CN102116659A - 一种基于区间收敛的料仓料位检测方法 - Google Patents

Abstract

本发明是一种基于数字相机、辅助照明设备，采用图像处理方式的对料仓料位进行连续检测的方法。本发明通过两次分档的方式拍摄图像，针对图像特点进行图像的预处理，计算处理后图像的图像熵，一次分档(粗分档)图像经过处理分析后得到逼近区间，在区间内二次分档(细分档)拍摄图像，计算预处理后图像的图像熵，选出适合的图像进行图像料位线检测，得到料位线，计算后得到料仓料位值。

Description

一种基于区间收敛的料仓料位检测方法

技术领域

本发明涉及料仓料位的检测。本发明具体涉及使用数字相机拍摄图像并进行图像处理的方式进行料仓料位的非接触式动态检测。

背景技术

料仓料位检测是安全生产的重要措施。多年来人们采用各种方法对料仓料位进行检测。常用的检测方法有：重锤式、电极式、电容式、机杆式、称重式、回转翼轮式、雷达式、超声波式、激光式、核子式等。其中重锤式、电极式、电容式、机杆式、称重式和回转翼轮式属于接触式测量方法，其余的为非接触式测量方法。可以进行极限位置测量的方法有：重锤式、电极式、核子式和激光式。可进行料位连续测量的方法有：雷达式、超声波式、机杆式、称重式、核子式、激光式等。

采用图像处理的方式进行深度测量应用广泛。目前采用的多是采用数字相机自动对焦，直接拍摄图像，然后经过图像处理进行深度、高度测量，具体见专利公开号为CN1378086的发明专利。然而，针对于固体物料料仓，由于图像拍摄环境特别恶劣，拍摄的图像存在以下特点：

(1)料仓粉尘浓度大、湿度大、照度低、拍摄图像质量差，并且相机难以实现自动聚焦。

(2)料仓中照度波动频繁，例如煤矿井下大型设备很多，电网扰动大，造成照度波动。

(3)针对于一些特殊场合，例如煤矿井下煤仓，由于防爆要求，设备及照明功率应尽量小。

因此，由于特殊的图像环境，采用普通的图像处理方式进行深度测量的方法既难以满足料仓料位测量的实时性、可靠性的要求，也难以实现长期、稳定的检测。

专利公开号为CN101270981是一种基于机器视觉的料位测量方法与装置，提出了针对煤矿井下料仓的料位检测方法，然而这种方法可靠性难以保证，实际应用效果不佳。

技术问题：

由于料仓的图像环境特殊，采用目前已有的方式，具有以下问题：

(1)数字相机难以自动对焦、拍得可靠的图像；

(2)根据此类图像进行料位测量的方法可靠度、精度低；

(3)由于料仓是一个封闭、半封闭的环境，设备运行情况的监控和校验困难，没有一个基于检测系统的可靠度的自检机制，系统可靠性无法得到保证，难以实际应用。

本发明采用使用数字相机拍摄图像并进行图像处理的方式进行料仓料位的非接触式动态检测，针对于料仓环境提出了采用计算特征纹理图像熵以及采用PCNN进行料位计算的方法，检测中图像拍摄采用两次分档的方法，具有以下优点：

(1)采用计算特征纹理图像熵以及采用PCNN进行料位计算的方法降低了对图像质量的要求，增强了对料仓恶劣的图像环境的适应能力；

(2)检测中图像拍摄采用两次分档的方法，增加了料位检测的实时性与可靠性。

发明内容

本发明由数字相机、辅助照明、图像处理三部分组成。

数字相机：

数字相机应安装在料仓的顶部，避开料仓下料口及相关下料口的设施、以免被阻挡拍摄角度(数字相机布置如图1所示)。数字相机系统应包含一个透明密封罩，一个密封罩的除尘装置及各自的固定装置。

数字相机相关参数根据料仓尺寸及辅助照明强度选择。

辅助照明：

辅助照明采用一组射灯、其中一个邻近数字相机设置，其余呈等分角度设置于煤仓仓壁圆周上。光源采用单色光源，选择波长较长的红光或红外光源。根据煤仓的实际尺寸及环境选择光源功率及射灯数量(辅助照明布置如图2所示)。

辅助照明主要针对例如煤矿井下煤仓这一类图像环境特别恶劣的料仓的图像特点设计，料仓图像成像有两个主要难点，一是受生产条件约束，料仓环境存在粉尘浓度大、湿度大的特点，造成照度衰减很快，且泛光不足；二是出于安全考虑，照明功率应尽量低。采用多角度照明设计，能有效克服以上困难。

图像处理包括：

(1)对图像进行预处理后分别计算每幅图像的图像熵的方法：

图像熵处理流程图如图3所示。

图像熵计算方法：

(a)对图像进行灰度拉伸

由于这里图像处理的目的是进行料位检测，所以可以采用灰度图像。灰度级采用8位灰度阶。由于料仓图像灰度往往分布不均衡，所以一般都要预先作灰度拉伸。

方法如下：

当灰度是离散值时，频数近似代替概率值，即：

p_r(r_k)＝n_k/n  0≤r_k≤1 k＝0，1，……，l-1；

式中：l是灰度级的总数目，p_r(r_k)是取第k级灰度值的概率，n_k是图像中出现第k级灰度的次数，n是图像中像素总数。

$s_k=T\left(r_k\right)={\mathrm{\Σ}}_{j=0}^k\frac{n_j}{n}={\mathrm{\Σ}}_{j=0}^k{p}_r\left(r_j\right)$ 0≤r_k≤1 k＝0，1，……，l-1；

(b)对图像进行微分运算

记一幅图像为X(l，j)，微分后的图像记为Y(l，j)。则：

Y(1，j)＝X(1，j)；

Y(l，j)＝X(l，j)-X(i-1，j)，(i＞1)；

在图像中主要包含两部分区域，以仓壁为主体的上部和以物料表面为主体的下部，其中以物料表面为主体的下部由于光线反射的不规则，呈现亮、暗小区域混合而成，计算后得到的图像Y中，以仓壁为主体的上部灰度值趋近0值，以物料表面为主体的下部则得到亮、暗 小区域的边界，其中这一部分将作为信息熵计算的主体。

(c)对图像进行二值分割

为了进一步清晰微分后的图像，选取一个阈值将图像背景与得到的小区域边界进行二值分割。得到图像Z(i，j)；

(d)计算二值图像的信息熵

图像熵H(P)：H(P)＝-P₁lnP₁-P₀lnP₀；

其中P₁，P₀，分别表示Z为1，0时的概率。

(2)料位边沿计算得到料位值的计算方法：

对于选取的P幅图像，首先，将料位边沿与各自对应的料位刻度图像对比，得到一组P个料位值L₁(i＝1，...，P)，然后由下面的公式得到实际料位值L：L＝(L1+L2+...+Lp)/p。

料位刻度图像获得方法：将深度为h的料仓以绝对误差值Δh为间隔划分为w份，w＝h/Δh，对应w个档位，相机镜头焦距对应物距从第1个档位开始，顺序至第w个档位，按照下述方法进行拍摄：相机镜头焦距对应物距为第S个细分档位时(S＝1，2，…，w)，在内空的料仓仓壁上设置标尺，将标尺逐次设置于(S-t*Δh)、(S-(t-1)*Δh)、...、(S-Δh)、S、(S+Δh)、...、(S+(t-1)*Δh)、(S+t*Δh)处，分别拍摄图像，得到一组(2t+1)幅图像，将此组图像进行图像处理后可得到对应于第S个细分档位的料位刻度图像；按照上述方法可以得到整个料仓共w个细分档位的料位刻度图像，形成全料仓的料位刻度图像组。

基于区间收敛的料仓料位检测方法，包括以下几个步骤：

(1)划分粗分档：

将深度为h的料仓粗分为N等份(粗分档)，按照物距对应划分的档位，采用程序控制方式调节数字相机镜头焦距拍摄图像，得到对应划分档位的一组N幅图像；

(2)确定收敛区间：

对图像进行预处理后分别计算每幅图像的图像熵，选择熵值较大的K幅图像(1＜K＜N)，记这K幅图像对应的档位中最小的档位为Ni，最大的档位为Nj，则确定了一个收敛区间[Ni，Nj]。

(3)划分细分档：

将区间[Ni，Nj]细分为M等份(细分档)，按照物距对应划分的档位，采用程序控制方式调节数字相机镜头焦距拍摄图像，得到对应划分档位的一组M幅图像；

(4)边沿检测并计算料位值：

对图像进行预处理后分别计算每幅图像的图像熵，选取熵值较大的P幅图像，采用料位边沿检测算法计算得到料位边沿，并计算得到料位值。

粗分档N、细分档M的选取方法：

细分档位根据料仓料位检测的绝对误差值要求设置，即取细分档的档位间距等于绝对误差值；粗分档根据料仓料位检测的满量程实际距离及对于检测的速度要求设置，粗分档档位间距一般为细分档档位间距的整数倍。

收敛区间[Ni，Nj]的边界点Ni，Nj的取值：

由粗分档拍摄的图像确定的收敛区间[Ni，Nj]，Ni与Nj所对应的图像的图像熵值的比值(用较小熵值比较大的熵值)应大于规定的比值。

可靠性分析：

可靠性分析1：

根据图像熵分布的特点，在粗分档拍摄的图像中，确定了一个收敛区间[Ni，Nj]；其中取值时，Ni与Nj所对应的图像的图像熵值的比值(用较小熵值比较大的熵值)应大于规定的比值k1。K1根据料仓图像环境取值，与料仓的物料种类、料仓照度、湿度、粉尘浓度等环境参数有关。K1一般应大于0.8。如果不能满足此条件，说明此次拍摄过程中，系统工作出现异常，数据不可用。需要重新拍摄图像，如果问题依然没有解决，说明系统可能存在硬件故障，需检修。

可靠性分析1程序流程如图4所示。

可靠性分析2：

计细分档拍摄的图像为B1，B2......B10，选取B1，B2......B10中熵值较大P幅图像进行料位检测，得到料位值(记为M(i)，i＝1，2，...，P)之间误差应小于项目要求的最小误差Y*，且位于其对应的档位区间内。

可靠性分析2程序流程如图5所示。

系统工作流程：

首先，料仓高度记为h，所要求料位检测绝对误差值记为d，分档分为细分档和粗分档两种方式。将料仓料位的满量程粗分为N等份(粗分档)，按照物距对应划分的档位，采用程序控制方式调节数字相机镜头焦距拍摄图像，得到对应划分档位的一组N幅图像，对图像进行预处理后分别计算每幅图像的图像熵，对于采用这种方法拍摄的图像，相机焦距越靠近料位处，拍摄的图像越清晰，图像熵越大，选择熵值较大的K幅图像(1＜K＜N)，记这K幅图像对应的档位中最小的档位为Ni，最大的档位为Nj，确定了一个收敛区间[Ni，Nj]，则这个区间应包含实际料位值；将区间[Ni，Nj]细分为M等份(细分档)，按照物距对应划分的档位，采用程序控制方式调节数字相机镜头焦距拍摄图像，得到对应划分档位的一组M幅图像，对图像进行预处理后分别计算每幅图像的图像熵，则这一组图像的熵值应该比较接近，由于料仓的料位往往不是平面，每次落料后呈现出的特征变化很大，因此造成图像的熵值并不能准确反映料位，所以不能简单的将熵值最大的图像的位置处作为最接近料位的档位。这时选取熵值较大的P幅图像，采用PCNN的方法，计算得到料位边沿，然后根据预制的图像刻度背景图像，得到一组P个料位值L₁(i＝1，...，P)，然后由下面的公式得到实际料位值L： 

然后继续进行下一轮检测。

料仓料位测量系统工作流程图如图6所示。

附图说明

图1数字相机布置图

图2辅助照明布置图

图3图像熵处理流程图

图4可靠性分析1程序流程

图5可靠性分析2程序流程

图6料仓料位测量系统工作流程图

具体实施方式

本发明结合实施例参见附图进一步说明如下：

以煤矿井下煤仓为例，煤仓高度40m，直径8m，检测绝对误差值为0.5m。最低料仓限位值为4m。

设定细分档位1m，粗分档为4m。数字相机选用程序调节镜头焦距，辅助照明采用8个射灯。

在检测之前，预制料位刻度背景图像。

将深度为40m的料仓以绝对误差值Δh＝0.5m为间隔划分为w份，w＝h/Δh＝80，对应w个档位，相机镜头焦距对应物距从第1个档位开始，顺序至第w个档位，按照下述方法进行拍摄：相机镜头焦距对应物距为第S个细分档位时(S＝1，2，…，w)，在内空的料仓仓壁上设置标尺，将标尺逐次设置于(S-t*Δh)、(S-(t-1)*Δh)、...、(S-Δh)、S、(S+Δh)、...、(S+(t-1)*Δh)、(S+t*Δh)处(这里t＝4)，分别拍摄图像，得到一组(2t+1＝9)幅图像，将此组图像进行图像处理后可得到对应于第S个细分档位的料位刻度图像；按照上述方法可以得到整个料仓共w个细分档位的料位刻度图像，形成全料仓的料位刻度图像组。

选取k1＝0.8，绝对误差值＝0.25m。

选取k＝3，P＝4。

参见附图1，描述了数字相机系统的安装位置，数字相机系统应安装在料仓的顶部，尽量靠近料仓壁，避开料仓下料口及相关下料口的设施、以免被阻挡拍摄角度。数字相机系统应包含一个透明密封罩，一个密封罩的除尘装置及各自的固定装置，装置还应满足应用场合的安全要求，如在煤矿井下煤仓使用本发明时，本发明所使用的装置还应满足煤矿井下电气防爆要求。

参见附图2，描述了辅助照明的安装，辅助照明系统采用一组射灯、其中一个邻近数字相机设置，其余呈等分角度设置于煤仓仓壁圆周上。光源采用单色光源，选择波长较长的红光或红外光源。根据煤仓的实际尺寸及环境选择光源功率及射灯数量。附图2描述了8个射灯的情形。如在煤矿井下煤仓使用本发明时，本发明所使用的装置还应满足煤矿井下电气防爆要求。

辅助照明系统主要针对例如煤矿井下煤仓这一类图像环境特别恶劣的料仓的图像特点设计，料仓图像成像有两个主要难点，一是受生产条件约束，料仓环境存在粉尘浓度大、湿度大的特点，造成照度衰减很快，且泛光不足；二是出于安全考虑，照明功率应尽量低。采用多角度照明设计，能有效克服以上困难。

参见附图3，描述了本发明检测方法的特征图像图像熵计算方法，首先对图像进行预处理运算，包括以下步骤：灰度拉伸、微分计算、二值分割，然后再计算其图像熵。

料位检测流程图如图6所示。

开始检测时，首先，101，可以得到一组10幅图像，顺序进行102，103，然后判断104，记三个熵值最小的为Z1，最大的为Z2，k’＝Z1/Z2，则当k’＞k1时，则验证通过，说明拍摄的图像可靠，系统工作正常，此时清零验证标志位，进行下一步流程，当k’＜＝k1时，说明拍摄的图像不可靠，系统工作不正常，此时验证标志位应为零，首先将验证标志位置位，然后判断105，当标志位X1为1时，重新执行101、102、103过程后，再次进入104，如果此次系统的异常只是偶然的干扰引起的，则此时应恢复正常，则k’＞k1，验证能够通过，如果是出现了系统的功能性故障，则验证不能通过，判断验证标志位时，标志位为1，则进行故障报警。

当104验证通过后，进行106，在一次分档确定的料位检测区间内按照细分档逐次拍摄图像，可以得到一组9幅图像，顺序进行107、108，采用PCNN的方法进行料位的边沿检测，然后与对应档位处的料位刻度图像对比得到料位值。最后判断109，分析得到的P(P＝4)个料位值，计算差值，误差应小于所要求的精度值，如果验证通过则继续验证料位值是否处于对应的档位处，通过则说明图像可靠，系统工作正常，此时清零验证标志位，进行下一步流程。以上两个判断任何一个不通过则置位标志位X1，然后判断105，当标志位X1为1时，重新执行101，102，103，104，106，107，108，109，如果此次系统的异常只是偶然的干扰引起的，则此时应恢复正常，验证能够通过，如果是出现了系统的功能性故障，则验证不能通过，判断验证标志位时，标志位为1，则进行故障报警。当通过109后，执行110，求均值输出料仓料位值，然后继续进行下一轮检测。

Claims (7)

1.一种基于区间收敛的料仓料位检测方法，其特征在于：将深度为h的料仓粗分为N等份(粗分档)，按照物距对应划分的档位，采用程序控制方式调节数字相机镜头焦距拍摄图像，得到对应划分档位的一组N幅图像，对图像进行预处理后分别计算每幅图像的图像熵，选择熵值较大的K幅图像(1＜K＜N)，记这K幅图像对应的档位中最小的档位为Ni，最大的档位为Nj，则确定了一个收敛区间[Ni，Nj]；将区间[Ni，Nj]细分为M等份(细分档)，按照物距对应划分的档位，采用程序控制方式调节数字相机镜头焦距拍摄图像，得到对应划分档位的一组M幅图像，对图像进行预处理后分别计算每幅图像的图像熵，选取熵值较大的P幅图像，采用料位边沿检测算法计算得到料位边沿，并计算得到料位值。

2.如权利要求1所述的检测方法，先对图像进行预处理，再对预处理后的图像计算图像熵的计算方法，其特征在于：首先对图像进行预处理运算，包括以下步骤：灰度拉伸、微分计算、二值分割，然后再计算其图像熵。

3.如权利要求1所述的检测方法，料位边沿检测算法，其特征在于：对细分档拍摄得到的料仓料位图像，经图像预处理后，进行PCNN边沿检测，得到区域边沿，即为料位边沿。

4.如权利要求1所述的检测方法，根据料位边沿计算得到料位值的计算方法，其特征在于：对于选取的P幅图像，首先，将料位边沿与各自对应的料位刻度图像对比，得到一组P个料位值L₁(i＝1，...，P)，然后由下面的公式得到实际料位值L：L＝(L1+L2+...+Lp)/p。

5.如权利要求4所述的检测方法，料位刻度图像获得方法，其特征在于：将深度为h的料仓以绝对误差值Δh为间隔划分为w份，w＝h/Δh，对应w个档位，相机镜头焦距对应物距从第1个档位开始，顺序至第w个档位，按照下述方法进行拍摄：相机镜头焦距对应物距为第S个细分档位时(S＝1，2，…，w)，在内空的料仓仓壁上设置标尺，将标尺逐次设置于(S-t*Δh)、(S-(t-1)*Δh)、...、(S-Δh)、S、(S+Δh)、...、(S+(t-1)*Δh)、(S+t*Δh)处，分别拍摄图像，得到一组(2t+1)幅图像，将此组图像进行图像处理后可得到对应于第S个细分档位的料位刻度图像；按照上述方法可以得到整个料仓共w个细分档位的料位刻度图像，形成全料仓的料位刻度图像组。

6.如权利要求1所述的检测方法，粗分档和细分档的划分方法，其特征在于：细分档位根据料仓料位检测的绝对误差值Δh要求设置，即取细分档的档位间距等于绝对误差值Δh；粗分档根据料仓深度h和对检测的速度要求设置，粗分档档位间距为细分档档位间距的整数倍。

7.如权利要求1所述的检测方法，收敛区间[Ni，Nj]的边界点Ni，Nj的取值，其特征在于：由粗分档拍摄的图像确定的收敛区间[Ni，Nj]，Ni与Nj所对应的图像的图像熵值的比值(用较小熵值比较大的熵值)应大于规定的比值。

Images