CN102116661A - 一种基于机器视觉的料仓极限位置动态料位的检测方法 - 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极限位置动态料位的检测方法。本发明通过拍摄料仓图像，对图像进行实时处理，完成对于动态料位的实时监测，实现料位的超限报警。本发明通过分析料仓极限位置图像的特点，以采用图像处理方式提取的特定图像特征为依据，将料仓极限位置附近的动态料位对应于检测状态、监测状态、报警状态三种工作状态，实现料位的超限报警，具有实时性好，可靠性高的特点，特别适用于煤矿井下煤仓等对于料仓极限位置料位有安全性强制要求的场合。

Description

一种基于机器视觉的料仓极限位置动态料位的检测方法

技术领域

本发明涉及料仓极限位置料位的检测。本发明具体涉及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极限位置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。目前的方式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，也只能作为静态的连续测量，不能作为极限位置的动态测量，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；

(3)不能解决极限位置的动态测量问题；

(4)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***的可靠度的自检机制，***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极限位置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，采用3种工作状态动态切换的方式，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于图像质量的要求，增强了对于料仓恶劣的图像环境的适应能力；

(2)采用3种工作状态动态切换的方式，增加了料位检测的实时性与可靠性；

(3)实现了料仓极限位置料位的动态检测。

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***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***：

图像处理***包括数据存储、图像处理、数据通信、报警功能。

图像处理包括：

(1)图像熵运算：

图像熵运算功能是对于拍得的图像提取图像熵，通过图像熵分布规律判断料位是否进入监测区域。

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。由于料仓图像往往灰度分布不均衡，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，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(l，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)PCNN料位检测算法：

(a)采用PCNN算法对图像进行分割，得到料位线。

(b)与预制的该焦距下的图像中不同料位在图像中的刻度线对比得到料位值。

(c)预制的该焦距下的图像中不同料位在图像中的刻度线的刻度方法：

将相机镜头焦距调节到对应物距h1处，在料仓底部(料位区间[0，2h1])的仓壁上，竖立标尺，标尺可以设置发光或反光标识，例如发光二极管、反光镜面，对应标尺标识，拍摄图像，这样得到带有标尺的图像，经图像处理得到料位刻度图像。

***工作流程：

将***运行分为检测状态、监测状态、报警状态三种工作状态；设料仓高度为h，料仓下部料位极限位置为h1；***开始工作后，首先将相机镜头焦距设定到物距对应h1处，***进入检测状态，在检测状态下，连续拍摄一组n幅图像，计算预处理后图像的图像熵值Z′(i)，并计算得到图像熵比对值T1，T1＝[Z′(1)+Z′(2)+...+Z′(n)]/n，n取整数值，当T1＜＝Z时(Z为预先取得的图像熵上限值，Z的获得方法：首先将相机镜头焦距设定到物距对应h1处，将料位调整到2h1处，拍摄一组t幅图像，图像经预处理后分别计算每幅图像的图像熵，记作Z1，Z2，...Zt，计算图像熵上限值Z＝(Z1+Z2+...+Zt)/t)，返回检测状态的初始状态，进行下一组n幅图像的比对操作，当T1＞Z时，***进入监测状态；监测状态下，连续拍摄一组m幅图像，计算预处理后图像的图像熵值Z′(j)，并计算得到图像熵比对值T2，T2＝[Z′(1)+Z′(2)+...+Z′(m)]/m，m取整数值，当T2＜＝Z时，则返回检测状态，当T2＞Z时，则对于拍摄的一组m幅图像采用料位边沿检测算法得到料位边沿，并计算得到料位值Y(i)与料位比对值L1，(得到料位值Y(i)与料位比对值L1的计算方法：对于连续拍摄的图像，经图像预处理后，进行PCNN边沿检测，得到料位边沿，将料位边沿与料位刻度图像比对，得到一组m个料位值，记为Y(i)，i＝1，2，...m，计算L1＝[Y(1)+Y(2)+...+Y(m)]/m，m取整数值)，当L1＞＝h1时，返回监测状态的初始状态，当 L1＜h1时，***进入报警状态；报警状态下，连续拍摄一组k幅图像，对于拍摄的一组k幅图像采用料位边沿检测算法得到料位边沿，并计算得到料位值Y(j)与料位比对值L2，(计算得到料位值Y(j)与料位比对值L2的计算方法：对于连续拍摄的图像，经图像预处理后，进行PCNN边沿检测，得到料位边沿，将料位边沿与料位刻度图像对比，得到一组k个料位值，记为Y(j)，j＝1，2，...k，计算L2＝[Y(1)+Y(2)+...+Y(k)]/k，k取整数值)，当L2＜＝h1+h2时(h2为料位极限位置限位回差值，选取h2等于绝对误差值Δh)，继续报警，然后返回报警状态的初始状态，当L2＞h1+h2时，解除报警状态，返回监测状态。

***工作流程如图3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***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，检测精度要求0.25m。最低料仓限位值为4m。

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3，描述了本发明检测方法的具体实施过程：

在检测之前，要首先预制料位刻度线图，将相机镜头焦距设定到对应物距36m处，(参照相机镜头的参数表调节，本发明设计的检测***处于运行状态时，相机镜头焦距也设定到此数值)，在料仓底部(料位区间[0，8m])的仓壁上，竖立标尺，标尺每0.25m设置一个发光标识，发光标识采用发光二极管，拍摄图像，这样得到带有标尺的图像，经图像处理后得到料位刻度图像。

本发明设计的检测***的运行分为检测状态、监测状态、报警状态三种运行状态。

参见附图3，***启动运行后，首先进入检测状态，在检测状态下，执行201，连续拍摄一组n幅图像，计算预处理后图像的图像熵值Z’(i)，并计算得到图像熵比对值T1，T1＝[Z’(1)+Z’(2)+...+Z’(n)]/n，n取整数值，然后执行202，当T1＜＝Z时(Z为预先取得的图像熵上限值，Z的获得方法：首先将相机镜头焦距设定到物距对应36m处，将料位调整到8m处，拍摄一组t幅图像，图像经预处理后分别计算每幅图像的图像熵，记作Z1，Z2，...Zt，计算图像熵上限值Z＝(Z1+Z2+...+Zt)/t)，返回检测状态的初始状态，执行201，当T1＞Z时，***进入监测状态。

监测状态下，执行203，连续拍摄一组m幅图像，计算预处理后图像的图像熵值Z’(j)，并计算得到图像熵比对值T2，T2＝[Z’(1)+Z’(2)+...+Z’(m)]/m，m取整数值，然后执行204，当T2＜＝Z时，则返回201，当T2＞Z时，则执行205，连续拍摄一组m幅图像，对于拍摄的一组m幅图像采用料位边沿检测算法得到料位边沿，并计算得到料位值Y(i)与料位比对值L1，(得到料位值Y(i)与料位比对值L1的计算方法：对于连续拍摄的图像，经图像预处理后，进行PCNN边沿检测，得到料位边沿，将料位边沿与料位刻度图像比对，得到一组m个料位值，记为Y(i)，i＝1，2，...m，计算L1＝[Y(1)+Y(2)+...+Y(m)]/m，m取整数值)，然后执行206，当L1＞＝h1时，返回203，当L1＜h1时，***进入报警状态。

报警状态下，执行208，连续拍摄一组k幅图像，对于拍摄的一组k幅图像采用料位边沿检测算法得到料位边沿，并计算得到料位值Y(j)与料位比对值L2，(计算得到料位值Y(j)与料位比对值L2的计算方法：对于连续拍摄的图像，经图像预处理后，进行PCNN边沿检测，得到料位边沿，将料位边沿与料位刻度图像对比，得到一组k个料位值，记为Y(j)，j＝1，2，...k，计算L2＝[Y(1)+Y(2)+...+Y(k)]/k，k取整数值)，然后执行209，当L2＜h1+h2时(h2为料位极限位置限位回差值，选取h2等于0.25m)，执行210，然后返回208，当L2＞＝h1+h2时，执行207，返回203。

Claims (8)

1.一种基于机器视觉的料仓极限位置动态料位的检测方法，其特征在于：将***运行分为检测状态、监测状态、报警状态三种工作状态；设料仓高度为h，料仓下部料位极限位置为h1；***开始工作后，首先将相机镜头焦距设定到物距对应h1处，***进入检测状态，在检测状态下，连续拍摄一组n幅图像，计算预处理后图像的图像熵值Z’(i)，并计算得到图像熵比对值T1，当T1＜＝Z时(Z为预先取得的图像熵上限值)，返回检测状态的初始状态，进行下一组n幅图像的比对操作，当T1＞Z时，***进入监测状态；监测状态下，连续拍摄一组m幅图像，计算预处理后图像的图像熵值Z’(j)，并计算得到图像熵比对值T2，当T2＜＝Z时，则返回检测状态，当T2＞Z时，则对于拍摄的一组m幅图像采用料位边沿检测算法得到料位边沿，并计算得到料位值Y(i)与料位比对值L1，当L1＞＝h1时，返回监测状态的初始状态，当L1＜h1时，***进入报警状态；报警状态下，连续拍摄一组k幅图像，对于拍摄的一组k幅图像采用料位边沿检测算法得到料位边沿，并计算得到料位值Y(j)与料位比对值L2，当L2＜＝h1+h2时(h2为料位极限位置限位回差值)，继续报警，然后返回报警状态的初始状态，当L2＞h1+h2时，解除报警状态，返回监测状态。

2.如权利要求1所述的检测方法，预先取得的图像熵上限值Z的获得方法，其特征在于：首先将相机镜头焦距设定到物距对应h1处，将料位调整到2h1处，拍摄一组t幅图像，图像经预处理后分别计算每幅图像的图像熵，记作Z1，Z2，...Zt，计算图像熵上限值Z＝(Z1+Z2+...+Zt)/t。

3.如权利要求1所述的检测方法，检测状态下，计算预处理后图像的图像熵Z’(i)，并计算得到图像熵比对值T1的方法，其特征在于：首先，对连续拍摄的一组n幅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，得到一组n个图像熵值，记为Z’(i)，i＝1，2，...，n；计算T1＝[Z’(1)+Z’(2)+...+Z’(n)]/n，n取整数值。

4.如权利要求1所述的检测方法，监测状态下，计算预处理后图像的图像熵Z’(j)，并计算得到图像熵比对值T2的方法，其特征在于：首先，对图像进行预处理运算，然后计算其图像熵，得到一组m个图像熵值，记为Z’(j)，j＝1，2，...，m；计算T2＝[Z’(1)+Z’(2)+...+Z’(m)]/m，m取整数值。

5.如权利要求1所述的检测方法，监测状态下，计算得到料位值Y(i)与料位比对值L1的计算方法，其特征在于：对于连续拍摄的图像，经图像预处理后，进行PCNN边沿检测，得到料位边沿，将料位边沿与料位刻度图像比对，得到一组m个料位值，记为Y(i)，i＝1，2，...m，计算L1＝[Y(1)+Y(2)+...+Y(m)]/m，m取整数值。

6.如权利要求1所述的检测方法，报警状态下，计算得到料位值Y(j)与料位比对值L2的计算方法，其特征在于：对于连续拍摄的图像，经图像预处理后，进行PCNN边沿检测，得到料位边沿，将料位边沿与料位刻度图像对比，得到一组k个料位值，记为Y(j)，j＝1，2，...k，计算L2＝[Y(1)+Y(2)+...+Y(k)]/k，k取整数值。

7.如权利要求5、6所述的检测方法，料位刻度图像的获得方法，其特征在于：首先，将相机镜头焦距调节到对应物距h1处，在料仓底部(料位区间[0，2h1])的仓壁上，竖立标尺，按照料仓料位检测的绝对误差值Δh设置标尺标识，每间隔一个Δh值对应一个标尺标识，然后拍摄图像，这样得到带有标尺的图像，经图像处理得到料位刻度图像。

8.如权利要求1所述的检测方法，料位极限位置限位回差值h2的取值方法，其特征在于：选取h2等于绝对误差值Δh。

Images