第二判别因素;
S3:计算t时间火焰的跳动次数Ct,将其作为第三判别因素;其中,火焰的跳动次数获取原理是:智能相机在一秒内能够采集到多幅火焰图像数据,分别计算这些火焰图像经过二值化处理后的获得的黑白图像中的白色区域总灰度数,然后选取其中一幅图像作为基准图像,将其余图像的白色区域总灰度数与基准图像的白色区域总灰度数进行对比,通过白色区域总灰度数差值大小来判断火焰是否有跳动,并计算火焰跳动次数;
S4:基于三种判别因素进行火焰图像判别,判别公式如下:
Des(α,β,γ)=α∩β∩γ
α:(A≤a)∩(B≤b)∩(C≤c)
β:(A≤a)∩(B≤b)∩(C≤c)
γ:(A≤a)∩(B≤b)∩(C≤c)
其中,a、b、c均为设定值;A、B、C分别为黑白图像灰度矩阵对应的黑白图像中的白色区域的总灰度数、差分矩阵对应的黑白图像中的白色区域的总灰度数、火焰的跳动次数;α、β、γ分别紫外视频图像判别结果、近红外视频图像判别结果、可见光视频图像判别结果判断结果;
上述判别公式的判别原理为:首先,针对某一时刻下智能相机获取到的三类视频图像,只有当该时刻下每一类视频图像对应的A、B、C三个判别因素都分别满足A≤a、B≤b、C≤c条件,则表明烧嘴火焰情况初步判别为熄灭,则输出该时刻下对应的三类判别结果α、β、γ;然后再结合这三类判别结果进一步判别火焰图像:只有当该时刻下三类判别结果α、β、γ都相同,才表明烧嘴火焰情况最终判别为熄灭;
当三个判别因素中存在不满足条件的情况,则输出报警日志(现场工作人员查看情况),但不输出结果到FSS系统;
当三类判别结果存在不完全相同的情况,则输出报警日志(现场工作人员查看情况),但不输出结果到FSS系统。
步骤3:由输出信号模块将经过步骤2判别处理后的结果由网口输出到FSS系统,最终供相关人员查看,保证当遇到烧嘴火焰不正常的情况能够及时采取相应措施。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.一种基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,包括安装在机械外壳(5)前端的宽频工业镜头(1),还包括集成安装在机械外壳(5)内部的图像传感器模块(2)、分光棱镜(4)、硬件平台(3),图像传感器模块(2)由紫外焦平面探测器模块、近红外焦平面探测器模块、可见光焦平面探测器模块共同组成,宽频工业镜头(1)覆盖紫外波段、可见光波段和近红外波段;硬件平台(3)包含基于核心板的嵌入式软件系统,用于进行后续数据处理、火焰图像检测。
2.根据权利要求1所述的基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,所述紫外焦平面探测器模块采用紫外增强镀膜工艺,吸收UVC波长频段范围的光,紫外焦平面探测器模块引脚焊接在电路板上,通过排线引接到硬件平台(3)的信号引接板上。
3.根据权利要求2所述的基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,所述近红外焦平面探测器模块采用近红外镀膜工艺,获得近红外波长的光,近红外焦平面探测器模块的引脚焊接在电路板上,通过排线引接到硬件平台(3)的信号引接板上。
4.根据权利要求3所述的基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,所述可见光焦平面探测器模块引脚焊接在电路板上,通过软排线引接到硬件平台(3)的信号引接板上;可见光焦平面探测器模块起到获取可见光频段的视频信号的作用,一方面可以输出视频监控给用户,确保用户能够查看到火焰的燃烧状态,另外一方面将信号传递给相应的处理系统,进行后续处理,利用图像分析火焰的频率、轮廓、色彩和亮度等,判断火焰情况。
5.根据权利要求4所述的基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,所述光棱镜(4)采用一分三的棱镜方式,且棱镜还镀上有高精度滤光膜。
6.根据权利要求5所述的基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,所述硬件平台(3)包括ARM强算力板,ARM强算力板包括信号引接板、核心板、尾板;核心板支持八个相机接口和八核芯片,其采用4核Cortex-A76和4核Cortex-A55的典型大小核架构,大核主频2.4GHz,小核主频1.8GHz,具有单独的NEON协处理器,支持8K视频编解码,集成4800万像素图像信号处理器,实现包括HDR、3A、LSC、3DNR、2DNR、锐化、dehaze、鱼眼校正、伽马校正的算法加速器;信号引接板用于引接紫外焦平面、近红外焦平面和可见光焦平面信号,每一款焦平面信号由一路软件平台模块处理常规信号,三路分别由三核心来完成处理;尾板用于接出网口和电源接口。
7.根据权利要求6所述的基于软件定义的同视场三波长火焰图像检测精密智能相机,其特征在于,所述嵌入式软件系统包括嵌入式软件框架、紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块、软件流程定义模块、深度学习神经网络模块、复合决策模块、输出信号模块;
嵌入式软件框架包括事件服务、日志服务、数据管理和界面处理框架,用于实现嵌入式软件模块之间通信与集成;紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块分别用于实现对紫外焦平面探测器模块、近红外焦平面探测器模块、可见光焦平面探测器模块采集数据的均匀性矫正、盲元检测与补偿;软件流程定义模块用于实现三个信号模块的接入与信号配置;深度学习神经网络模块用于实现对火焰信号特征的训练学习;复合决策模块用于实现三路信号复合决策;输出信号模块用于输出复合决策结果;紫外图像信号处理模块、近红外图像信号处理模块、CCD信号处理模块调用核心板中的图像信号处理系统进行图像增强处理,并且开发均匀性矫正、盲元检测模块。
8.一种利用权利要求7所述基于软件定义的同视场三波长火焰图像检测精密智能相机的火焰图像检测方法,其特征在于,包括如下过程:
步骤1:将智能相机通过机械结构件安装在观察孔处,将宽频工业镜头(1)对准烧嘴火焰,然后通过硬件平台(3)的尾板接通电源,智能相机开始工作;
步骤2:图像传感器模块(2)分别检测火焰紫外辐射、火焰近红外辐射光、火焰可见光数据并传递至核心板,最终由嵌入式软件系统的TWID算法模块基于图像检测和识别算法对采集到的数据进行学习处理:首先,核心板获取三类视频图像,嵌入式软件系统显示各类视频图像,然后在视野范围内,针对紫外、近红外和可见光三类图像,框选各个图像中的烧嘴火焰,然后依据现场设置,利用TWID算法进行判别处理,即进行火焰图像检测;
步骤3:由输出信号模块将经过步骤2判别处理后的结果由网口输出到FSS系统,最终供相关人员查看。
9.根据权利要求8所述的火焰图像检测方法,其特征1320在于,所述利用TWID算法进行判别处理的具体过程如下:
S1:采集框选区域内图像,设置阀值并进行图像二值化处理,获得t时间的黑白图像灰度矩阵f(xt),然后计算f(xt)对应的黑白图像中的白色区域的总灰度数At,作为第一判别因素;
S2:计算差分矩阵f(xt)-f(xt-1),f(xt)表示t时间的黑白图像灰度矩阵,然后计算差分矩阵f(xt)-f(xt-1)对应的黑白图像中的白色区域的总灰度数Bt,作为第二判别因素;
S3:计算t时间火焰的跳动次数Ct,将其作为第三判别因素;
S4:基于三种判别因素进行火焰图像判别,判别公式如下:
Des(α,β,γ)=α∩β∩γ
α:(A≤a)∩(B≤b)∩(C≤c)
β:(A≤a)∩(B≤b)∩(C≤c)
γ:(A≤a)∩(B≤b)∩(C≤c)
其中,a、b、c均为设定值;A、B、C分别为黑白图像灰度矩阵对应的黑白图像中的白色区域的总灰度数、差分矩阵对应的黑白图像中的白色区域的总灰度数、火焰的跳动次数;α、β、γ分别紫外视频图像判别结果、近红外视频图像判别结果、可见光视频图像判别结果判断结果;
火焰图像判别的判别原理为:
首先,针对某一时刻下智能相机获取到的三类视频图像,只有当该时刻下每一类视频图像对应的A、B、C三个判别因素都分别满足A≤a、B≤b、C≤c条件,则表明烧嘴火焰情况初步判别为熄灭,则输出该时刻下对应的三类判别结果α、β、γ;然后再结合这三类判别结果进一步判别火焰图像:只有当该时刻下三类判别结果α、β、γ都相同,才表明烧嘴火焰情况最终判别为熄灭;
当三个判别因素中存在不满足条件的情况,则输出报警日志,但不输出结果到FSS系统;
当三类判别结果存在不完全相同的情况,则输出报警日志,但不输出结果到FSS系统。
10.根据权利要求9所述的火焰图像检测方法,其特征在于,所述第三判别因素的获取原理为:智能相机在一秒内采集到多幅火焰图像数据,分别计算这些火焰图像经过二值化处理后的获得的黑白图像中的白色区域总灰度数,然后选取其中一幅图像作为基准图像,将其余图像的白色区域总灰度数与基准图像的白色区域总灰度数进行对比,通过白色区域总灰度数差值大小来判断火焰是否有跳动,并计算火焰跳动次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311201006.0A CN117451175A (zh) | 2023-09-18 | 2023-09-18 | 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311201006.0A CN117451175A (zh) | 2023-09-18 | 2023-09-18 | 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117451175A true CN117451175A (zh) | 2024-01-26 |
Family
ID=89595564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311201006.0A Pending CN117451175A (zh) | 2023-09-18 | 2023-09-18 | 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117451175A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1089741A (zh) * | 1993-11-05 | 1994-07-20 | 中国科学技术大学 | 图像识别火灾监测报警装置 |
WO2008034266A1 (en) * | 2006-09-19 | 2008-03-27 | Abb Research Ltd | Flame detector for monitoring a flame during a combustion process |
KR101227598B1 (ko) * | 2011-09-19 | 2013-01-29 | 박석진 | 버너 화염 모니터링 시스템 |
KR20140109671A (ko) * | 2013-03-06 | 2014-09-16 | 대구대학교 산학협력단 | 카메라의 명암 영상신호를 이용한 화염 검출방법 |
CN106897540A (zh) * | 2017-03-28 | 2017-06-27 | 中国华能集团清洁能源技术研究院有限公司 | 一种锅炉燃烧器燃烧状态在线监测及优化调整方法 |
CN107123227A (zh) * | 2017-07-06 | 2017-09-01 | 合肥科大立安安全技术股份有限公司 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
-
2023
- 2023-09-18 CN CN202311201006.0A patent/CN117451175A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1089741A (zh) * | 1993-11-05 | 1994-07-20 | 中国科学技术大学 | 图像识别火灾监测报警装置 |
WO2008034266A1 (en) * | 2006-09-19 | 2008-03-27 | Abb Research Ltd | Flame detector for monitoring a flame during a combustion process |
CN101512227A (zh) * | 2006-09-19 | 2009-08-19 | Abb研究有限公司 | 用于在燃烧过程中监视火焰的火焰检测器 |
KR101227598B1 (ko) * | 2011-09-19 | 2013-01-29 | 박석진 | 버너 화염 모니터링 시스템 |
KR20140109671A (ko) * | 2013-03-06 | 2014-09-16 | 대구대학교 산학협력단 | 카메라의 명암 영상신호를 이용한 화염 검출방법 |
CN106897540A (zh) * | 2017-03-28 | 2017-06-27 | 中国华能集团清洁能源技术研究院有限公司 | 一种锅炉燃烧器燃烧状态在线监测及优化调整方法 |
CN107123227A (zh) * | 2017-07-06 | 2017-09-01 | 合肥科大立安安全技术股份有限公司 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11326955B2 (en) | Intelligent flame thermogram detection apparatus and method using infrared | |
CN110324611B (zh) | 一种摄像模组检测系统及检测方法 | |
TW201224823A (en) | A method for combustion flames diagnosis | |
CN108737815B (zh) | 一种图像传感器的质量检测方法及系统 | |
CN111354152A (zh) | 一种火焰检测与定位系统 | |
CN108010254A (zh) | 一种基于四波段红外火焰探测器及其火焰识别算法 | |
CN108063926A (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN108063934A (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN117451175A (zh) | 一种基于软件定义的同视场三波长火焰图像检测精密智能相机及火焰图像检测方法 | |
CN108156434B (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN106203407A (zh) | 一种具有抗环境光干扰三角棱镜及指纹采集设备 | |
CN113449685A (zh) | 光学指纹识别装置、光学指纹识别方法以及电子设备 | |
CN110926762B (zh) | 一种紫外成像仪带外抑制能力的检测系统及方法 | |
CN109040729A (zh) | 图像白平衡校正方法、装置、存储介质及终端 | |
CN116320387B (zh) | 摄像头模组检测系统及检测方法 | |
CN107959842B (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN110060241B (zh) | 一种基于视频图像和闪烁频率的火焰检测方法 | |
CN116297478A (zh) | 光伏玻璃的镀膜缺陷检测方法、装置及系统 | |
CN110517439A (zh) | 一种高灵敏度烟雾报警器、系统及方法 | |
JP2007212364A (ja) | 表面異常判定方法および装置 | |
JP3217014B2 (ja) | 炎感知器 | |
JP2000215364A (ja) | 炎検出装置 | |
CN108761436A (zh) | 一种火焰视觉测距装置及方法 | |
CN106817471A (zh) | 一种基于移动终端光敏传感器的检测方法及系统 | |
CN211557362U (zh) | 一种可自适应图像场景的前端图像的采集装置 |
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 |