TWI763055B - 智能型煙囪排氣或排放煙霧警示方法 - Google Patents
智能型煙囪排氣或排放煙霧警示方法 Download PDFInfo
- Publication number
- TWI763055B TWI763055B TW109133365A TW109133365A TWI763055B TW I763055 B TWI763055 B TW I763055B TW 109133365 A TW109133365 A TW 109133365A TW 109133365 A TW109133365 A TW 109133365A TW I763055 B TWI763055 B TW I763055B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- chimney
- smoke
- data
- opencv
- Prior art date
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本發明係為一種智能型煙囪排氣或排放煙霧警示方法,包含有啟動智能影像模組(OpenCV Start)之步驟、導入煙囪逐時排放影像資料之步驟、影像事件偵測之步驟、影像特徵分析之步驟、擷取影像輪廓之步驟、傅立葉影像處理之步驟、擷取影像施行條件判斷之步驟、使用光學文字辨識擷取影像顯示時間之步驟、導入固定污染源空氣污染物連續自動監測設施相關排放數據之步驟、決策判別煙霧類別與資料數據化之步驟;藉此,俾提供一種可辨識、分析煙囪排放煙霧為水氣或污染,以達警示效果,並可存取相關檔案以供後續使用之智能型煙囪排氣或排放煙霧警示方法。
Description
本發明係為一種智能型煙囪排氣或排放煙霧警示方法,特別是一種可辨識、分析煙囪排氣或排放煙霧為水氣或污染,並可存取相關檔案以供後續使用之智能型煙囪排氣或排放煙霧警示方法。
由於高雄都會區為結合商業及工業發展的城市,且為因應政府的工業建設發展,在都會區邊緣建設有許多煉油、石化、鋼鐵、火力發電廠、…等重工業工廠,並利用許多運輸工具用以運送貨物至港口、機場或外縣市。而該些工廠所排放之廢氣具有污染源,再加上河床及裸露地表及營建施工揚塵,以及交通工具所產生的移動污染源(如:汽機車、船舶、飛機、…等),同時受季節大氣流動特性及地理環境影響,以及夾雜境外污染,造成高雄都會區及鄰近區域的空氣品質不佳。
而因煉油、石化工廠及火力發電廠所排放的廢氣中含有氮化物及碳氫化合物,在經紫外線照射後會發生光化學反應形成光化學煙霧,而會產生霾害、酸雨;且因光化學煙霧含有懸浮微粒與臭氧,臭氧容易與大氣中的有機物質相互反應而衍生出有毒物質(如:醛、酮類化合物),而形成有害空氣污染,致使該空氣污染地區的人員容易氣喘、呼吸不順暢、流淚、過敏、…等症狀,而懸浮微粒PM 2.5則會進入人體並停留於肺泡中,影響人體之呼吸系統、
心血管以及神經系統,且該細懸浮微粒在進入肺泡時,其所附著之有害氣體、重金屬會溶解在血液中,而對人體健康有嚴重之危害。
而如何對該些工廠排放之煙霧進行監測,並依據氣象數據判別煙霧種類,以達污染警示效果,並達到煙霧及氣象條件影響下之空氣品質分析,實乃目前政府、業者與環境保護單位所急欲解決之課題。
本發明之目的,即在於改善上述之缺失,俾提供一種可辨識、分析煙囪排氣或排放煙霧為水氣或污染,並可存取相關檔案以供後續使用之智能型煙囪排氣或排放煙霧警示方法。
為達到上述目的,本發明之智能型煙囪排氣或排放煙霧警示方法,包含有如下之步驟:啟動智能影像模組(OpenCV Start):開啟OpenCV影像處理模組,以進行後續之影像擷取及影像處理;導入煙囪逐時排放影像資料:針對所欲監測之目標煙囪拍攝影像,並將所拍攝之影像畫面匯入該OpenCV影像處理模組;影像事件偵測:該OpenCV影像處理模組針對匯入之影像畫面中的某一特定區域,設定為有興趣區域(Region of Interest,ROI),然後該OpenCV影像處理模組即可針對該有興趣區域進行監測與分析;影像特徵分析:針對上述步驟所認定的有興趣區域進行即時物體偵測(common object detection),用以偵測影像畫面中之目標煙囪是否排氣或排放煙霧;
擷取影像輪廓:該OpenCV影像處理模組針對上述經影像特徵分析步驟偵測處理後之影像,尋找其輪廓及輪廓參數值後,經計算處理取得特徵輪廓,將所得之特徵輪廓繪製於影像上以形成影像輪廓,該影像輪廓可用以提供辨識及像素資料擷取;而尋找影像輪廓時,可同時取得影像中目標煙囪的大小、位置、方向等相關資訊;傅立葉影像處理:針對上述擷取影像輪廓步驟所擷取之影像輪廓進行影像去噪、邊緣檢測及灰階轉換之影像處理;而該影像去噪係將影像雜訊過濾後,檢測及確認影像邊緣以加強影像細節,接著將該影像進行灰階轉換,使形成灰階影像;擷取影像施行條件判斷:將上述經傅立葉影像處理步驟後之灰階影像進行影像去噪與邊緣檢測、像素差異、灰階轉換、…等條件進行判斷;若經條件比對判斷後未有排氣或排放煙霧情形,則需從其他時間點重複擷取影像輪廓步驟以重新擷取影像;若經條件比對後有排氣或排放煙霧情形,則進行下一步驟;使用光學文字辨識(OCR)擷取影像顯示時間:OpenCV影像處理模組將上述經條件判斷後之影像以光學文字辨識模組,進行時間文字辨識及擷取及檢測其不透光率之數據,然後產生吻合條件判斷的時間;導入固定污染源空氣污染物連續自動監測設施(CEMS)相關排放數據:導入監測之目標煙囪影像擷取時間點之相關污染源排放數據、大氣資料,並將相關污染物資料導入OpenCV影像處理模組中,以提供比對判斷;決策判別煙霧類別與資料數據化:計算影像中特徵輪廓之特徵面積的平均灰階像素值後,並依據上述步驟中導入之污染源排放數據及大氣資料,
以決策判斷影像中煙霧之類別為視覺水氣或視覺污染,並將決策結果產出文字紀錄檔案以便後續紀錄或提供空氣污染模式相關參數設定,以便後續施行模擬分析及警示;藉此,俾提供一種可辨識、分析煙囪排氣或排放煙霧為水氣或污染,並可存取相關檔案以供後續使用之智能型煙囪排氣或排放煙霧警示方法。
〔圖1〕係本發明之流程圖。
有關本發明為達到目的所運用之技術手段及其構造,茲謹再配合圖1所示之實施例,詳細說明如下:如圖1所示,實施例中之智能型煙囪排氣及排放煙霧警示方法,包含有如下之步驟:啟動智能影像模組(OpenCV Start):開啟OpenCV影像處理模組,以進行後續之影像擷取及影像處理。
導入煙囪逐時排放影像資料:針對所欲監測之目標煙囪拍攝影像,並將所拍攝之影像畫面匯入該OpenCV影像處理模組。
影像事件偵測:該OpenCV影像處理模組針對匯入之影像畫面中的某一特定區域(如:煙囪口周圍),設定為有興趣區域(Region of Interest,ROI),然後該OpenCV影像處理模組即可針對該有興趣區域進行監測與分析。
影像特徵分析:針對上述步驟所認定的有興趣區域(Region of Interest,ROI)進行即時物體偵測(common object detection),用以偵測影像畫面中之目標煙囪是否排氣及排放煙霧。
擷取影像輪廓:該OpenCV影像處理模組針對上述經影像特徵分析步驟偵測處理後之影像,尋找其輪廓及輪廓參數值後,經計算處理取得特徵輪廓,將所得之特徵輪廓繪製於影像上以形成影像輪廓,該影像輪廓可用以提供辨識及像素資料擷取;而尋找影像輪廓時,可同時取得影像中目標煙囪的大小、位置、方向等相關資訊。
傅立葉影像處理:針對上述擷取影像輪廓步驟所擷取之影像輪廓進行影像去噪、邊緣檢測及灰階轉換之影像處理;而該影像去噪係將影像雜訊過濾後,檢測及確認影像邊緣以加強影像細節,接著將該影像進行灰階轉換,使形成灰階影像。
擷取影像施行條件判斷:將上述經傅立葉影像處理步驟後之灰階影像進行影像去噪與邊緣檢測、像素差異、灰階轉換、…等條件進行判斷;若經條件比對判斷後未有排氣或排放煙霧情形,則需從其他時間點重複擷取影像輪廓步驟以重新擷取影像;若經條件比對後有排氣或排放煙霧情形,則進行下一步驟。
使用光學文字辨識(OCR)擷取影像顯示時間:OpenCV影像處理模組將上述經條件判斷後之影像以光學文字辨識模組,進行時間文字辨識及擷取及檢測其不透光率之數據,然後產生吻合條件判斷的時間(年、月、日、時、分、秒)。
導入固定污染源空氣污染物連續自動監測設施(CEMS)相關排放
數據:導入監測之目標煙囪影像擷取時間點之相關污染源排放數據、大氣資料,並將相關污染物資料(如:NOx-氮氧化物、O2-氧氣、OPAC-不透光率、SO2-二氧化硫、溫度等相關監測參數)導入OpenCV影像處理模組中,以提供比對判斷。
決策判別煙霧類別與資料數據化:計算影像中特徵輪廓之特徵面積的平均灰階像素值(0-255)後,並依據上述步驟中導入之污染源排放數據及大氣資料,以決策判斷影像中煙霧之類別為視覺水氣或視覺污染,並將決策結果產出文字紀錄檔案以便後續紀錄或提供空氣污染模式相關參數設定,以便後續施行模擬分析及警示。
藉由上述方法,本發明利用OpenCV影像處理模組,用以對目標煙囪進行即時監測拍攝影像,並將所拍攝之影像經由偵測、特徵分析是否排氣或排放煙霧,而可篩選出該煙囪的排氣時段;然後經由擷取影像輪廓、傅立葉影像處理後,進行條件判斷以判別是否為所需之影像後,即可與該煙囪之排放數據、大氣資料及空氣品質資料進行比對判斷,而可決策該煙霧為視覺水氣或視覺污染;若為視覺污染時,則可進一步比對高硫化物(SOx)、臭氧、懸浮微粒發生時其濃度變化趨勢與該煙囪排氣間是否有相關連,並可模擬與分析關切煙霧生成時的大氣氣象條件與空氣污染物可能擴散方向;同時藉由擷取影像顯示時間,其可產出文字紀錄檔案,並可提供後續分析煙囪煙霧生成時的大氣氣象條件與空氣污染物可能擴散方向,提供空氣污染防治決策與風險評估,並可釐清煙霧產生的關鍵因素得以建立不同季節煙囪排氣的影像紀錄。
由是,從以上所述可知本發明之方法確可達到有效監測目標煙囪、決策分析排氣煙霧類型,並可存取監測資料與排放數據、大氣資料,以提供後續研究、分析使用;因此,本發明確具有顯著之進步性,且其構造確為未曾有過,
誠已符合發明專利之要件,爰依法提出專利申請,並祈賜專利為禱,至感德便。
惟以上所述,僅為本發明之可行實施例,該實施例主要僅在於用以舉例說明本發明為達到目的所運用之技術手段及其構造,因此並不能以之限定本發明之保護範圍,舉凡依本發明說明書及申請專利範圍所為之等效變化或修飾,皆應仍屬本發明所涵蓋之保護範圍者。
Claims (1)
- 一種智能型煙囪排氣或排放煙霧警示方法,包含有如下之步驟:啟動智能影像模組(OpenCV Start):開啟OpenCV影像處理模組,以進行後續之影像擷取及影像處理;導入煙囪逐時排放影像資料:針對所欲監測之目標煙囪拍攝影像,並將所拍攝之該影像畫面匯入該OpenCV影像處理模組;影像事件偵測:該OpenCV影像處理模組針對匯入之該影像畫面中的某一特定區域,設定為有興趣區域(Region of Interest,ROI),然後該OpenCV影像處理模組即可針對該有興趣區域進行監測與分析;影像特徵分析:針對上述步驟所認定的該有興趣區域進行即時物體偵測(common object detection),用以偵測該影像畫面中之該目標煙囪是否排氣或排放煙霧;擷取影像輪廓:該OpenCV影像處理模組針對上述經影像特徵分析步驟偵測處理後之影像,尋找其輪廓及輪廓參數值後,經計算處理取得特徵輪廓,將所得之該特徵輪廓繪製於影像上以形成影像輪廓,該影像輪廓可用以提供辨識及像素資料擷取;而尋找該影像輪廓時,可同時取得該影像中該目標煙囪的大小、位置、方向等相關資訊;傅立葉影像處理:針對上述擷取影像輪廓步驟所擷取之該影像輪廓進行影像去噪、邊緣檢測及灰階轉換之影像處理;而該影像去噪係將影像雜訊過濾後,檢測及確認影像邊緣以加強影像細節,接著將該影像進行灰階轉換,使形成灰階影像; 擷取影像施行條件判斷:將上述經傅立葉影像處理步驟後之該灰階影像進行影像去噪與邊緣檢測、像素差異、灰階轉換、…等條件進行判斷;若經條件比對判斷後未有排氣或排放煙霧情形,則需從其他時間點重複擷取影像輪廓步驟以重新擷取該影像;若經條件比對後有排氣或排放煙霧情形,則進行下一步驟;使用光學文字辨識(OCR)擷取影像顯示時間:OpenCV影像處理模組將上述經條件判斷後之該影像以光學文字辨識模組,進行時間文字辨識及擷取及檢測其不透光率之數據,然後產生吻合條件判斷的時間;導入固定污染源空氣污染物連續自動監測設施(CEMS)相關排放數據:導入監測之該目標煙囪影像擷取時間點之相關污染源排放數據、大氣資料,並將相關污染物資料導入OpenCV影像處理模組中,以提供比對判斷;決策判別煙霧類別與資料數據化:計算影像中該特徵輪廓之特徵面積的平均灰階像素值後,並依據上述步驟中導入之該污染源排放數據及大氣資料,以決策判斷該影像中煙霧之類別為視覺水氣或視覺污染,並將決策結果產出文字紀錄檔案以便後續紀錄或提供空氣污染模式相關參數設定,以便後續施行模擬分析及警示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109133365A TWI763055B (zh) | 2020-09-25 | 2020-09-25 | 智能型煙囪排氣或排放煙霧警示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109133365A TWI763055B (zh) | 2020-09-25 | 2020-09-25 | 智能型煙囪排氣或排放煙霧警示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202212800A TW202212800A (zh) | 2022-04-01 |
TWI763055B true TWI763055B (zh) | 2022-05-01 |
Family
ID=82197417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109133365A TWI763055B (zh) | 2020-09-25 | 2020-09-25 | 智能型煙囪排氣或排放煙霧警示方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI763055B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4039698A1 (de) * | 1990-12-12 | 1992-06-17 | Guenther Diederichs | Verfahren zur schadstoffarmen und wirtschaftlichen verbrennung fester brennstoffe sowie vorrichtung zur durchfuehrung des verfahrens |
EP0758628A2 (en) * | 1992-11-27 | 1997-02-19 | Pilkington United Kingdom Limited | Glass furnaces |
US5851256A (en) * | 1992-11-27 | 1998-12-22 | Pilkington Glass Limited | Method for reducing NOx emissions from a regenerative glass furnace |
CN100353788C (zh) * | 2004-08-23 | 2007-12-05 | 英华达股份有限公司 | 具有空气检测功能的移动通讯装置 |
US20200025681A1 (en) * | 2017-01-26 | 2020-01-23 | Acumentor Llc | Monitoring opacity of smoke exhausted by wood stove and controlling wood stove based on same |
-
2020
- 2020-09-25 TW TW109133365A patent/TWI763055B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4039698A1 (de) * | 1990-12-12 | 1992-06-17 | Guenther Diederichs | Verfahren zur schadstoffarmen und wirtschaftlichen verbrennung fester brennstoffe sowie vorrichtung zur durchfuehrung des verfahrens |
EP0758628A2 (en) * | 1992-11-27 | 1997-02-19 | Pilkington United Kingdom Limited | Glass furnaces |
US5851256A (en) * | 1992-11-27 | 1998-12-22 | Pilkington Glass Limited | Method for reducing NOx emissions from a regenerative glass furnace |
CN100353788C (zh) * | 2004-08-23 | 2007-12-05 | 英华达股份有限公司 | 具有空气检测功能的移动通讯装置 |
US20200025681A1 (en) * | 2017-01-26 | 2020-01-23 | Acumentor Llc | Monitoring opacity of smoke exhausted by wood stove and controlling wood stove based on same |
Also Published As
Publication number | Publication date |
---|---|
TW202212800A (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | Forecasting air pollution load in Delhi using data analysis tools | |
CN108648127B (zh) | 一种城市空气污染热点区域锁定方法 | |
Martínez et al. | Air quality parameters outliers detection using functional data analysis in the Langreo urban area (Northern Spain) | |
CN111985567A (zh) | 一种基于机器学习的污染源类型自动识别方法 | |
CN110595972A (zh) | Pm2.5浓度值和影响因素的分析方法 | |
CN110006799A (zh) | 一种热点网格污染类型的分类方法 | |
CN114757687A (zh) | 一种基于大数据技术的大气污染物溯源系统及方法 | |
Nieto et al. | Nonlinear air quality modeling using multivariate adaptive regression splines in Gijón urban area (Northern Spain) at local scale | |
TWI763055B (zh) | 智能型煙囪排氣或排放煙霧警示方法 | |
CN107255984B (zh) | 一种工业废气排放的监管系统及方法 | |
Marasova et al. | Chemical monitoring of the socio-ecological situation in resource-producing regions | |
Sari et al. | Monitoring of CO, NO2 And SO2 levels during the covid-19 pandemic In Iran using remote sensing imagery | |
Acosta et al. | Exploring the quality of environmental technology in Europe: evidence from patent citations | |
Akintayo et al. | Assessment of the impacts of building construction activities on the environment | |
Boullemant | PM2. 5 emissions from aluminum smelters: coefficients and environmental impact | |
CN113657305A (zh) | 一种基于视频的黑烟车辆及林格曼黑度等级智能检测方法 | |
CN117649123A (zh) | 一种智慧园区管理系统 | |
Paulose et al. | Identification of Regions and Probable Health Risks Due to Air Pollution Using K-Mean Clustering Techniques | |
CN109145732B (zh) | 一种基于Gabor投影的黑烟车检测方法 | |
Tyagi et al. | Scrutinizing Patterns of Air Pollution in India | |
Akanksha et al. | Prediction And Analysis of Air Pollution Using Machine Learning Algorithms | |
Cakmak et al. | Spatio-temporal Analysis of Pollutant Gases using Sentinel-5P TROPOMI Data on the Google Earth Engine during the COVID-19 Pandemic in the Marmara Region, Türkiye | |
El Haddad et al. | Opinion: how are advances in aerosol science informing our understanding of the health impacts of outdoor particulate pollution? | |
Ye et al. | A blurry image recognition method for straw burning detection | |
Bhowmik | A multi-modal wildfire prediction and personalized early-warning system based on a novel machine learning framework |