[發明專利]一種便攜式林格曼黑度智能檢測方法及系統

在審

• 申請號: 202011623473.9
• 申請日: 2020-12-31
• 公開（公告）號: CN114689588A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 楊效;康野;丁宗英;劉鈺東;周云;張純;樂濟民
• 申請（專利權）人: 浙江浙大鳴泉科技有限公司
• 主分類號: G01N21/85
• 分類號: G01N21/85;G06N3/04;G06N3/08
• 代理公司: 浙江杭州金通專利事務所有限公司 33100
• 代理人: 鄧世鳳

1.一種便攜式林格曼黑度智能檢測方法，所述方法包括以下步驟：

步驟一，自動識別檢測區域是否進入黑煙：人工對準排氣口進行定位，采集視頻和實時圖像，通過邊緣檢測、圖像卷積獲取黑煙形狀，對圖片采用腐蝕算法、膨脹算法，并結合神經網絡算法深度學習判別是否有黑煙進入，識別有黑煙進入，自動開啟黑煙計算；

步驟二，自動識別是否滿足黑度檢測條件，進行數據分析和信息采集：采集視頻和實時圖像進行動態檢測，對黑煙圖像中的煙氣流動形態進行分析，實時判斷是否滿足黑度檢測條件，對于滿足黑度檢測條件的視頻，截取實時圖像進行分析，區別背景和黑煙，對滿足黑度檢測條件的圖像進行分析，對不滿足黑度檢測條件的背景進行調零；

步驟三，背景建模，通過邊緣檢測、圖像卷積獲取黑煙形狀，對黑煙圖像采用腐蝕算法、膨脹算法，并結合神經網絡算法深度學習判別是否有黑煙進入，對黑煙的輪廓和形狀進行實時判斷，判斷黑煙輪廓和形狀未變化，認定為后續無黑煙進入，將背景進行自動更新保存，作為下次檢測的鏡面背景；

步驟四，數據計算，停止測量之后，輸出測量值。

2.如權利要求1所述的便攜式林格曼黑度智能檢測方法，其特征在于：所述步驟一中，圖像卷積采用拉普拉斯-二階導數計算；

神經網絡算法在yolov3模型庫基礎上針對黑煙類型進行優化，建立模型庫時，把不同形狀，不同顏色的黑煙都輸入進行深度學習的模型。

3.如權利要求1所述的便攜式林格曼黑度智能檢測方法，其特征在于：步驟三中，對截取圖片進行分析，當超過10秒視頻中黑煙輪廓和形態未發生變化，對黑煙的輪廓和形狀進行實時判斷認定無黑煙進入，認定為未排煙，將此時獲取到的圖形的像素矩陣作為下次測量的鏡面背景進行保存。

4.如權利要求1-3任一權利要求所述的便攜式林格曼黑度智能檢測方法，其特征在于：將鏡面背景和黑煙圖像進行灰度化，在數據分析和信息處理時將檢測到黑煙圖像扣除無煙背景圖像的灰度值后的灰度值，得到相應的林格曼黑度值。

5.如權利要求4所述的便攜式林格曼黑度智能檢測方法，其特征在于：所述鏡面背景與黑煙圖像進行灰度處理，先將鏡面背景灰度與黑煙圖像灰度進行像素合并，進行灰度差計算，選擇最大灰度值根據煙度關系式得到相應的林格曼黑度值，以提高測量精度。

6.如權利要求1-3、5任一權利要求所述的便攜式林格曼黑度智能檢測方法，其特征在于：所述步驟二中，獲取黑煙圖像的黑煙輪廓后，對黑煙輪廓進行區域劃分，計算各區域的林格曼黑度，取最大值作為輸出的測量值。

7.如權利要求1-3、5任一權利要求所述的便攜式林格曼黑度智能檢測方法，其特征在于：所述步驟四中，持續10秒沒有黑煙觸發測量，對鏡面背景的數值進行完整的存儲，作為下次測量的零點。

8.選用上述任一權利要求所述的智能檢測方法的便攜式林格曼黑度智能檢測系統，包括數據采集單元采集視頻及圖像數據、數據通信單元傳輸數據信、數據處理單元進行數據分析和信息處理、數據存儲單元存儲數據以及數據統計單元，數據通信單元將采集的數據發送至數據處理單元，數據處理單元利用邊緣識別、腐蝕和生長結合神經網絡算法分析圖像及視頻采集單元上傳的數據并產生判定結果，并將檢測數據及判定結果通過數據通信單元發送至數據存儲單元進行存儲，所述數據統計單元按照時間順序統計各點位上傳的數據記過，對全部數據進行分析，其特征在于：所述數據處理單元包括背景更新模塊，所述背景更新模塊將區別出來的片中的背景更新作為鏡面背景。

9.如權利要求8所述的便攜式林格曼黑度智能檢測系統，其特征在于：所述數據采集單元包括攝像頭、與所述攝像頭與數據處理單元通信連接，所述數據處理單元根據攝像頭采集的視頻計實時圖像，選用邊緣檢測卷積和圖片的腐蝕、膨脹算法獲取煙氣的形狀輪廓，結合神經網絡算法進行深度學習判別有無煙氣進入，若有煙氣進入時，所述數據采集單元根據自動進行數據采集，自動停止進行數據采集。

10.如權利要求8所述的便攜式林格曼黑度智能檢測系統，其特征在于：所述系統基于ARM板的嵌入式linux操作系統，采用邊緣檢測、圖像卷積、膨脹、腐蝕算法和神經網絡算法進行黑煙判斷啟動林格曼黑度檢測。