CN102116658A - 一种基于图像熵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料仓料位检测方法。本发明总结料仓图像环境的特点，分析料仓环境下，全料仓量程内散焦图像图像熵分布规律，将料仓量程分档，采用程序控制数字相机的镜头焦距，使之对应分档拍摄图像，首先对图像进行预处理，提取物料特征纹理，然后通过计算处理后图像的图像熵，并分析、计算得到料仓料位值。

Description

一种基于图像熵的料仓料位检测方法

技术领域

本发明涉及料仓的料位检测。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检测。其中针对物料纹理特征特点设计了图像预处理方法，针对料仓图像环境特点设计了图像拍摄方法。

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，因此，实际应用受到限制。

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；

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检测，针对于料仓环境提出了采用计算特征纹理图像熵的方法，具有以下优点：

(1)采用计算特征纹理图像熵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)采用计算特征纹理图像熵进行料位计算的方法能够大幅缩小计算量，提高了*** 响应时间，同时便于精简***。

发明内容

***组成：

本发明整个***分为数字相机***、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***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。

数字相机采用可自动调节焦距的数字相机，相机焦距由程序控制，根据所处料仓的实际尺寸，分为若干档位进行图像拍摄。

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，一是受安全生产条件约束，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***：

图像处理***包括数据存储模块、图像处理模块。

数据存储模块：

包含的存储数据：

(1)数字图像

(2)环境数据

(3)料位检测值

(4)临时参数

数据存储模块存储的数据应为料位检测过程中所需的图像及相关参数数据，不作为大量图像数据的存档。

图像处理模块：

图像处理模块包括：

(1)图像熵运算模块：

图像熵运算模块的功能是针对拍得的图像，提取特征图像的图像熵，分档图像提取的特征图像的图像熵在接近料位处会显著增加，特征图像的图像熵的这个分布特点是本发明的理论基础。

记料仓的料位位于料仓中段，则其特征图像的图像熵分布图的理论分布应如图3所示。但由于料仓的图像拍摄环境通常比较恶劣，且具有时移特性，所以实际应用时，还需考虑检 测方法的可靠性。

特征图像的图像熵计算处理流程图如图4所示。

特征图像的图像熵计算方法：

(1)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，……，i-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≤1_k≤1 k＝0，1，……，i-1；

(2)对图像进行差分运算

记一幅图像为X(i，j)，微分后的图像记为Y(i，j)。则：

Y(1，j)＝X(1，j)；

Y(i，j)＝X(i，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。

(3)对图像进行滤波

为了进一步清晰微分后的图像，选取一个3×3的窗口进行中值滤波，中值滤波能够很好的保留边界特征。

(4)计算图像的信息熵

图像熵H(P)：H(P)＝-∑(i，j)p(i.j)lnp(i，j)；

实际料位值的方法：

$L:L=(i\×{\mathrm{\Σ}}_{i=1}^K\mathrm{Xi})/{\mathrm{\Σ}}_{i=1}^K\mathrm{Xi};$

其中i为N档对应的档位值，Xi为对应档位拍摄得图像的信息熵。

料仓料位检测工作流程：

首先，料仓高度记为h，所要求料位绝对误差值记为d，将料仓料位的满量程划分为N等份，这里N的取值根据料仓实际尺寸设置，其每档距离不大于料仓料位的绝对误差值；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得到对应的一组N幅特征图像，对图像进行预处理采用灰度拉伸处理，然后经差分、滤波后得到所需的特征图像的方法，接着分别计算每幅特征图像的图像熵，选取N幅图像中熵值较大的K幅图像，根据下列公式计算料位值L： 

其中i为Ni档对应的实际料仓深度值，Xi为Ni档拍摄得到的图像的信 息熵。K的取值为1到N的整数值。

料仓料位检测流程图如图5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图像熵分布图

图4特征图像的图像熵计算处理流程图

图5料仓料位检测流程图

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，检测精度要求0.25m。

参见附图1，描述了数字相机***的安装位置，数字相机***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***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***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***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4，描述了本发明检测方法的特征图像的图像熵计算处理流程，由于料仓照度比较低，拍摄的灰度图像传送至处理器后，应首先进行灰度拉伸，然后对图像进行差分处理，提取图像的特征纹理，由于现场环境噪声比较大，这里对差分后的图像进行中值滤波，然后再对处理后的图像进行图像熵的计算，图像经过以上处理后图像熵的计算量已经大大降低，提高了处理速度，有效的降低了对于硬件的要求。

参见附图5，描述了料仓料位检测工作的流程，首先，根据料仓高度40m，料仓直径8m，所要求料位绝对误差值0.25m，现将料仓料位的满量程划分为N＝10等份，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得到对应的一组N幅特征图像，对图像进行预处理采用灰度拉伸处理，然后经差分、滤波后得到所需的特征图像的方法，接着分别计算每幅特征图像的图像 熵，选取N＝10幅图像中熵值较大的K＝3幅图像，根据下列公式计算料位值L： 

其中i为Ni档对应的实际料仓深度值，Xi为Ni档拍摄得到的图像的信息熵。K的取值为1到N的整数值。

Claims (4)

1.一种基于图像熵的料仓料位检测方法，其特征在于：将料仓料位的满量程划分为N等份，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得到对应的一组N幅特征图像，分别计算每幅特征图像的图像熵，根据图像熵计算得到实际料位值。

2.如权利要求1所述的检测方法，根据图像熵计算得到实际料位值L的方法，其特征在于：选取N幅图像中熵值较大的K幅图像，根据下列公式计算料位值L：

其中i为Ni档对应的实际料仓深度值，Xi为Ni档拍摄得到的图像的信息熵。K的取值为1到N的整数值。

3.如权利要求1所述的检测方法，对图像进行预处理的方法，其特征在于：首先对图像进行灰度拉伸处理，然后经差分、滤波后得到所需的特征图像。

4.如权利要求1所述的检测方法，N的确定方法，其特征在于：N的取值根据料仓实际尺寸设置，其每档距离不大于料仓料位的绝对误差值。

Images