CN115494193A - 基于机器视觉单体燃烧试验火焰横向传播检测方法及*** - Google Patents
基于机器视觉单体燃烧试验火焰横向传播检测方法及*** Download PDFInfo
- Publication number
- CN115494193A CN115494193A CN202211430204.XA CN202211430204A CN115494193A CN 115494193 A CN115494193 A CN 115494193A CN 202211430204 A CN202211430204 A CN 202211430204A CN 115494193 A CN115494193 A CN 115494193A
- Authority
- CN
- China
- Prior art keywords
- image
- flame
- camera
- contour
- target area
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 54
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims description 45
- 238000001914 filtration Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 239000000178 monomer Substances 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 235000009508 confectionery Nutrition 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 239000004566 building material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/12—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using combustion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的单体燃烧试验火焰横向传播检测方法及***,检测***包括图像采集装置、计算装置、数据存储模块、显示装置和报告生成模块;图像采集装置通过网络将采集到的燃烧状态图像和视频发送到显示装置,图像采集装置将采集的图像发送给计算装置;显示装置中的展示模块用于显示由图像采集装置发送过来的燃烧状态图像和视频;计算装置中内嵌有处理算法,用于计算由图像采集装置发送过来的燃烧状态图像,计算装置通过计算获得燃烧过程中火焰在长翼上预设位置的横向传播火焰边缘位置;数据存储模块用于将计算装置计算的数据和过程图像进行存储。该检测方法及***,提高自动化程度和工作效率,提高试验准确性和溯源性。
Description
技术领域
本发明涉及机器视觉的技术领域,尤其是一种基于机器视觉的单体燃烧试验火焰横向传播检测方法及***。
背景技术
根据GB/T20284-2006《建筑材料或制品的单体燃烧试验》,建筑材料单体燃烧试验,一组试验需要进行3次实验,每次试验需要2个试样,三次试验都要满足规范要求才能判定这一组试验合格。
目前的检测设备主由燃烧室、小推车、燃料、固定框架、集气罩等组成,只能针对一组试样进行点火试验,从试件安装到试验结束,大概要4小时左右,一组试验,三组试样需要一天半时间才能完成,试验人员要反复进行试件安装,设备调整,燃烧室清理才能保证试验的正常开展,工作周期长,工作强度较大。
另外,为保障试验过程状态监控,设备操作室与燃烧室通过透光观察窗相连,实验室内着火观察主要依靠试验人员在操作室的透光观察窗处进行观察以及拍照,然而,视角单一且易受烟雾灰尘遮挡,试验人员难以长时间保持较好观察状态,试验结束后,试验人员难以对过程情况进行详细表征和描述。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此,本发明提出一种基于机器视觉的单体燃烧试验火焰横向传播检测方法及***,提高自动化程度和工作效率,提高试验准确性和溯源性。
根据本发明实施例的基于机器视觉的单体燃烧试验火焰横向传播检测方法及***,包括以下步骤:
第1步骤、获取摄像头红外图像和摄像头光学RGB图像:采用两种规格的摄像头观测火焰,布置时保证两种规格的摄像头采集的图像位置一致,开始燃烧试验时利用两种规格的摄像头开始获取图像,记录开始试验的初始时间,两种规格的摄像头同时获取燃烧室内采集的第m张摄像头红外图像和第m张摄像头光学RGB图像;
第2步骤、对摄像头红外图像和摄像头光学RGB图像分别进行滤波降噪:运用双边滤波算法进行摄像头红外图像和摄像头光学RGB图像的滤波降噪;
第3步骤、对滤波降噪后的摄像头红外图像和摄像头光学RGB图像进行试样区域图像确定:运用sobel算子对摄像头红外图像和摄像头光学RGB图像进行轮廓特征提取,获取摄像头红外图像和摄像头光学RGB图像中的所有轮廓的集合,该所有轮廓的集合包括闭合轮廓和开放轮廓;运用图形学算法计算各闭合轮廓像素面积,筛选出闭合轮廓像素面积最大的闭合轮廓,该闭合轮廓即为试样轮廓,闭合区域内是试样区域图像;进一步地,获取试样轮廓的四个角点,根据试样轮廓已知的长短边尺寸关系,计算变换矩阵,校正摄像头红外图像和摄像头光学RGB图像,生成正对试样轮廓的视图,消除摄像头红外图像和摄像头光学RGB图像的视角误差;
第4步骤、目标区域位置确定:根据试样轮廓真实尺寸与对应摄像头红外图像和摄像头光学RGB图像中像素尺寸的关系,确定实际试样轮廓预设位置对应的目标区域图像位置;
第5步骤、二值化前景提取:运用背景差分算法对摄像头红外图像和摄像头光学RGB图像中火焰部分进行二值化提取,通过当前图像与背景图像进行差分并取绝对值,并根据预设的阈值对当前图像进行二值化,摄像头红外图像和摄像头光学RGB图像中白色区域,即为图像中活动的火焰范围;
第6步骤、二值化图像目标区域裁取:根据第4步骤中确定的图像目标区域位置分别对第5步骤中摄像头红外图像和摄像头光学RGB图像提取的前景活动区域图像进行裁剪,分别获得红外图像目标区域图像片段和光学RGB图像目标区域图像片段;
第9步骤、提取融合后火焰轮廓边界位置:运用candy算子预设对获取的目标区域图像中白色区域进行轮廓提取,记录各轮廓点在目标区域图像中的相对坐标,根据当前处理的图像的编号m获得当前时刻,,记录时刻火焰的轮廓位置;
第10步骤、根据第4步骤中确定的试样边侧轮廓线在目标区域的位置,分别对第9步骤中轮廓上各点的x坐标与边侧轮廓线的x坐标进行对比,判断图像当前时刻火焰在预设位置上是否到达长翼边缘处;
本发明的有益效果是,运用近距离布置摄像头的方式解决了现有方案中试验人员难以持续观察和视野受限的问题;同时基于红外图像和RGB图像联合信息,自动判断燃烧实验燃烧过程中火焰在长翼上的横向传播长度和持续时间,提高自动化程度和工作效率;全过程高精度测量距离和时间,且有近距离过程图像记录,提高试验准确性和溯源性。
根据本发明一个实施例,在所述第6步骤和所述第7步骤之间,利用形态学处理,删除较小的连通区域,过滤图像中火焰噪点。
根据本发明一个实施例,在所述第1步骤中,两种规格的摄像头的成像参数为n。
根据本发明一个实施例,在所述第4步骤中,实际试样轮廓预设位置在试样轮廓的底边以上500mm~1000mm之间的范围内。
根据本发明一个实施例,在所述第5步骤中,运用形态学开运算对活动区域图像进行处理,并删除小于40个像素的连通区域,消除噪点和边缘的不规则特征。
根据本发明一个实施例,在所述第8步骤中,当目标图像中白色像素数量超过预设阈值时,则可判断目标区域内有火焰,并进行下一步;否则,则目标区域内没有火焰,进行下一张图像处理。
根据本发明一个实施例,在所述第10步骤中,当大于边侧轮廓线的x坐标的轮廓点的数量超过6个时,则判定图像当前时刻火焰在预设位置上到达长翼边缘处,此时出现此现象计数增加1;当大于边侧轮廓线的x坐标的轮廓点的数量小于等于6个时,则判定图像当前时刻火焰在预设位置上没有到达长翼边缘处,对执行清零操作,然后进行下一张图像处理。
根据本发明一个实施例,在所述第11步骤中,当,且时,则认为规定时间内火焰在预设位置上发生了横向传播,记录此现象并终止图像处理;当时,则认为规定时间内火焰在预设位置上没有发生横向传播,记录此结论并终止图像处理,退出处理前将此时的原始图像储存下来作为原始记录。
一种实现基于机器视觉单体燃烧试验火焰横向传播检测方法的检测***,包括图像采集装置、计算装置、数据存储模块、显示装置和报告生成模块;所述图像采集装置用于监控燃烧试验过程,图像采集装置通过网络将采集到的燃烧状态图像和视频发送到显示装置,图像采集装置将采集的图像发送给计算装置;所述显示装置中的展示模块用于显示由图像采集装置发送过来的燃烧状态图像和视频;所述计算装置中内嵌有处理算法,用于计算由图像采集装置发送过来的燃烧状态图像,计算装置通过计算获得燃烧过程中火焰在长翼上预设位置的横向传播火焰边缘位置,并根据预设条件进行判断;所述数据存储模块用于将计算装置计算的数据和过程图像进行存储,相关数据可导入报告生成模块。
根据本发明一个实施例,所述图像采集装置包括一组红外摄像头和一组可见光摄像头。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是布置摄像头的示意图;
图2是获取试样轮廓的示意图;
图3是确定目标区域的示意图;
图4是前景提取二值化图像的示意图;
图5是获得目标区域图像片段的示意图;
图6是获得目标区域图像的示意图;
图7融合图像识别火焰在长翼上预设位置的横向传播流程图;
图8是检测***的结构示意图。
图中的标号为:1、图像采集装置;2、计算装置;3、数据存储模块;4、显示装置;5、报告生成模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“一侧”、“另一侧”、“两侧”、“之间”、“中部”、“上端”、“下端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语 “设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接,可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面参考附图具体描述本发明实施例的基于机器视觉单体燃烧试验火焰横向传播检测方法,涉及建筑材料及制品燃烧试验检测判别的技术领域。
见图7,本发明的基于机器视觉单体燃烧试验火焰横向传播检测方法,包括以下步骤:
第1步骤、分别获取摄像头红外图像和摄像头光学RGB图像:采用两种规格的摄像头观测火焰,两种规格的摄像头的成像参数为n(单位:Hz/s),布置时保证红外摄像头和普通摄像头两种规格的摄像头采集的图像位置一致,布置情况如图1所示,开始燃烧试验时利用两种规格的摄像头开始获取图像,记录开始试验的初始时间,两种规格的摄像头同时获取燃烧室内采集的第m张摄像头红外图像和第m张摄像头光学RGB图像,其中,m是大于等于1的正整数。
第2步骤、对摄像头红外图像和摄像头光学RGB图像分别进行滤波降噪:运用双边滤波算法进行摄像头红外图像和摄像头光学RGB图像的滤波降噪,双边滤波同时考虑了颜色相近信息与空间相近信息,通过将图像的像素灰度值相似度与空间邻近度进行结合,既能够平滑图像滤除噪声,又能够较好的保存图像中的边缘的特征。
第3步骤、对滤波降噪后的摄像头红外图像和摄像头光学RGB图像进行试样区域图像确定:运用sobel算子对摄像头红外图像和摄像头光学RGB图像进行轮廓特征提取,获取摄像头红外图像和摄像头光学RGB图像中的所有轮廓的集合,该所有轮廓的集合包括闭合轮廓和开放轮廓;运用图形学算法计算各闭合轮廓像素面积,筛选出闭合轮廓像素面积最大的闭合轮廓,该闭合轮廓即为试样轮廓,闭合区域内是试样区域图像,如图2所示;进一步地,获取试样轮廓的四个角点,根据试样轮廓已知的长短边尺寸关系,计算变换矩阵,校正摄像头红外图像和摄像头光学RGB图像,生成正对试样轮廓的视图,消除摄像头红外图像和摄像头光学RGB图像的视角误差。
第4步骤、目标区域位置确定:根据试样轮廓真实尺寸与对应摄像头红外图像和摄像头光学RGB图像中像素尺寸的关系,确定实际试样轮廓预设位置(实际试样轮廓预设位置在试样轮廓的底边以上500mm~1000mm之间的范围内)对应的目标区域图像位置,如图3所示。
第5步骤、二值化前景提取:运用背景差分算法进行摄像头红外图像和摄像头光学RGB图像中火焰部分(相近帧之间变化的像素是火焰部分)进行二值化提取,通过当前图像与背景图像进行差分并取绝对值(变化的像素是火焰活动区域),并根据预设的阈值对当前图像进行二值化,摄像头红外图像和摄像头光学RGB图像中前景活动区域(图像中的白色区域),即为图像中活动的火焰范围;进一步地,运用形态学开运算对活动区块图像进行处理,并删除小于40个像素的连通区域,消除噪点和边缘的不规则特征,如图4所示。
第6步骤、二值化图像目标区域裁取:根据第4步骤中确定的图像目标区域位置分别对第5步骤中摄像头红外图像和摄像头光学RGB图像提取的前景活动区域图像进行裁剪,分别获得红外图像目标区域图像片段和光学RGB图像目标区域图像片段(m表示第m张图像),如图5所示。
在第6步骤和第7步骤之间,利用形态学处理,删除较小的连通区域,过滤图像中火焰噪点。
第8步骤、通过对第7步骤中融合后的目标区域图像中白色连通像素进行统计,判断目标区域内是否有火焰,即判断融合后目标区域图像片段内是否有火焰(连通的白色像素区域);当目标图像(指活动区域图像)中白色像素数量超过预设阈值时,则可判断目标区域(指实际的目标区域,即保温板区域)内有火焰,并进行下一步,否者,则目标区域内没有火焰,进行下一张图像处理。
第9步骤、提取融合后火焰轮廓边界位置:运用candy算子预设对获取的目标区域图像中白色区域(火焰)进行轮廓提取,记录各轮廓点在目标区域图像中的相对坐标,根据当前处理的图像的编号m获得当前时刻,(n表示观测火焰的两种摄像头成像参数,用于图像与时间的对应),记录时刻火焰的轮廓位置。
第10步骤、根据第4步骤中确定的试样边侧轮廓线在目标区域的位置,分别对第9步骤中轮廓上各点的x坐标与边侧轮廓线的x坐标进行对比,判断图像当前时刻火焰在预设位置上是否到达长翼边缘处;当轮廓边界超出试验边界,且超出边界大于6个像素时,则统计出现越界次数;当轮廓边界超出试验边界,且超出边界小于等于6个像素时,则统计出现越界次数清零;具体地,当大于边侧轮廓线的x坐标的轮廓点的数量超过6个时,则判定图像当前时刻火焰在预设位置上到达长翼边缘处,此时出现此现象计数增加1;当大于边侧轮廓线的x坐标的轮廓点的数量小于等于6个时,则判定图像当前时刻火焰在预设位置上没有到达长翼边缘处,对执行清零操作,然后进行下一张图像处理。
第11步骤、统计出现越界次数:对连续出现火焰在预设位置上到达长翼边缘现象的次数和时间进行判断,判断规定时间内火焰在预设位置上是否发生了横向传播;当(即连续出现火焰在预设位置上到达长翼边缘现象的时间超过5s),且时,则认为规定时间内火焰在预设位置上发生了横向传播,记录此现象(出现横向传播,出现横向传播的时间以及前期的火焰边缘位置变化)并终止图像处理;当时,则认为规定时间内火焰在预设位置上没有发生横向传播,记录此结论并终止图像处理,退出处理前将此时的原始图像储存下来作为原始记录。
见图8,一种实现基于机器视觉单体燃烧试验火焰横向传播检测方法的检测***,包括图像采集装置1、计算装置2、数据存储模块3、显示装置4和报告生成模块5;图像采集装置1用于监控燃烧试验过程,图像采集装置1通过网络将采集到的燃烧状态图像和视频发送到显示装置4,图像采集装置1将采集的图像发送给计算装置2;显示装置4中的展示模块用于显示由图像采集装置1发送过来的燃烧状态图像和视频;计算装置2中内嵌有处理算法,用于计算由图像采集装置1发送过来的的燃烧状态图像,计算装置2通过计算获得燃烧过程中火焰在长翼上预设位置的横向传播火焰边缘位置,并根据预设条件进行判断;数据存储模块3用于将计算装置2计算的数据和过程图像进行存储,相关数据可导入报告生成模块5。图像采集装置1包括一组红外摄像头和一组可见光摄像头。
装置采用红外和多组可见光摄像头监控燃烧试验过程,一方面通过网络将采集到的燃烧状态图像和视频发送到展示模块,另一方将采集的图像发送给计算装置,计算装置内嵌的处理算法,通过计算获得燃烧过程中火焰在长翼上预设位置的横向传播火焰边缘位置,并根据预设条件进行判断,数据存储模块将计算的数据和过程图像进行存储,相关数据可导入报告。
该检测***的工作原理是:在待测试样关注的位置布设多个摄像头,试验时通过网络将燃烧状态视频传至控制室大屏,试验人员可通过展示模块远程多角度近距离观察试验燃烧状态。本发明所涉及的图像处理方法利用待测试样正面的红外和可见光摄像头图像,利用图像判断、测量和记录火焰在长翼上预设位置上是否发生横向传播,并记录其位置和时间。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于机器视觉单体燃烧试验火焰横向传播检测方法,其特征在于,包括以下步骤:
第1步骤、获取摄像头红外图像和摄像头光学RGB图像:采用两种规格的摄像头观测火焰,布置时保证两种规格的摄像头采集的图像位置一致,开始燃烧试验时利用两种规格的摄像头开始获取图像,记录开始试验的初始时间,两种规格的摄像头同时获取燃烧室内采集的第 m张摄像头红外图像和第m张摄像头光学RGB图像;
第2步骤、对摄像头红外图像和摄像头光学RGB图像分别进行滤波降噪:运用双边滤波算法进行摄像头红外图像和摄像头光学RGB图像的滤波降噪;
第3步骤、对滤波降噪后的摄像头红外图像和摄像头光学RGB图像进行试样区域图像确定:运用sobel算子对摄像头红外图像和摄像头光学RGB图像进行轮廓特征提取,获取摄像头红外图像和摄像头光学RGB图像中的所有轮廓的集合,该所有轮廓的集合包括闭合轮廓和开放轮廓;运用图形学算法计算各闭合轮廓像素面积,筛选出闭合轮廓像素面积最大的闭合轮廓,该闭合轮廓即为试样轮廓,闭合区域内是试样区域图像;进一步地,获取试样轮廓的四个角点,根据试样轮廓已知的长短边尺寸关系,计算变换矩阵,校正摄像头红外图像和摄像头光学RGB图像,生成正对试样轮廓的视图,消除摄像头红外图像和摄像头光学RGB图像的视角误差;
第4步骤、目标区域位置确定:根据试样轮廓真实尺寸与对应摄像头红外图像和摄像头光学RGB图像中像素尺寸的关系,确定实际试样轮廓预设位置对应的目标区域图像位置;
第5步骤、二值化前景提取:运用背景差分算法对摄像头红外图像和摄像头光学RGB图像中火焰部分进行二值化提取,通过当前图像与背景图像进行差分并取绝对值,并根据预设的阈值对当前图像进行二值化,摄像头红外图像和摄像头光学RGB图像中白色区域,即为图像中活动的火焰范围;
第6步骤、二值化图像目标区域裁取:根据第4步骤中确定的图像目标区域位置分别对第5步骤中摄像头红外图像和摄像头光学RGB图像提取的前景活动区域图像进行裁剪,分别获得红外图像目标区域图像片段和光学RGB图像目标区域图像片段;
第9步骤、提取融合后火焰轮廓边界位置:运用candy算子预设对获取的目标区域图像中白色区域进行轮廓提取,记录各轮廓点在目标区域图像中的相对坐标,根据当前处理的图像的编号m获得当前时刻,,记录时刻火焰的轮廓位置;
第10步骤、根据第4步骤中确定的试样边侧轮廓线在目标区域的位置,分别对第9步骤中轮廓上各点的x坐标与边侧轮廓线的x坐标进行对比,判断图像当前时刻火焰在预设位置上是否到达长翼边缘处;
2.根据权利要求1所述的基于机器视觉单体燃烧试验火焰横向传播检测方法,其特征在于:在所述第6步骤和所述第7步骤之间,利用形态学处理,删除较小的连通区域,过滤图像中火焰噪点。
3.根据权利要求1所述的基于机器视觉单体燃烧试验火焰横向传播检测方法,其特征在于:在所述第1步骤中,两种规格的摄像头的成像参数为n。
4.根据权利要求1所述的基于机器视觉单体燃烧试验火焰横向传播检测方法,其特征在于:在所述第4步骤中,实际试样轮廓预设位置在试样轮廓的底边以上500mm~1000mm之间的范围内。
5.根据权利要求1所述的基于机器视觉单体燃烧试验火焰横向传播检测方法,其特征在于:在所述第5步骤中,运用形态学开运算对活动区域图像进行处理,并删除小于40个像素的连通区域,消除噪点和边缘的不规则特征。
6.根据权利要求1所述的基于机器视觉单体燃烧试验火焰横向传播检测方法,其特征在于:在所述第8步骤中,当目标图像中白色像素数量超过预设阈值时,则可判断目标区域内有火焰,并进行下一步;否则,则目标区域内没有火焰,进行下一张图像处理。
9.一种如实现如权利要求1所述的基于机器视觉单体燃烧试验火焰横向传播检测方法的检测***,其特征在于:包括图像采集装置(1)、计算装置(2)、数据存储模块(3)、显示装置(4)和报告生成模块(5);
所述图像采集装置(1)用于监控燃烧试验过程,图像采集装置(1)通过网络将采集到的燃烧状态图像和视频发送到显示装置(4),图像采集装置(1)将采集的图像发送给计算装置(2);
所述显示装置(4)中的展示模块用于显示由图像采集装置(1)发送过来的燃烧状态图像和视频;
所述计算装置(2)中内嵌有处理算法,用于计算由图像采集装置(1)发送过来的燃烧状态图像,计算装置(2)通过计算获得燃烧过程中火焰在长翼上预设位置的横向传播火焰边缘位置,并根据预设条件进行判断;
所述数据存储模块(3)用于将计算装置(2)计算的数据和过程图像进行存储,相关数据可导入报告生成模块(5)。
10.根据权利要求9所述的检测***,其特征在于:所述图像采集装置(1)包括一组红外摄像头和一组可见光摄像头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430204.XA CN115494193B (zh) | 2022-11-16 | 2022-11-16 | 基于机器视觉单体燃烧试验火焰横向传播检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430204.XA CN115494193B (zh) | 2022-11-16 | 2022-11-16 | 基于机器视觉单体燃烧试验火焰横向传播检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115494193A true CN115494193A (zh) | 2022-12-20 |
CN115494193B CN115494193B (zh) | 2023-03-24 |
Family
ID=85115769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430204.XA Active CN115494193B (zh) | 2022-11-16 | 2022-11-16 | 基于机器视觉单体燃烧试验火焰横向传播检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115494193B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824466A (zh) * | 2023-06-21 | 2023-09-29 | 前海蜂鸟谷教育科技(深圳)有限公司 | 辅助少儿智能编程的方法、装置和计算机存储介质 |
CN116930401A (zh) * | 2023-09-19 | 2023-10-24 | 常州建昊建筑鉴定检测有限公司 | 建筑工程保温材料燃烧性能检测设备及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189346A (zh) * | 2019-05-15 | 2019-08-30 | 西北工业大学 | 基于化学自发光技术的火焰湍流度求取方法 |
CN110619293A (zh) * | 2019-09-06 | 2019-12-27 | 沈阳天眼智云信息科技有限公司 | 基于双目视觉的火焰探测方法 |
CN111951160A (zh) * | 2020-07-03 | 2020-11-17 | 广东工业大学 | 基于可见光和红外热成像的消防无人机图像融合方法 |
CN112069975A (zh) * | 2020-09-02 | 2020-12-11 | 成都指码科技有限公司 | 一种基于紫外、红外、视觉的综合火焰检测方法 |
CN113537204A (zh) * | 2020-04-20 | 2021-10-22 | 富华科精密工业(深圳)有限公司 | 基于红外特征、机器学习的小火焰检测方法及计算机装置 |
CN114399882A (zh) * | 2022-01-20 | 2022-04-26 | 红骐科技(杭州)有限公司 | 一种用于消防机器人的火源探测识别并预警方法 |
-
2022
- 2022-11-16 CN CN202211430204.XA patent/CN115494193B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189346A (zh) * | 2019-05-15 | 2019-08-30 | 西北工业大学 | 基于化学自发光技术的火焰湍流度求取方法 |
CN110619293A (zh) * | 2019-09-06 | 2019-12-27 | 沈阳天眼智云信息科技有限公司 | 基于双目视觉的火焰探测方法 |
CN113537204A (zh) * | 2020-04-20 | 2021-10-22 | 富华科精密工业(深圳)有限公司 | 基于红外特征、机器学习的小火焰检测方法及计算机装置 |
CN111951160A (zh) * | 2020-07-03 | 2020-11-17 | 广东工业大学 | 基于可见光和红外热成像的消防无人机图像融合方法 |
CN112069975A (zh) * | 2020-09-02 | 2020-12-11 | 成都指码科技有限公司 | 一种基于紫外、红外、视觉的综合火焰检测方法 |
CN114399882A (zh) * | 2022-01-20 | 2022-04-26 | 红骐科技(杭州)有限公司 | 一种用于消防机器人的火源探测识别并预警方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824466A (zh) * | 2023-06-21 | 2023-09-29 | 前海蜂鸟谷教育科技(深圳)有限公司 | 辅助少儿智能编程的方法、装置和计算机存储介质 |
CN116824466B (zh) * | 2023-06-21 | 2024-05-17 | 前海蜂鸟谷教育科技(深圳)有限公司 | 辅助少儿智能编程的方法、装置和计算机存储介质 |
CN116930401A (zh) * | 2023-09-19 | 2023-10-24 | 常州建昊建筑鉴定检测有限公司 | 建筑工程保温材料燃烧性能检测设备及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115494193B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115494193B (zh) | 基于机器视觉单体燃烧试验火焰横向传播检测方法及*** | |
US11221107B2 (en) | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing | |
CN109816678B (zh) | 一种基于视觉的喷嘴雾化角度自动检测***及方法 | |
KR101830679B1 (ko) | 표시 패널 검사 장치 및 그 방법 | |
CN109100363B (zh) | 一种贴合异物缺陷与灰尘的区分方法及*** | |
CN111047568B (zh) | 一种漏汽缺陷检测识别方法及*** | |
CN106226157B (zh) | 混凝土构件裂缝自动检测装置及方法 | |
CN103761826B (zh) | 一种热成像视频双鉴林火识别***的识别方法 | |
CN109307675A (zh) | 一种产品外观检测方法和*** | |
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、***、产品、终端 | |
CN106231295A (zh) | 一种显示屏画质自动检测***、检测方法及其应用 | |
WO2020249054A1 (zh) | 一种长基线双目人脸活体检测方法及*** | |
JP2012098045A (ja) | クラック検出装置及びクラック検出プログラム | |
CN112291551A (zh) | 一种基于图像处理的视频质量检测方法、存储设备及移动终端 | |
CN105606628A (zh) | 一种光学镜片检测***及方法 | |
Redondo et al. | Quality evaluation of microscopy and scanned histological images for diagnostic purposes | |
CN110220911A (zh) | 一种手机屏幕检测方法以及装置 | |
KR20150125155A (ko) | 표시패널의 휘도 균일도 검사장치 및 그 방법 | |
CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
JP3854585B2 (ja) | 液晶パネルの表示欠陥検出方法及び表示欠陥検査装置 | |
RU2292540C9 (ru) | Способ (варианты), оборудование и система контроля для автоматизированного определения местоположения точечного источника визуализированной утечки газа | |
TW201617605A (zh) | 瑕疵檢測方法及其裝置 | |
CN116912805A (zh) | 一种基于无人清扫车的井盖异常智能检测识别方法及*** | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
CN115713491A (zh) | 液晶显示面板缺陷检测方法、装置及电子设备 |
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 |