一种基于区间收敛的料仓料位检测方法 技术领域 本发明涉及料仓料位的检测。 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， 实际应用效果不佳。
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) 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 一个基于检测系统的可靠度的自检机制， 系统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， 检测中图像拍摄采用两次分档的方法， 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) 检测中图像拍摄采用两次分档的方法， 增加了料位检测的实时性与可靠性。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 )。 数字相机系统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。
图像处理包括 ：
(1) 对图像进行预处理后分别计算每幅图像的图像熵的方法 ：
图像熵处理流程图如图 3 所示。
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：
pr(rk) ＝ nk/n 0 ≤ rk ≤ 1 k ＝ 0， 1，……， l-1 ；
式中 ： l 是灰度级的总数目， pr(rk) 是取第 k 级灰度值的概率， nk 是图像中出现第 k 级灰度的次数， n 是图像中像素总数。
0 ≤ rk ≤ 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， 其中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(i， 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) 料位边沿计算得到料位值的计算方法 ：
对 于 选 取 的 P 幅 图 像， 首 先， 将 料 位 边 沿 与 各 自 对 应 的 料 位 刻 度 图 像 对 比， 得 到 一 组 P 个 料 位 值 L1(i ＝ 1， ...， P)， 然后由下面的公式得到实际料位值 L ： L＝ (L1+L2+...+Lp)/p。
料位刻度图像获得方法 ： 将深度为 h 的料仓以绝对误差值 Δh 为间隔划分为 w 份， w ＝ h/Δh， 对应 w 个档位， 相机镜头焦距对应物距从第 1 个档位开始， 顺序至第 w 个档位， 按照下述方法进行拍摄 ： 相机镜头焦距对应物距为第 S 个细分档位时 (S ＝ 1， 2，…， w)， 在 内空的料仓仓壁上设置标尺， 将标尺逐次设置于 (S-t*Δh)、 (S-(t-1)*Δh)、 ...、 (S-Δh)、 S、 (S+Δh)、 ...、 (S+(t-1)*Δh)、 (S+t*Δh) 处， 分别拍摄图像， 得到一组 (2t+1) 幅图像， 将 此组图像进行图像处理后可得到对应于第 S 个细分档位的料位刻度图像 ； 按照上述方法可 以得到整个料仓共 w 个细分档位的料位刻度图像， 形成全料仓的料位刻度图像组。
基于区间收敛的料仓料位检测方法， 包括以下几个步骤 ：
(1) 划分粗分档 ：
将深度为 h 的料仓粗分为 N 等份 ( 粗分档 )， 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 ；
(2) 确定收敛区间 ：
对图像进行预处理后分别计算每幅图像的图像熵， 选择熵值较大的 K 幅图像 (1 ＜ K ＜ N)， 记这 K 幅图像对应的档位中最小的档位为 Ni， 最大的档位为 Nj， 则确定了一个收 敛区间 [Ni， Nj]。
(3) 划分细分档 ：
将区间 [Ni， Nj] 细分为 M 等份 ( 细分档 )， 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 M 幅图像 ；
(4) 边沿检测并计算料位值 ：
对图像进行预处理后分别计算每幅图像的图像熵， 选取熵值较大的 P 幅图像， 采 用料位边沿检测算法计算得到料位边沿， 并计算得到料位值。
粗分档 N、 细分档 M 的选取方法 ：
细分档位根据料仓料位检测的绝对误差值要求设置， 即取细分档的档位间距等于 绝对误差值 ； 粗分档根据料仓料位检测的满量程实际距离及对于检测的速度要求设置， 粗 分档档位间距一般为细分档档位间距的整数倍。
收敛区间 [Ni， Nj] 的边界点 Ni， Nj 的取值 ：
由粗分档拍摄的图像确定的收敛区间 [Ni， Nj]， Ni 与 Nj 所对应的图像的图像熵值 的比值 ( 用较小熵值比较大的熵值 ) 应大于规定的比值。
可靠性分析 ：
可靠性分析 1 ：根据图像熵分布的特点， 在粗分档拍摄的图像中， 确定了一个收敛区间 [Ni， Nj] ； 其中取值时， Ni 与 Nj 所对应的图像的图像熵值的比值 ( 用较小熵值比较大的熵值 ) 应大 于规定的比值 k1。K1 根据料仓图像环境取值， 与料仓的物料种类、 料仓照度、 湿度、 粉尘浓 度等环境参数有关。K1 一般应大于 0.8。如果不能满足此条件， 说明此次拍摄过程中， 系统 工作出现异常， 数据不可用。需要重新拍摄图像， 如果问题依然没有解决， 说明系统可能存 在硬件故障， 需检修。
可靠性分析 1 程序流程如图 4 所示。
可靠性分析 2 ：
计细分档拍摄的图像为 B1， B2......B10， 选取 B1， B2......B10 中熵值较大 P 幅 图像进行料位检测， 得到料位值 ( 记为 M(i)， i ＝ 1， 2， ...， P) 之间误差应小于项目要求的 最小误差 Y*， 且位于其对应的档位区间内。
可靠性分析 2 程序流程如图 5 所示。
系统工作流程 ：
首先， 料仓高度记为 h， 所要求料位检测绝对误差值记为 d， 分档分为细分档和粗 分档两种方式。将料仓料位的满量程粗分为 N 等份 ( 粗分档 )， 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分别计算每幅图像的图像熵， 对于采用这种方法拍摄的图像， 相机焦 距越靠近料位处， 拍摄的图像越清晰， 图像熵越大， 选择熵值较大的 K 幅图像 (1 ＜ K ＜ N)， 记这 K 幅图像对应的档位中最小的档位为 Ni， 最大的档位为 Nj， 确定了一个收敛区间 [Ni， Nj]， 则这个区间应包含实际料位值 ； 将区间 [Ni， Nj] 细分为 M 等份 ( 细分档 )， 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 M 幅图像， 对图像进行预处理后分别计算每幅图像的图像熵， 则这一组图像的熵值应 该比较接近， 由于料仓的料位往往不是平面， 每次落料后呈现出的特征变化很大， 因此造成 图像的熵值并不能准确反映料位， 所以不能简单的将熵值最大的图像的位置处作为最接近 料位的档位。这时选取熵值较大的 P 幅图像， 采用 PCNN 的方法， 计算得到料位边沿， 然后根 据预制的图像刻度背景图像， 得到一组 P 个料位值 L1(i ＝ 1， ...， P)， 然后由下面的公式得 到实际料位值 L ：
然后继续进行下一轮检测。料仓料位测量系统工作流程图如图 6 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 图像熵处理流程图 图 4 可靠性分析 1 程序流程 图 5 可靠性分析 2 程序流程 图 6 料仓料位测量系统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， 检测绝对误差值为 0.5m。最低料仓 限位值为 4m。
设定细分档位 1m， 粗分档为 4m。数字相机选用程序调节镜头焦距， 辅助照明采用 8 个射灯。
在检测之前， 预制料位刻度背景图像。
将深度为 40m 的料仓以绝对误差值 Δh ＝ 0.5m 为间隔划分为 w 份， w ＝ h/Δh ＝ 80， 对应 w 个档位， 相机镜头焦距对应物距从第 1 个档位开始， 顺序至第 w 个档位， 按照下 述方法进行拍摄 ： 相机镜头焦距对应物距为第 S 个细分档位时 (S ＝ 1， 2，…， w)， 在内空 的料仓仓壁上设置标尺， 将标尺逐次设置于 (S-t*Δh)、 (S-(t-1)*Δh)、 ...、 (S-Δh)、 S、 (S+Δh)、 ...、 (S+(t-1)*Δh)、 (S+t*Δh) 处 ( 这里 t ＝ 4)， 分别拍摄图像， 得到一组 (2t+1 ＝ 9) 幅图像， 将此组图像进行图像处理后可得到对应于第 S 个细分档位的料位刻度图像 ； 按照上述方法可以得到整个料仓共 w 个细分档位的料位刻度图像， 形成全料仓的料位刻度 图像组。
选取 k1 ＝ 0.8， 绝对误差值＝ 0.25m。
选取 k ＝ 3， P ＝ 4。 参见附图 1， 描述了数字相机系统的安装位置， 数字相机系统应安装在料仓的顶 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 机系统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， 辅助照明系统采用一组射灯、 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。
辅助照明系统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特征图像图像熵计算方法， 首先对图像进行 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。
料位检测流程图如图 6 所示。
开始检测时， 首先， 101， 可以得到一组 10 幅图像， 顺序进行 102， 103， 然后判断 104， 记三个熵值最小的为 Z1， 最大的为 Z2， k’ ＝ Z1/Z2， 则当 k’ ＞ k1 时， 则验证通过， 说明 拍摄的图像可靠， 系统工作正常， 此时清零验证标志位， 进行下一步流程， 当 k’ ＜＝ k1 时， 说明拍摄的图像不可靠， 系统工作不正常， 此时验证标志位应为零， 首先将验证标志位置 位， 然后判断 105， 当标志位 X1 为 1 时， 重新执行 101、 102、 103 过程后， 再次进入 104， 如果 此次系统的异常只是偶然的干扰引起的， 则此时应恢复正常， 则 k’ ＞ k1， 验证能够通过， 如 果是出现了系统的功能性故障， 则验证不能通过， 判断验证标志位时， 标志位为 1， 则进行故
障报警。 当 104 验证通过后， 进行 106， 在一次分档确定的料位检测区间内按照细分档逐次 拍摄图像， 可以得到一组 9 幅图像， 顺序进行 107、 108， 采用 PCNN 的方法进行料位的边沿检 测， 然后与对应档位处的料位刻度图像对比得到料位值。最后判断 109， 分析得到的 P(P ＝ 4) 个料位值， 计算差值， 误差应小于所要求的精度值， 如果验证通过则继续验证料位值是否 处于对应的档位处， 通过则说明图像可靠， 系统工作正常， 此时清零验证标志位， 进行下一 步流程。以上两个判断任何一个不通过则置位标志位 X1， 然后判断 105， 当标志位 X1 为 1 时， 重新执行 101， 102， 103， 104， 106， 107， 108， 109， 如果此次系统的异常只是偶然的干扰引 起的， 则此时应恢复正常， 验证能够通过， 如果是出现了系统的功能性故障， 则验证不能通 过， 判断验证标志位时， 标志位为 1， 则进行故障报警。当通过 109 后， 执行 110， 求均值输出 料仓料位值， 然后继续进行下一轮检测。