CN109932281B - 基于视觉的液体黏度在线测量方法 - Google Patents
基于视觉的液体黏度在线测量方法 Download PDFInfo
- Publication number
- CN109932281B CN109932281B CN201711373218.1A CN201711373218A CN109932281B CN 109932281 B CN109932281 B CN 109932281B CN 201711373218 A CN201711373218 A CN 201711373218A CN 109932281 B CN109932281 B CN 109932281B
- Authority
- CN
- China
- Prior art keywords
- liquid
- viscosity
- calculating
- optical flow
- field
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明涉及基于视觉的液体黏度在线测量方法,主要包括:光流法计算速度场和根据速度场计算液体黏度两个部分。首先使用摄像机采集固定时间间隔的流体图片序列或视频,然后利用光流技术计算光流场,再根据物像比例关系计算液体速度场,最后根据牛顿流体公式或查表法计算液体黏度。本发明能够非接触式在线实时测量液体黏度,从而在不影响设备正常工作的前提下实时监测设备中的液体黏度信息。
Description
技术领域
本发明属于图像处理领域,具体说是一种液体黏度的测量方法。
背景技术
流体的黏度测量在工业生产和科学研究领域中十分重要,特别是在医药、食品、化工等生产流程中需要准确测量黏度以保证产品质量。所使用的测量装置和方法也种类繁多,常见的有管流法、落球法、旋转法和泄流法等。实验室测量流体黏度常用的旋转式黏度计并不适用于生产现场的黏度检测,而生产现场采用的手提式漏斗黏度计等装置也存在测量结果不准确、操作繁琐等问题。并且上述方法均为离线测量,额外增加了生产工序,并且当生产与测量环境差异较大,如高温生产环境时测量结果会有很大误差。另外由于无法实时监测生产过程中流体的黏度,对在生产过程中的配料、环境改变导致的黏度变化难以被及时发现,从而影响产品的质量。
发明内容
为实时监测液体黏度,本发明提供一种在线黏度检测方法。该方法实时采集液体流动图像,并计算出其速度场和黏度信息,实现了对黏度的在线实时测量。
本发明为实现上述目的所采用的技术方案是:一种速度场和黏度在线测量方法,包括以下步骤:
图像采集:采集液体的流动图像;
计算光流场:通过光流方法计算光流场;
计算速度场:根据摄像机参数和光流场计算速度场;
估计黏度:根据速度场估计液体黏度。
所述图像采集包括以下步骤:
摄像机对流动的液体采集设定时间间隔的图像,得到相邻拍摄的图片1和图片2组成的图片对。
所述计算光流场包括以下步骤:
1)分别根据图片1和图片2建立高斯图像金字塔1和高斯图像金字塔2,其
中每层图像的灰度值分别为:I1,I2;
2)计算两个高斯图像金字塔中每层图像的梯度:Ix,Iy;
3)对图像金字塔1和2从高到低每层金字塔组成金字塔层对,共同完成以下运算,以求得光流场u,v:
3.1)计算本层金字塔的时间梯度:It=I2-I1;
3.2)清空光流场增量:du,dv;
3.3)使用超松弛迭代法计算每个像素点的du,dv;
3.4)利用du,dv计算结果更新光流:u=u+du,v=v+dv;
3.5)利用本层图像金字塔2和光流结果得出液体移动前的图像,并替换本层图像金字塔2;
4)从高到低依次将每层光流结果传递给下一层:u=u*k,v=v*k,其中k是金字塔降采样尺度。
所述使用超松弛迭代法计算每个像素点的du,dv包括以下步骤:
(1)计算本层金字塔中每个像素点的权重wh和ws,其中
(2)计算每个像素点的权重ws与梯度的乘积,分别记做Ixx=ws*Ix*Ix,Ixy=ws*Ix*Iy,Iyy=ws*Iy*Iy,Ixt=ws*Ix*It,Iyt=ws*Iy*It;
(3)使用超松弛迭代法迭代计算每个像素点的du,dv直到满足迭代次数,其中计算公式为
其中,α、ω为常数;计算点的坐标为(x,y)时,对应的参数下标为(x,y)。
所述计算速度场包括以下步骤:
根据公式d=dplp求得光流场中每个像素位移对应的空间位移,其中d是像的空间位移、dp是光流场中的像素位移,lp是像素的物理尺寸;
所述估计黏度包括以下步骤:
首先将液体速度场中的最大速度作为液体表层流速;
当液体流量固定时,通过查表法估计液体黏度:
估计黏度需要固定液体的流量;
然后分别计算不同已知黏度的液体的速度场并通过插值方法得到液体黏度与表层流速的对应关系;
通过查找表层流速与液体黏度对应关系得到当前表层流速所对应的液体黏度。
本发明具有以下有益效果及优点:
1.本发明能够进行实时在线测量,从而能够实时监测液体的流动性和黏度。
2.本发明采用非接触式检测方式,无须对待测液体进行额外操作,避免了额外的工序和干扰生产设备的正常工作。
3.本发明进行计算机自动检测,自动返回速度场和黏度信息,节约了人力成本。
4.本发明对于结果的变化量更为敏感,能够及时发现黏度的改变,从而提高了测量的灵敏度。
附图说明
图1本发明的在线测量***示意图;
其中,1是摄像机,2是流动的液体,3是承载液体的平板;
图2本发明的基本方法流程图;
图3本发明的稠密光流法求光流场流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
一种速度场和黏度在线测量***,包括以下步骤:
图像采集:采集液体的流动图像;
计算光流场:通过光流方法计算光流场;
计算速度场:根据摄像机参数和光流场计算速度场;
估计黏度:根据速度场估计液体黏度。
摄像机对流动的液体采集固定时间间隔的图像,即图片序列或视频。
通过稀疏或稠密光流方法计算出图片序列或视频中相邻图片的光流场。稀疏光流方法首先选择出图片中亮度变化明显的像素点作为关键点,然后计算相邻图片关键点位置的稀疏光流场。此方法具有运算速度快、实时性好、能够产生与拍摄图像同帧率的光流场的特点。
稠密光流方法在每次计算时首先提取一定数量的相邻图片对,然后对每个图片对计算稠密光流。此方法具有光流场铺满整个图片,每个像素都有各自对应光流值的特点。
计算速度场,首先根据光流场中的像素位移量和像素物理尺寸求得像的空间位移场,然后根据物像关系式求得像距和液体的速度场。
估计液体黏度,本方法适用于存在一定流动纹理或内含杂质、气泡等速度参照物的液体,将速度场中的最大速度作为液体的表层流速。根据实际情况,采用计算法或查表法估计液体黏度。
根据实际情况选择方法:当液体厚度容易测量时,可以使用计算法估计黏度;当液体流量固定时,可以使用查表法估计黏度;
计算法估计液体黏度,包括以下步骤:
步骤(1):测量液体厚度;
步骤(2):根据液体表层流速和液体厚度,通过牛顿流体的黏度公式计算出液体黏度。
查表法估计液体黏度:当液体的流量稳定时,通过标定得到固定流量液体的黏度与速度的对应关系,在实际工作中通过查表法求得同一流量速度液体的对应黏度。
标定包括以下步骤:
步骤(1):固定液体的流量;
步骤(2):分别计算不同已知黏度的液体的稳定速度场;
步骤(3):将速度场中的最大速度作为液体的表层流速;
步骤(4):通过插值方法得到液体黏度与表层流速的对应关系曲线。
测量***的硬件结构如图1所示。生产设备正常工作,选择液体2匀速流淌的一段区域,摄像机1拍摄得到此区域中从承载液体的平板3缓慢流下的液体的图像。
本发明的基本方法流程图如图2所示。首先摄像机拍摄流淌液体的图片序列或视频;其次利用稀疏或稠密光流法计算光流场;然后根据光流场计算速度场;最后根据计算得到的速度场通过计算法或查表法估计液体的黏度。
考虑到拍摄得到的液体图片具有特征点少、锐度低、非刚性的特点,本发明采用光流方法计算速度场。通过稀疏或稠密光流方法计算出图片序列或视频中相邻图片的光流场。稀疏方法首先选择出图片中与周围区分较大的像素点如sift特征点、Harris角点等作为关键点,当液体内含有杂质或气泡时,通常会选出杂质或气泡的边缘点或中心点作为关键点。然后用Lucas Kanade等方法计算图片中关键点处的稀疏光流场。此方法具有运算速度快、实时性好、能够产生与拍摄图像同帧率的光流场的优势。稠密方法在每次计算时首先提取一定数量的相邻图片对,然后用稠密光流算法来分别对每个图片对计算稠密光流。此方法具有光流场铺满整个图像,每个像素都有各自对应的光流速度的优势。
如图3所示,本专利使用了合适的稠密光流算法完成了对液体光流场u,v的测量,其具体的实现步骤是:
(1)生成两张相邻拍摄的图片1和图片2组成的图片对;
(2)进行去噪声、图像灰度化等图片预处理;
(3)分别根据图片1和图片2建立高斯图像金字塔1和高斯图像金字塔2,其中每层图像的灰度值分别为:I1,I2;
(4)计算两个高斯图像金字塔中每层图像的梯度:Ix,Iy;
(5)对从高到低每层金字塔完成以下运算:
(5.1)进行外层迭代直到满足迭代次数:
(5.1.1)计算本层金字塔的时间梯度:It=I2-I1;
(5.1.2)清空光流场增量:du,dv;
(5.1.3)进行内层迭代直到满足迭代次数:
(5.1.3.1)计算本层金字塔中每个像素点的权重wh和ws,其中
(5.1.3.2)计算每个像素点的权重ws与梯度的乘积,分别记做Ixx=ws*Ix*Ix,Ixy=ws*Ix*Iy,Iyy=ws*Iy*Iy,Ixt=ws*Ix*It,Iyt=ws*Iy*It,
(5.1.3.3)使用超松弛迭代法(SOR)迭代计算每个像素点的du,dv直到满足迭代次数,其中计算公式为
其中α=0.75,ω=1.8;计算点的坐标为(x,y)时,对应的参数下标为(x,y),下标为(x-1,y)的参数从属于计算点的左侧点,默认参数下标为(x,y);
(5.1.4)利用du,dv计算结果更新光流:u=u+du,v=v+dv;
(5.1.5)利用本层图像金字塔2和光流结果推算出移动前的图像,并替换本层图像金字塔2;
(5.2)传递金字塔1和2当前层所共同计算的光流场结果给下一层:u=u*k,v=v*k,其中k是金字塔降采样尺度,通常值为2;
通过光流场计算速度场的基本方法是:根据公式求得像距,其中o是物距、i是像距、f是焦距;根据公式d=dplp求得光流场中每个像素位移对应的空间位移,其中d是像的空间位移、dp是光流场中的像素位移,lp是像素的物理尺寸;根据公式求得光流场对应的液体速度场,其中vo是液体速度、T是采样时间间隔。
Claims (3)
1.一种速度场和黏度在线测量方法,其特征在于包括以下步骤:
图像采集:采集液体的流动图像;
计算光流场:通过光流方法计算光流场;
所述图像采集包括以下步骤:
摄像机对流动的液体采集设定时间间隔的图像,得到相邻拍摄的图片1和图片2组成的图片对;
所述计算光流场包括以下步骤:
1)分别根据图片1和图片2建立高斯图像金字塔1和高斯图像金字塔2,其中每层图像的灰度值分别为:I1,I2;
2)计算两个高斯图像金字塔中每层图像的梯度:Ix,Iy;
3)对图像金字塔1和2从高到低每层金字塔组成金字塔层对,共同完成以下运算,以求得光流场u,v:
3.1)计算本层金字塔的时间梯度:It=I2-I1;
3.2)清空光流场增量:du,dv;
3.3)使用超松弛迭代法计算每个像素点的du,dv;
3.4)利用du,dv计算结果更新光流:u=u+du,v=v+dv;
3.5)利用本层图像金字塔2和光流结果得出液体移动前的图像,并替换本层图像金字塔2;
4)从高到低依次将每层光流结果传递给下一层:u=u*k,v=v*k,其中k是金字塔降采样尺度;
计算速度场:根据摄像机参数和光流场计算速度场;
估计黏度:根据速度场估计液体黏度;
所述计算速度场包括以下步骤:
根据公式d=dplp求得光流场中每个像素位移对应的空间位移,其中d是像的空间位移、dp是光流场中的像素位移,lp是像素的物理尺寸;
所述估计黏度包括以下步骤:
首先将液体速度场中的最大速度作为液体表层流速;
3.根据权利要求1所述的一种速度场和黏度在线测量方法,其特征在于:当液体流量固定时,通过查表法估计液体黏度:
估计黏度需要固定液体的流量;
然后分别计算不同已知黏度的液体的速度场并通过插值方法得到液体黏度与表层流速的对应关系;
通过查找表层流速与液体黏度对应关系得到当前表层流速所对应的液体黏度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711373218.1A CN109932281B (zh) | 2017-12-19 | 2017-12-19 | 基于视觉的液体黏度在线测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711373218.1A CN109932281B (zh) | 2017-12-19 | 2017-12-19 | 基于视觉的液体黏度在线测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109932281A CN109932281A (zh) | 2019-06-25 |
CN109932281B true CN109932281B (zh) | 2021-08-17 |
Family
ID=66983562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711373218.1A Active CN109932281B (zh) | 2017-12-19 | 2017-12-19 | 基于视觉的液体黏度在线测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109932281B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205914B (zh) * | 2023-04-28 | 2023-07-21 | 山东中胜涂料有限公司 | 一种防水涂料生产智能监测*** |
CN116612123B (zh) * | 2023-07-21 | 2023-10-13 | 山东金胜粮油食品有限公司 | 一种花生油加工质量视觉检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561383A (zh) * | 2009-05-26 | 2009-10-21 | 上海大学 | 基于计算机视觉的有色液体粘度自动测定***及方法 |
CN101750515A (zh) * | 2008-12-03 | 2010-06-23 | 中国科学院理化技术研究所 | 一种非接触式测量液体参数的测量方法 |
CN104869387A (zh) * | 2015-04-19 | 2015-08-26 | 中国传媒大学 | 基于光流法的双目图像最大视差获取方法 |
CN106204640A (zh) * | 2016-06-29 | 2016-12-07 | 长沙慧联智能科技有限公司 | 一种运动目标检测***及方法 |
CN106780559A (zh) * | 2016-12-28 | 2017-05-31 | 中国科学院长春光学精密机械与物理研究所 | 一种运动目标检测方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8079250B2 (en) * | 2008-07-09 | 2011-12-20 | Lockheed Martin Corporation | Viscometer system utilizing an optical flow cell |
US8509489B2 (en) * | 2009-10-05 | 2013-08-13 | The United States Of America, As Represented By The Secretary Of The Navy | System and method for estimating velocity from image sequence with first order continuity |
CN103499514A (zh) * | 2013-09-25 | 2014-01-08 | 北京化工大学 | 一种在线测试流体黏度的方法和装置 |
CN107102165B (zh) * | 2017-04-14 | 2020-03-20 | 重庆大学 | 一种基于粒子图像测速的表面流场测量方法 |
-
2017
- 2017-12-19 CN CN201711373218.1A patent/CN109932281B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750515A (zh) * | 2008-12-03 | 2010-06-23 | 中国科学院理化技术研究所 | 一种非接触式测量液体参数的测量方法 |
CN101561383A (zh) * | 2009-05-26 | 2009-10-21 | 上海大学 | 基于计算机视觉的有色液体粘度自动测定***及方法 |
CN104869387A (zh) * | 2015-04-19 | 2015-08-26 | 中国传媒大学 | 基于光流法的双目图像最大视差获取方法 |
CN106204640A (zh) * | 2016-06-29 | 2016-12-07 | 长沙慧联智能科技有限公司 | 一种运动目标检测***及方法 |
CN106780559A (zh) * | 2016-12-28 | 2017-05-31 | 中国科学院长春光学精密机械与物理研究所 | 一种运动目标检测方法和装置 |
Non-Patent Citations (5)
Title |
---|
Use of an optical meter to measure the flow;J. Vorwerk et al;《 Flow Measurement and Instrumentation》;19940131;51-54 * |
图像处理技术在微流控芯片中流体运动检测的应用;蔡绍皙等;《重庆大学学报》;20131231;43-50 * |
基于光流方程和目标匹配的视频图像目标跟踪方法;丛杨等;《红外与激光工程》;20061031;312-315 * |
新型微试样黏度检测装置及其在细胞生物学中的应用;邹米莎;《中国博士学位论文全文数据库 医疗卫生科技辑》;20170915;E080-1 * |
背景差分法自动检测毛细管粘度计液位的方法;梁西银等;《计算机工程与应用》;20140915;245-249 * |
Also Published As
Publication number | Publication date |
---|---|
CN109932281A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Modal identification of simple structures with high-speed video using motion magnification | |
CN104048744B (zh) | 一种非接触式的基于影像的实时在线振动测量方法 | |
CN105787901B (zh) | 一种用于太阳高分辨图像序列中相邻两帧间的多尺度速度场测量方法 | |
CN109559355B (zh) | 一种基于相机组的无公共视场的多相机全局标定装置及方法 | |
CN111781113B (zh) | 一种粉尘网格化定位方法及粉尘网格化监测方法 | |
CN108615244A (zh) | 一种基于cnn和深度滤波器的图像深度估计方法及*** | |
WO2021036565A1 (zh) | 基于ccd相机不同曝光时间交替的空间碎片观测方法 | |
CN107102165B (zh) | 一种基于粒子图像测速的表面流场测量方法 | |
CN109489566A (zh) | 锂电池隔膜材料分切宽度检测方法、检测***及装置 | |
CN109932281B (zh) | 基于视觉的液体黏度在线测量方法 | |
CN109060290B (zh) | 基于视频和亚像素技术对风洞密度场进行测量的方法 | |
CN108305277A (zh) | 一种基于直线段的异源图像匹配方法 | |
CN114187330A (zh) | 一种基于光流法的结构微幅振动工作模态分析方法 | |
CN108399614B (zh) | 一种基于无抽样小波与Gumbel分布的织物缺陷检测方法 | |
Zhao | PIPE VIBRATION DETECTION ALGORITHM USING COMPUTER VISION TECHNOLOGY | |
CN110348459A (zh) | 基于多尺度快速地毯覆盖法声呐图像分形特征提取方法 | |
CN116563279A (zh) | 基于计算机视觉的量测开关检测方法 | |
CN108205210B (zh) | 基于傅里叶梅林及特征匹配的lcd缺陷检测***及方法 | |
CN115752250A (zh) | 一种融合计算机视觉及加速度的桥梁高精度位移监测方法 | |
CN108416091A (zh) | 一种简易的相机地面分辨率与无人机飞行高度关系的测量方法 | |
CN102798380B (zh) | 线阵图像中目标运动参数的测量方法 | |
CN105608674B (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
CN110969601B (zh) | 基于视觉特征跟踪算法的结构转动响应非接触式识别方法 | |
CN107369163B (zh) | 一种基于最佳熵双阈值分割的快速sar图像目标检测方法 | |
CN112525326A (zh) | 一种无标记结构三维振动的计算机视觉测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |