APP下载

基于图像处理的微波干燥设备物料火情报警系统研究

2017-04-26赵俊杰颜丙生汤宝平刘自然

计算机时代 2017年4期
关键词:图像处理

赵俊杰+颜丙生+汤宝平+刘自然

摘 要: 大型微波干燥设备在干燥易燃物料时,由于物料中偶尔混有的铁屑会在微波作用下释放电火花引起火灾,烧毁物料并损伤设备传送带等。针对大型微波干燥设备在实际工作场合中出现的微波干扰强、光照条件复杂、物料着火点不确定性强等问题,提出了基于物料颜色的火焰面积提取与基于灰度图亮度识别相结合的微波设备物料火情监测方法,利用NI myRIO-9100以及CMOS摄像头等设备,开发一套基于LabVIEW的微波干燥设备物料火情监控报警系统。经实验测试,在物料着火时,该系统能够可靠地检测出火情并报警,从而有效地降低设备运行风险和物料起火损失。

关键词: 图像处理; 火情监测; 微波设备; NI myRIO

中图分类号:TP391.41 文献标志码:A 文章编号:1006-8228(2017)04-08-05

Abstract: A fire detection method based on image processing is developed to detect fire caused by the iron filings occasionally mixed in the flammable material being heated, in microwave drying equipment. The flame color and grayscale images are used together to deal with the problems such as microwave interference, complicated illumination conditions, the complexity of the case of the fire, the similarity of material color and flame color and so on. This algorithm has been used on a hardware system built of NI myRIO and CMOS industrial camera. After experimental test, the system can reliably detect fire and make alarm, so as to effectively reduce the operation risk of the drying equipment and the loss when the fire broke out.

Key words: image processing; fire detection; microwave equipment; NI myRIO

0 引言

大型微波干燥设备在加热易燃物料时,由于物料中偶尔混有的铁屑在微波作用下释放电火花,易引起火灾,会烧毁物料并对设备传送带等装置造成一定损伤,因此一些厂家在设备中加装烟感传感器,将其作为大型微波加热设备的火情报警系统。但在实际工作场合中发现,由于受热物料经常具有一些易挥发性物质,导致报警系统误报率较高,且经常导致设备非故障停机。本文探讨用图像处理的方式来解决设备中的火情报警问题。

近年来,国内外在关于基于图像处理的火灾报警方面的研究有很多,例如国外有Jong-Hwan Kim等利用红外图像来检测火情以及现场的烟雾情况[1],Thomas Schr?der等利用图像的颜色特性、动态表现、空间扩展参数来实现的爆燃过程模糊分类识别与检测[2]。国内陈晓娟等利用图像纹理、烟雾浓度、温度等进行组合来识别火情[3];段悦、吴洪森、王文豪、包晗等利用火焰图像的面积、周长、圆形度、颜色、蔓延面积大小等来进行火情识别[4-7];田仲富、刘林等利用红外技术、火焰尖角、运动像素等的火焰检测方法[8-10]。

上述方法对于一般情况下的火灾检测已经做的比较好,但用到微波设备上还有一些问题需要解决。微波设备中温度较高,红外检测方法不适合,物料本身形状、反光程度以及运动状况不稳定等因素会造成拍摄的图片质量较差等,本文利用加装过防护装置的CMOS摄像头、NI myRIO模块构建硬件系统,并使用labVIEW平台构建了相关软件来进行图像的采集与处理。

1 硬件构成

在微波加热设备中,如图1所示,加热区基本是封闭的,物料被放置在传送装置或其他载物设备上。在设备箱体加热区的上方钢板上开有通孔,通孔外部用专用玻璃防护起来,外部光源和摄像头经通孔对箱体内部进行照明和取照片。在火情报警系统部分,USB接口的CMOS工业摄像头直接连接到NI myRIO設备的USB接口上,myRIO设备利用NI公司提供的电源适配器(输入:AC 100-240V 50-60Hz 38VA,输出:DC 12V 1.5A)进行供电。

2 检测原理

微波加热设备中的物料起火与生活中常见的如森林火灾、居室起火等情况有一些不同之处。微波设备中的火情发展主要经历如下三个阶段:首先,物料中混有的铁屑在微波作用下释放出短暂的耀眼的闪光(闪光基本为白光),这个过程会持续20s左右;随后由于铁屑的放电引起小范围物料起火;最后,如果前期没能控制住火情,火势会迅速蔓延导致物料全部损毁且对设备造成损伤。

针对上述情况,首先考虑采用图像灰度化处理方案,通过将灰度化图像不同像素灰度值与设定的阈值进行对比得到对应二值化图像进而计算火焰面积,达到对铁屑导致的闪光进行报警以及对后续火情的预警。然而在不同型号的微波设备中,有些放置物料的架子或基板是由表面光滑的不锈钢制成,这些光滑部件在微波设备运行过程中处于运动状态,会不定期反射照明灯的光线,对灰度化图像的处理结果造成影响,所以考虑采用在彩色图像中提取特定颜色火焰的方法对起火后的火情进行报警。若被加热物料偏白色,在彩色图像中提取到的白色闪光范围会产生较大失真,因此考虑将灰度化图像的处理结果主要用作火情预警,彩色图像的火焰颜色处理结果用作真实报警,基本流程如图2所示。

图2所示图像处理流程主要包括三个方面,分别为:根据火焰颜色提取并计算火焰区域大小、根据灰度情况提取并计算火焰区域大小、根据最新的火焰面积统计结果与上次统计结果进行对比判别。最后再根据这三者的综合情况,判断是否需要报警处理。具体过程如下。

⑴ 对彩色图像灰度化,得到灰度图。然后将整个图像转换成对应的二维灰度值数组,对待处理二维灰度值数组中每一个灰度值与预设火焰的对应灰度值范围进行比较,当当前像素灰度值处于预设火焰的对应灰度值范围时,则将其记为一个单位火焰面积,将所有单位火焰面积累加起来就得到最终火焰面积。由于图像中难免会有一些噪点的影响,所以没有火情时也会有一些像素点会被当成火焰,但是相对来说,其总量是有限的,可以预设一个火焰面积阈值,只有超过这一阈值才会被当成有火情。

⑵ 通过设置不同的图片三原色范围(红、绿、蓝),选出特定火焰的颜色范围,对火焰以及背景进行二值化处理。由于有时物料反射的光线接近火焰颜色,但是物料反射造成的接近火焰颜色的区域在图像中比较分散且范围较小,可以通过对每个接近火焰颜色的连通域范围进行颗粒大小分析,对小于预设范围大小的颗粒进行过滤,得到比较完整的火焰图像,接下来,对过滤后的二值化图像中火焰区域进行面积计算,其中,一个像素点记为一个单位面积,于是可以得到基于火焰颜色的火焰区域面积,将得到的火焰面积与针对当前算法而预设的火焰面积报警阈值进行比较,得出是否有火情。

⑶ 在通过上述两种方式分别对图像进行处理,得出相应的火焰面积以后,在每次计算时保留上一次的火焰面积计算结果,将其与下一次的计算结果进行比较。一旦后一次的火焰面积与前一次的火焰面积之比超过预设值,也被判断成有火情,这种处理过程主要用于前期闪光阶段。

上述过程中,根据火焰颜色提取并计算火焰区域大小以及根据灰度情况提取并计算火焰区域大小这两种方法主要用于生成火苗以后的火势判断。根据最新的火焰面积统计结果与上次统计结果进行对比得出火焰面积比值这一方法主要用于前期闪光阶段的火情预警监测。三种方法得出的火情报警结果与最终的报警结果之间的逻辑关系可用以下公式表明:

其中,报警为真,反之为假,B表示最终报警情况,Y表示根据火焰颜色得到的报警情况,H表示根据灰度图得到的报警情况,ZY和ZH分别表示根据火焰颜色或灰度图得到的火焰面积增长率对应的报警情况。

3 算法实现

图3所示为myRIO里的主程序,开机后打开相机并配置相机,然后在while循环中重复“判断是否停止程序、取照片、处理照片、输出结果”这四个状态。在测试算法过程中,利用myRIO自带的一个自定义按钮和四个LED指示灯来进行程序运行以及是否有火情报警等状态的控制与显示,程序设置为上电自启动。其中LED 0灯亮表示正在取图像,灯灭表示正在处理图像;LED 1灯亮表明程序运行出错,灯灭表示程序运行良好;LED 2和LED 3同时亮表明有火情报警,同时灭表明无火情报警;程序运行过程中,按下自定义Button 会停止程序的运行;将myRIO电源关掉再重新开机,程序又自动开始运行。

图4所示为图像处理程序,程序上方为图像的灰度化程序,拍摄到的彩色图像经IMAQ BCGLookup函数转换为灰度化图像,在转换过程中,可对原彩色图像的亮度、对比度、伽马值等进行调整。转换后的灰度图经IMAQ Image To Array函数再将灰度图转换为相应的二维灰度值数组。左下方为根据火焰颜色提取火焰区域以及基于火焰区域面积大小的过滤程序,采集到的彩色图像在设置好参数范围的情况下,经IMAQ Color Threshold函数转换为黑色(非火焰区域)和红色(火焰区域)两种颜色的二值化图像,然后再利用IMAQ Particle Filter函数对上述二值化图像中的较小的连通域区域进行过滤,通过对连通域的面积大小设定阈值,可以将较小的干扰点过滤掉,接着利用IMAQ Image To Array函数将图像转换为对应的二维黑色或红色二值化数组,最后利用自定义的二值化程序再将黑红二值化数组转换为所需要的二值化数组。

将得到的两组二维数组分别进行火焰区域面积大小统计(如图5所示),统计完成以后,将其与目标阈值比较,超过相应阈值则输出各自对应的报警情况。另外分别将得到的火焰面积统计结果与上一次的结果相除,算出对应面积增长速率,速率超出预设阈值,则进行相应报警输出。

图5为火源区域像素统计程序,通过两个for循环进行火焰区域面积大小统计,第一个for循环对二维数组进行当行索引,第二个for循环对第一个for循环的单行索引结果进行单像素索引并判断当前像素点的灰度值或二值化結果是否在火焰范围内,并进行相应统计。统计完成后,输出对应的两组统计结果。

4 测试结果

测试地点为微波设备生产厂商的厂房里,采用白色纸屑模拟物料,模拟的火情现场照片如图6所示,软件部分的参数设置为:图像的处理区域为全部区域;IMAQ BCGLookup的Brightness值为128.00、Contrast值为30.00、Gamma值为1.03;火焰颜色提取中IMAQ Color Threshold函数的参数Blue的值为80-255、Red的值为254-255、Green的值为150-255;火焰颜色颗粒大小过滤函数IMAQ Particle Filter中的范围值设置为50-50000;最终的灰度图报警阈值为200;火焰颜色图中的报警阈值为200。

经多次测试,NI myRIO设备采集到如图6所示的模拟物料火情现场照片以及在利用强光手电模拟微波设备中的闪光情况时,能够及时的通过亮灯及其他措施给出火灾警告信号。MyRIO的报警灯亮起情况如图7所示。

另外,为了得出图像处理的速度,避免处理速度过慢而造成漏报的情况,在主程序中添加了计时程序,通过多次测量求平均值的方式,测算了单个处理流程(取图像、处理图像、输出结果)的耗时情况,经分析认为基本满足要求,具体测试结果如表1所示。

在出现闪光时,由于闪光的光线较强,摄像头受强光影响,拍摄的图片基本为白色,理论上不会出现漏检。在设备实际运行中,真正出现火情的概率较小,目前为止只收到两例有闪光情况的反馈,在反馈中,程序都能实现对闪光的检测。

5 总结

通过试验验证,根据最新的火焰或光源面积统计结果与上次统计结果进行对比计算图像亮度增长速度的方式能有效检测出微波设备中铁屑引起的闪光情况,根据火焰颜色提取并计算火焰区域大小并结合根据灰度情况提取并计算火焰区域大小这两种方法,可以判断微波干燥设备运行中物料是否起火这一状况。将上述方法结合起来,能有效检测并预判微波干燥设备中的火情状况。另外,后期工作中可以通过myRIO上自带的IO口与微波干燥设备的主控PLC进行通信从而使设备在遇到火情时能及时做出处理措施。

参考文献(References):

[1] Jong-Hwan Kim, Brian Y.Lattimer. Real-time probabilistic

classification of fire and smoke using thermal imagery for intelligent firefight robot[J]. Fire Safety Journal,2015.72(2):40-49

[2] Thomas Schr?der, Klaus Krüger, Felix Kümmerlen.

Image processing based deflagration detection using fuzzy logic classification[J]. Fire Safety Journal,2014.65(3):1-10

[3] 陳晓娟,卜乐平,杨加军.带图像处理的火灾报警系统抗干扰性研究[J].仪器仪表学报,2010.32(12):2848-2853

[4] 段悦,袁昌明.火灾探测中动态火焰的数字图像处理[J].中国计量学院学报,2009.20(1):55-58

[5] 吴洪森,卢涤非,陶永红.基于火焰形状、面积的判别依据研究[J].中国人民公安大学学报(自然科学版), 2011.67(1):40-42

[6] 王文豪,刘虎,严云洋.视频火灾识别的关键技术研究[J].计算机仿真,2011.28(2):304-307

[7] 包晗,康泉胜,周明.一种基于LVQ神经网络与图像处理的火

焰识别算法[J].中国安全科学学报,2011.21(6):60-64

[8] 田仲富,王述洋.基于BP神经网络的嵌入式森林火灾智能监控系统[J].东北林业大学学报,2014.42(8):138-144

[9] 刘林,杨晨,丁召.基于嵌入式的智能火灾监测报警系统的设计[J].电子设计工程,2014.22(16):184-186

[10] 田仲富,黎粤华,刘晓义.基于图像的嵌入式森林火灾监控系统研究与设计[J].安徽农业科学,2014.42(13):4105-4107

猜你喜欢

图像处理
海战场侦察图像处理技术图谱及应用展望
人工智能辅助冠状动脉CTA图像处理和诊断的研究进展
基于ARM嵌入式的关于图像处理的交通信号灯识别
基于图像处理的机器人精确抓取的设计与实现
机器学习在图像处理中的应用
Bayesian-MCMC算法在计算机图像处理中的实践
改进压缩感知算法的图像处理仿真研究
基于图像处理的定位器坡度计算
基于图像处理的晶圆表面缺陷检测
对图像处理中ROF全变分模型的两种算法的比较研究