CN103196789A - 柴油车尾气烟度检测方法 - Google Patents
柴油车尾气烟度检测方法 Download PDFInfo
- Publication number
- CN103196789A CN103196789A CN2013101120256A CN201310112025A CN103196789A CN 103196789 A CN103196789 A CN 103196789A CN 2013101120256 A CN2013101120256 A CN 2013101120256A CN 201310112025 A CN201310112025 A CN 201310112025A CN 103196789 A CN103196789 A CN 103196789A
- Authority
- CN
- China
- Prior art keywords
- tail gas
- image
- images
- diesel vehicle
- white paint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种柴油车尾气烟度检测方法,在摄像机正下方的路面上涂一层白色油漆形成白漆路面,当无柴油车经过白漆路面时,摄像机获取白漆路面的图像,保存并计算出最近N帧白漆路面的图像均值作为背景图像像素值;当柴油车通过白漆路面时,摄像机连续拍下M帧含有车辆尾气图像的路面图像,计算出M帧含有尾气图像的路面图像的均值作为目标图像像素值;在目标图像中提取尾气图像,在背景图像中提取尾气背景图像,将尾气图像与尾气背景图像对应像素值相减,相减结果作为尾气数据;采用灰度直方图计算出尾气数据的灰度概率密度,将灰度概率密度作为BP神经网络的输入,对BP神经网络训练,输出尾气烟度值,实现尾气烟度的稳定准确测定。
Description
技术领域
本发明涉及汽车尾气检测技术领域,尤其涉及柴油车尾气烟度检测方法。
背景技术
柴油车主要排放的污染物有一氧化碳、碳氢化合物、氮氧化物和颗粒,其中氮氧化物和颗粒对大气质量危害最大。在用柴油车处于正常工作状态时,保持正常的烟度排放水平对降低柴油车的排放污染、改善大气质量意义重大,为此需要对在用柴油车进行定期的烟度排放检测。目前针对柴油车尾气烟度检测方法一般采用静态检测方法,如林格曼烟度法、滤纸烟度法和烟度计法,静态检测方法的特点是相对位置固定,采用人工作业。然而静态检测方法无法解决柴油车尾气实时监测的难题,因为在尾气实时监测中,柴油车一直在运动,排气管位置因车型而不同,尾气烟羽持续时间短。
中国专利申请号为201210194526.9,名称为“尾气不透光烟度检测方法和***”公开了一种尾气不透光烟度检测方法和***,利用接收的高速摄像机发送的针对第一地面图像指令、第二地面图像指令获取的第一地面图像数据、第二地面图像数据进行烟度运算,得到该车辆的尾气不透光烟度,实现了实时检测尾气不透光烟度,检测效率高,但存在的不足之处是:一是路面漫反射对获取地面图像数据影响很大,因此路面漫反射造成了地面图像数据不准确;二是检测过程受到周围环境因素的影响,从地面图像数据得到尾气烟度为非线性输出,所以很难得到一个准确的测量结果。
发明内容
本发明的目的是为了克服现有柴油车尾气检测方法的不足,提供一种能减少路面漫反射影响、实现柴油车尾气烟度稳定准确测定的柴油车尾气烟度检测方法。
本发明采用的技术方案是:将分别连接控制器的距离传感器、摄像机均固定在位于路面上的同一垂直高度处,并垂直向下朝向路面,先在摄像机正下方的路面上涂一层白色油漆形成白漆路面,当无柴油车经过白漆路面时,距离传感器的测距保持不变,控制器控制摄像机获取白漆路面的图像,保存并计算出最近N帧白漆路面的图像均值作为背景图像像素值,10≤N≤30;当柴油车通过白漆路面时,控制器控制摄像机连续拍下M帧含有车辆尾气图像的路面图像,3≤M≤5,计算出M帧含有尾气图像的路面图像的均值作为目标图像像素值;再对所述背景图像和所述目标图像均进行灰度变换;在所述目标图像中提取尾气图像,在所述背景图像中提取尾气背景图像,将所述尾气图像与所述尾气背景图像对应像素值进行相减操作,相减结果作为尾气数据;最后采用灰度直方图计算出所述尾气数据的灰度概率密度,将所述灰度概率密度作为BP神经网络的输入,对BP神经网络训练,输出尾气烟度值,并保存在计算机中。
本发明的有益效果是:
1、本发明采用在摄像机垂直下方的路面涂上一层低反射的白色油漆,形成白漆路面,这样有利于减少路面的漫反射影响。油漆选择白色的原因是,在边缘检测、灰度变换这些图像处理操作过程中,更容易提取尾气图像。
2、由于BP神经网络具有很强的处理非线性问题的能力,本发明利用BP神经网络实现了尾气烟度的稳定准确的测定。
3、实现了柴油车尾气烟度的实时检测,解决了路面漫反射对获取地面图像数据的影响及在检测过程中受到各种环境因素影响的问题。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为柴油车尾气烟度检测装置的结构示意图;
图2为本发明柴油车尾气烟度检测方法流程图;
图中:1.距离传感器;2.摄像机;3.控制器;4.支架;5.计算机;6.白漆路面;7.柴油车;8.尾气。
具体实施方式
如图1所示,本发明柴油车尾气烟度检测方法的实施依赖于图1所示的柴油车尾气烟度检测装置,该柴油车尾气烟度检测装置包括距离传感器1、摄像机2、控制器3、支架4、计算机5、白漆路面6,其中,距离传感器1、摄像机2和控制器3均固定安装在支架4上,使距离传感器1与摄像机2位于路面上的同一垂直高度处,并使距离传感器1与摄像机2均垂直向下朝向路面。距离传感器1的测量精度为0.01m,摄像机2采用高精度的CCD摄像机,工作时根据环境光强,调整快门1/1K~1/10K秒、白平衡和自动增益,以获得较理想的地面图像。CCD摄像机采用PAL制式模拟输出,经视频解码器解码和A/D转换后变为YUV422信号。
在摄像机2正下方的路面上涂上一层低反射的白色油漆,形成白漆路面6,这样有利于减少路面的漫反射影响。距离传感器1和摄像机2分别连接控制器3,控制器3连接计算机5,控制器3根据距离传感器1的信号控制摄像机2,并将相应的柴油车尾气烟度数据传递到计算机5进行存储。
如图2所示的是柴油车尾气烟度检测方法,启动图1所示的柴油车尾气烟度检测装置,当无车辆经过白漆路面6时,距离传感器1测距结果始终保持不变,控制器3向摄像机2发出获取路面图像的指令,摄像机2对白漆路面6进行拍摄,获取地面图像,并保存最近N帧地面图像,10≤N≤30,摄像机2获取地面图像的帧率为30帧/分钟。计算机5保持空闲状态。当有车辆经过白漆路面6时,车辆头部导致距离传感器1测距结果骤变,控制器3发出准备指令,停止获取地面图像,并计算最近N帧地面图像的均值作为背景图像待用。车辆整体通过时,距离传感器1测距结果再次回归到常规值,控制器3向摄像机2发出抓拍指令,摄像机2连续拍下M帧含有尾气图像的地面图像,3≤M≤5,设置抓拍帧率为24帧/秒。选取高帧率是为了抓拍到有效尾气图像,防止飘散稀释。然后计算3帧含有尾气图像的路面图像的均值作为目标图像待用。
对背景图像和目标图像进行灰度变换。烟度测定是在灰度空间进行的,所以要对图像进行灰度变换。硬件采集到的视频为PAL制式的模拟视频信号,在传输和预览时采用YUV422信号,其中Y表示灰度值,U、V表示色度。所以只要从YUV422中抽取灰度值信号,就可以实现灰度变换。
在目标图像中提取尾气图像。采用Sobel边缘检测算法确定尾气图像边缘。Sobel算子,即将方向差分运算与局部平均相结合,它以目标像素点f(x,y)为中心,计算3×3邻域内的x和y方向的偏导数。这种方法不但有较好的边缘检测效果,同时由于它引入了局部平均,使其抗噪声能力比较高,定位精度可以满足烟度测定的要求。若增大邻域范围如5×5、9×9,效果更好,但增加了计算量,得到的边缘也较粗,经过试验确定3×3是比较合适的大小。
在背景图像中提取尾气背景图像。根据目标图像中尾气图像的位置,提取背景图像中尾气图像的背景,作为尾气背景图像。
将尾气图像与尾气背景图像进行相减操作,作为尾气数据,操作中数据出现负值的置为零。
计算尾气数据的灰度概率密度。通过对上述尾气数据进行像素灰度统计,采用灰度直方图来求得尾气灰度分布。在尾气灰度分布的基础上,通过将各级灰度像素数目与总像素数目进行相除,计算得出反映图像灰度分布比率的灰度概率密度。
BP神经网络测定尾气烟度。BP神经网络结构为输入层、隐含层和输出层。输入层为尾气数据的灰度概率密度分布,输入值在0到255之间。输出层为尾气烟度,输出值在0到5级之间。输入层和输出层节点数分别为256和1,隐层节点数目为18。隐含层传递函数为正切S型,输出层为线性传递函数,并对输出值进行取整。
提取200次车辆经过的尾气数据的灰度概率密度,并人工标记尾气烟度作为样本集,样本集S=P1+P2,其中P1作为训练样本,样本数为100,P2作为测试样本,样本数为100。采用上述的BP神经网络结构进行批训练,直到BP神经网络的训练性能不再减少为止。按训练阶段产生的BP神经网络对测试样本测定尾气烟度,与测试样本标记的尾气烟度进行对比,如果对比结果不满足要求,则继续对BP神经网络进行训练,直到满足要求为止。
根据BP神经网络测定的尾气烟度,作为柴油车尾气烟度检测装置测定的烟度值输出,并保存在计算机5中。
Claims (4)
1.一种柴油车尾气烟度检测方法,将分别连接控制器的距离传感器、摄像机均固定在位于路面上的同一垂直高度处,并垂直向下朝向路面,其特征是还包括以下步骤:
(1)在摄像机正下方的路面上涂一层白色油漆形成白漆路面,当无柴油车经过白漆路面时,距离传感器的测距保持不变,控制器控制摄像机获取白漆路面的图像,保存并计算出最近N帧白漆路面的图像均值作为背景图像像素值,10≤N≤30;当柴油车通过白漆路面时,控制器控制摄像机连续拍下M帧含有车辆尾气图像的路面图像,3≤M≤5,计算出M帧含有尾气图像的路面图像的均值作为目标图像像素值;
(2)对所述背景图像和所述目标图像均进行灰度变换;在所述目标图像中提取尾气图像,在所述背景图像中提取尾气背景图像,将所述尾气图像与所述尾气背景图像对应像素值进行相减操作,相减结果作为尾气数据;
(3)采用灰度直方图计算出所述尾气数据的灰度概率密度,将所述灰度概率密度作为BP神经网络的输入,对BP神经网络训练,输出尾气烟度值,并保存在计算机中。
2.根据权利要求1所述的柴油车尾气烟度检测方法,其特征是:步骤(3)中所述BP神经网络输入值在0到255之间,输出值在0到5之间,输入层和输出层节点数分别为256和1,隐层节点数为18,隐含层传递函数为正切S型,输出层为线性传递函数,并对输出值进行取整,训练样本集S= P1+P2,P1是训练样本,样本数为100,P2是测试样本,样本数为256。
3.根据权利要求1所述的柴油车尾气烟度检测方法,其特征是:步骤(2)中所述在目标图像中提取尾气图像,采用Sobel边缘检测算法确定尾气图像边缘,是以目标图像像素点f(x,y)为中心,计算3×3邻域内的x和y方向的偏导数提取尾气图像。
4.根据权利要求1所述的柴油车尾气烟度检测方法,其特征是:步骤(3)中,在灰度直方图上,将各级灰度像素数目与总像素数目相除,计算出灰度概率密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101120256A CN103196789A (zh) | 2013-04-02 | 2013-04-02 | 柴油车尾气烟度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101120256A CN103196789A (zh) | 2013-04-02 | 2013-04-02 | 柴油车尾气烟度检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103196789A true CN103196789A (zh) | 2013-07-10 |
Family
ID=48719481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101120256A Pending CN103196789A (zh) | 2013-04-02 | 2013-04-02 | 柴油车尾气烟度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103196789A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424598A (zh) * | 2014-11-29 | 2016-03-23 | 巫立斌 | 一种基于图像识别的机动车尾气检测方法 |
CN105867253A (zh) * | 2016-05-24 | 2016-08-17 | 江苏腾飞环境工程设备有限公司 | 一种废气处理方法 |
CN106680281A (zh) * | 2016-12-31 | 2017-05-17 | 中国科学技术大学 | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 |
CN106769732A (zh) * | 2016-12-31 | 2017-05-31 | 中国科学技术大学 | 一种垂直式柴油车烟度检测方法 |
CN106951821A (zh) * | 2016-12-27 | 2017-07-14 | 湘潭大学 | 一种基于图像处理技术的黑烟车智能监控识别方法 |
CN108037099A (zh) * | 2017-12-04 | 2018-05-15 | 佛山市南海区环境保护监测站(佛山市南海区机动车排气污染管理所) | 一种利用光电测烟仪测量机动车尾气黑度的方法 |
CN109115731A (zh) * | 2018-10-10 | 2019-01-01 | 浙江浙大鸣泉科技有限公司 | 基于摄像头灰度测量黑烟车不透光度的方法 |
CN110487797A (zh) * | 2019-08-31 | 2019-11-22 | 中国石油集团川庆钻探工程有限公司 | 一种用于试油测试的分离器排液口逸散气体监测方法 |
CN112541462A (zh) * | 2020-12-21 | 2021-03-23 | 南京烨鸿智慧信息技术有限公司 | 用于有机废气的光净化效果检测的神经网络的训练方法 |
CN112907684A (zh) * | 2021-03-12 | 2021-06-04 | 珠海格力电器股份有限公司 | 一种湿度检测方法、装置、设备及介质 |
CN112924349A (zh) * | 2021-01-27 | 2021-06-08 | 安徽优思天成智能科技有限公司 | 一种柴油车图像烟度检测方法及*** |
CN113139569A (zh) * | 2021-03-04 | 2021-07-20 | 山东科技大学 | 目标分类检测方法、装置与*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634551A (zh) * | 2009-08-18 | 2010-01-27 | 清华大学深圳研究生院 | 一种检测表面粗糙度的方法及其*** |
CN101706964A (zh) * | 2009-08-27 | 2010-05-12 | 北京交通大学 | 一种基于图像导数结构的颜色恒常性计算方法及*** |
CN102721693A (zh) * | 2012-06-13 | 2012-10-10 | 安徽宝龙环保科技有限公司 | 尾气不透光烟度检测方法和*** |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别*** |
-
2013
- 2013-04-02 CN CN2013101120256A patent/CN103196789A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634551A (zh) * | 2009-08-18 | 2010-01-27 | 清华大学深圳研究生院 | 一种检测表面粗糙度的方法及其*** |
CN101706964A (zh) * | 2009-08-27 | 2010-05-12 | 北京交通大学 | 一种基于图像导数结构的颜色恒常性计算方法及*** |
CN102721693A (zh) * | 2012-06-13 | 2012-10-10 | 安徽宝龙环保科技有限公司 | 尾气不透光烟度检测方法和*** |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别*** |
Non-Patent Citations (1)
Title |
---|
杨俊东,杨崇: "基于BP神经网络的图像异常辨识算法设计", 《辽宁工程技术大学学报》, vol. 26, no. 5, 31 October 2007 (2007-10-31) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424598A (zh) * | 2014-11-29 | 2016-03-23 | 巫立斌 | 一种基于图像识别的机动车尾气检测方法 |
CN105867253A (zh) * | 2016-05-24 | 2016-08-17 | 江苏腾飞环境工程设备有限公司 | 一种废气处理方法 |
CN106951821A (zh) * | 2016-12-27 | 2017-07-14 | 湘潭大学 | 一种基于图像处理技术的黑烟车智能监控识别方法 |
CN106680281A (zh) * | 2016-12-31 | 2017-05-17 | 中国科学技术大学 | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 |
CN106769732A (zh) * | 2016-12-31 | 2017-05-31 | 中国科学技术大学 | 一种垂直式柴油车烟度检测方法 |
CN108037099A (zh) * | 2017-12-04 | 2018-05-15 | 佛山市南海区环境保护监测站(佛山市南海区机动车排气污染管理所) | 一种利用光电测烟仪测量机动车尾气黑度的方法 |
CN109115731A (zh) * | 2018-10-10 | 2019-01-01 | 浙江浙大鸣泉科技有限公司 | 基于摄像头灰度测量黑烟车不透光度的方法 |
CN110487797A (zh) * | 2019-08-31 | 2019-11-22 | 中国石油集团川庆钻探工程有限公司 | 一种用于试油测试的分离器排液口逸散气体监测方法 |
CN112541462A (zh) * | 2020-12-21 | 2021-03-23 | 南京烨鸿智慧信息技术有限公司 | 用于有机废气的光净化效果检测的神经网络的训练方法 |
CN112924349A (zh) * | 2021-01-27 | 2021-06-08 | 安徽优思天成智能科技有限公司 | 一种柴油车图像烟度检测方法及*** |
CN113139569A (zh) * | 2021-03-04 | 2021-07-20 | 山东科技大学 | 目标分类检测方法、装置与*** |
CN113139569B (zh) * | 2021-03-04 | 2022-04-22 | 山东科技大学 | 目标分类检测方法、装置与*** |
CN112907684A (zh) * | 2021-03-12 | 2021-06-04 | 珠海格力电器股份有限公司 | 一种湿度检测方法、装置、设备及介质 |
CN112907684B (zh) * | 2021-03-12 | 2024-06-25 | 珠海格力电器股份有限公司 | 一种湿度检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103196789A (zh) | 柴油车尾气烟度检测方法 | |
CN105699381B (zh) | 一种基于机器视觉的铁轨扣件检测装置 | |
CN103499585B (zh) | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 | |
CN106226157B (zh) | 混凝土构件裂缝自动检测装置及方法 | |
CN107064169A (zh) | 一种桥梁裂缝检测装置及检测方法 | |
US20130141544A1 (en) | Information processing apparatus, control method for the same and storage medium | |
CN111126165B (zh) | 黑烟车检测方法、装置及电子设备 | |
CN108593958B (zh) | 同步获取气固两相流速度场的方法和装置 | |
CN102221559A (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN101321270B (zh) | 一种实时优化图像的监控***及方法 | |
CN108174170B (zh) | 基于摄像头的投影区域尺寸自检测方法、***及设备 | |
CN102175700A (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN102855617B (zh) | 自适应图像处理方法及*** | |
CN103808723A (zh) | 一种柴油车烟气黑度自动检测装置 | |
CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
CN107613229A (zh) | 一种图像传感器坏点检测校正装置及方法 | |
CN106067177A (zh) | Hdr场景侦测方法和装置 | |
CN104200457A (zh) | 基于广角摄像的离散型冠层叶面积指数检测***和方法 | |
CN106127124A (zh) | 出租车前排区域的异常图像信号的自动检测方法 | |
CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
CN116385758A (zh) | 基于YOLOv5网络对传送带表面损伤的检测方法 | |
CN112945323A (zh) | 一种上煤流量检测方法 | |
CN113362274B (zh) | 一种雨量监测计算方法 | |
CN116958082A (zh) | 一种带钢表面色差缺陷检出方法、装置及电子设备 | |
CN108509851B (zh) | 基于图像分析的气候危情报警平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130710 |