一種基于機(jī)器視覺(jué)的煤渣含碳量快速自動(dòng)檢測(cè)技術(shù)

金 昊，嚴(yán) 方，黎 賓

(1.廣西電力職業(yè)技術(shù)學(xué)院 動(dòng)力工程系，南寧 530007； 2.廣西大學(xué) 電氣工程學(xué)院，南寧 530007)

一種基于機(jī)器視覺(jué)的煤渣含碳量快速自動(dòng)檢測(cè)技術(shù)

金 昊1，嚴(yán) 方2，黎 賓1

(1.廣西電力職業(yè)技術(shù)學(xué)院 動(dòng)力工程系，南寧 530007； 2.廣西大學(xué) 電氣工程學(xué)院，南寧 530007)

針對(duì)傳統(tǒng)煤渣含碳量檢測(cè)技術(shù)過(guò)程繁瑣、時(shí)間長(zhǎng)、不能在線檢測(cè)等缺陷，介紹一種基于機(jī)器視覺(jué)的煤渣含碳量快速自動(dòng)檢測(cè)技術(shù)。該技術(shù)通過(guò)采集煤渣采集裝置中的圖像數(shù)據(jù)，經(jīng)過(guò)CCD圖像灰度處理、邊緣識(shí)別及提取、灰度特征值提取、灰度特征值標(biāo)定等，快速識(shí)別出煤渣含碳量。實(shí)驗(yàn)結(jié)果表明，煤渣含碳量在2%～16%時(shí)，該技術(shù)的煤渣含碳量分辨率在1%以內(nèi)。工業(yè)鍋爐的煤渣含碳量通常在8%～16%，煤渣熱損失在4%～8%，因此該技術(shù)對(duì)于工業(yè)鍋爐的送風(fēng)量調(diào)控具有工程指導(dǎo)意義。

機(jī)器視覺(jué)； 煤渣含碳量； 快速檢測(cè)技術(shù)

0 引 言

煤渣是最常見(jiàn)的工業(yè)固體廢物之一，為燃煤鍋爐或其他燃煤設(shè)備排放的固體廢渣，又稱爐渣。為了降低能耗，提高煤炭燃燒的熱效率，減少環(huán)境污染，裝配有燃煤鍋爐的企業(yè)大多需要需要對(duì)煤的燃燒效率進(jìn)行檢測(cè)和控制[1-3]。目前最常用的煤渣含碳量檢測(cè)方法為化學(xué)灼燒失重法[1]，即對(duì)煤渣進(jìn)行取樣、烘干、碾磨，然后放在馬弗爐中，從低溫(100 ℃)到高溫(815 ℃)灼燒若干小時(shí)，最后用稱重量差的辦法來(lái)計(jì)算含碳量[4-5]。整個(gè)含碳量檢測(cè)過(guò)程非常煩瑣，且檢測(cè)時(shí)間長(zhǎng)，需要配置專類設(shè)備和專類技術(shù)人員，不適宜實(shí)時(shí)檢測(cè)和控制。另外，比較常見(jiàn)的煤渣含碳量檢測(cè)方法有微波法和放射法等[8]，但通常指飛灰含碳量的檢測(cè)[6-7]。

煤渣主要成分有碳、二氧化硅、氧化鋁(鐵、鈣、鎂)等，實(shí)驗(yàn)表明，煤渣的含碳量與灰度統(tǒng)計(jì)值具有一定的對(duì)應(yīng)關(guān)系，因此現(xiàn)場(chǎng)運(yùn)行人員通常用灰度值經(jīng)驗(yàn)判斷煤炭的燃燒效率。基于機(jī)器視覺(jué)的煤渣含碳量快速自動(dòng)檢測(cè)技術(shù)就是基于該原理設(shè)計(jì)的，可用于在線檢測(cè)的煤渣含碳量檢測(cè)技術(shù)[9-11]。該技術(shù)通過(guò)采集煤渣采集裝置中的圖像數(shù)據(jù)，經(jīng)過(guò)CCD圖像灰度處理、邊緣識(shí)別及提取、灰度特征值提取、灰度特征值標(biāo)定等，快速識(shí)別出煤渣含碳量，用于指導(dǎo)工業(yè)鍋爐煤渣熱損失控制[12-13]。實(shí)驗(yàn)結(jié)果表明，該技術(shù)的煤渣含碳量分辨率在1%以內(nèi)。工業(yè)鍋爐的煤渣含碳量通常在8%～16%，煤渣熱損失在4%～8%，因此該技術(shù)對(duì)于工業(yè)鍋爐的送風(fēng)量調(diào)控具有工程指導(dǎo)意義。

1 煤渣含碳量灰度檢測(cè)試驗(yàn)

煤渣主要成分有碳、二氧化硅、氧化鋁(鐵、鈣、鎂)等，碳為黑色，其他成分大多為白色、紅色，其中氧化鎂在煤渣中含量通常較低，對(duì)煤渣灰值影響較小，氧化鎂含量較高的煤種灼燒后會(huì)呈現(xiàn)弱黃紅色。

試驗(yàn)采用南寧某熱電聯(lián)產(chǎn)鍋爐常用的3種煤，分別標(biāo)識(shí)為煤種1～3，煤種、煤質(zhì)參數(shù)如表1所示。

表1 煤種煤質(zhì)參數(shù) %

燃燒試驗(yàn)設(shè)計(jì)步驟如下：

(1) 原煤磨成細(xì)粉放置試驗(yàn)鍋爐中進(jìn)行反復(fù)多次完全燃燒或灼燒，煤灰化驗(yàn)至含碳量0%后結(jié)束燃燒或灼燒。

(2) 原煤磨成細(xì)粉，以煤灰10 g作為基數(shù)，分別將原煤煤粉按一定比例進(jìn)行摻雜，并充分混合，得到試驗(yàn)樣粉，將樣粉含碳量分別設(shè)計(jì)為0%～16%。

(3) 樣粉進(jìn)行試驗(yàn)編號(hào)，按含碳量從大到小，煤種1～3按順序分別標(biāo)識(shí)為A01～A17，B01～B17，C01～C17。

(4) 樣粉放置進(jìn)2 mm×2 mm的白色方盒中，進(jìn)行CCD圖像識(shí)別。CCD攝像頭采用640×480像素。

(5) CCD圖像經(jīng)過(guò)灰度化、邊緣檢測(cè)、輪廓提取，將2 mm×2 mm的灰樣區(qū)識(shí)別出來(lái)。

(6) 對(duì)輪廓區(qū)域內(nèi)的CCD圖像進(jìn)行直方圖統(tǒng)計(jì)。

2 煤渣含碳量灰度檢測(cè)CCD圖像識(shí)別過(guò)程

2.1CCD圖像灰度化

為了方便對(duì)采樣煤粉區(qū)域進(jìn)行識(shí)別以及進(jìn)行煤樣灰度直方圖統(tǒng)計(jì)，需要對(duì)CCD圖像進(jìn)行灰度化。圖像灰度化方法根據(jù)實(shí)際需求有最大值法、平均值法、加權(quán)平均值法以及非線性變換法等。為了對(duì)圖像的亮度值進(jìn)行統(tǒng)計(jì)，試驗(yàn)采用了加權(quán)平均值法，

(1)

式中：Y分量的物理意義是點(diǎn)的亮度，由該值反映亮度的變化趨勢(shì)，即由白到黑的變化過(guò)程。由于煤渣炭為黑色，其他成分大多為白色，個(gè)別成分為紅色，故亮度變化值可以作為含碳量檢測(cè)依據(jù)，可以根據(jù)RGB和YUV顏色空間的變化關(guān)系建立亮度Y與R、G、B的關(guān)聯(lián)關(guān)系。

2.2CCD圖像邊緣檢測(cè)

為了減少灰樣托盤(pán)底色對(duì)檢測(cè)結(jié)果的影響，試驗(yàn)采用白色托盤(pán)作為灰樣CCD圖像采樣器皿。由于光線以及攝像頭質(zhì)量等問(wèn)題，在灰度值較小的情形下，灰樣與白色托盤(pán)不容易辨識(shí)，如圖1所示。因此邊緣檢測(cè)算法采取了比較復(fù)雜的流程。

試驗(yàn)邊緣檢測(cè)算法首先采用灰值形態(tài)學(xué)梯度，將邊緣輪廓更加銳化，如圖1(a)所示。從圖片處理來(lái)看，此次銳化基本上復(fù)原了托盤(pán)的原始形狀。由于邊緣受到光照影響，還較難于分辨，采用Kristch算子進(jìn)行噪聲處理，如圖1(c)所示。為了進(jìn)一步對(duì)圖像進(jìn)行銳化分割，采用閾值分割算法進(jìn)行輪廓提取，此時(shí)圖像基本已成為二色圖像,如圖1(d)所示。將邊緣聯(lián)通區(qū)域小的及未形成聯(lián)通區(qū)域的噪聲去除，并在臨域內(nèi)補(bǔ)齊因噪聲影響而缺失的邊緣，得到圖1(f)的邊緣。

2.2.1灰值形態(tài)學(xué)梯度

圖像的某一點(diǎn)灰度梯度值如果較大，則表示在該點(diǎn)處的明暗值過(guò)渡快，即該點(diǎn)可能為邊緣區(qū)域或者鄰域?；抑敌螒B(tài)學(xué)梯度計(jì)算公式為：

GRAD(f)=(f⊕g)-(fΘg)

(2)

(B)x={c|c=b+x,b∈X}

灰度梯度的實(shí)質(zhì)就是利用扁平結(jié)構(gòu)元素作圖像的腐蝕和膨脹變換，相當(dāng)于獲得一個(gè)極大、極小濾波器的效果。因此可以利用形態(tài)學(xué)梯度，在每一個(gè)點(diǎn)通過(guò)扁平結(jié)構(gòu)元素來(lái)確定改點(diǎn)鄰域上的極大和極小值的差值。灰值形態(tài)學(xué)梯度與閾值技術(shù)相結(jié)合，能較好獲取圖像的邊緣(見(jiàn)圖1(f))。 圖1(d)和圖1(f)表明，利用形態(tài)學(xué)梯度，可以使得輸入圖像中灰度級(jí)的躍變更為急劇，形成類似二值的效果。

(a) 灰樣CCD圖像灰值化

(b) 灰值形態(tài)學(xué)梯度

(c) Kristch算子

(d) 交互式閾值分割算法二值圖像

(e) 閾值分割邊緣提取

(f) 智能邊緣提取圖1 灰樣圖片邊緣提取流程以及算法效果

2.2.2Kristch算子邊緣提取

算子使用8個(gè)模板來(lái)確定梯度和梯度的方向。用KN～KNW分別與圖像的各對(duì)應(yīng)元素相乘，并通過(guò)計(jì)算結(jié)果的最大值作為中央像素的極大值邊緣。8個(gè)卷積核形成了Krisch算子，也就是相當(dāng)于圖像的每個(gè)元素都進(jìn)行了8個(gè)特定邊緣方向的梯度檢測(cè)，取8個(gè)方向的最大值作為該點(diǎn)的輸出值，因此Kristch算子是一種最佳匹配的邊緣檢測(cè)算子。

Krisch算子采用以下8種形式的模板：

圖像中的每個(gè)位置圖素都要經(jīng)過(guò)8個(gè)模板的卷積分計(jì)算作用，并以最大值作為輸出，指向最大值的梯度方向就是邊緣的方向。實(shí)際上可采用以下快速算法：

m(i,j)=max{1,max{|5sk-3tk|:

k=0,1,…,7}}

(3)

式中：

tk=ak+3+ak+4+…+ak+7

sk=ak+ak+1+ak+2

2.2.3最大類間方差圖像切割算法

最大類間方差法因?yàn)槠浜?jiǎn)單易實(shí)現(xiàn)、穩(wěn)定有效而廣為使用。實(shí)現(xiàn)方法為通過(guò)直方圖對(duì)圖像進(jìn)行閾值分割成為兩組，當(dāng)分割兩組的方差最大時(shí)將該點(diǎn)選擇為閾值。最大類間方差法實(shí)質(zhì)是通過(guò)類別方差來(lái)表征邊緣和背景，因?yàn)榉讲羁梢宰鳛榛叶确植季鶆蛐缘牧慷取Ｈ绻环指畹膱D像方差值差別越大，表明構(gòu)成該圖像兩部分的差別就越大，因此通過(guò)類間方差最大達(dá)到產(chǎn)生最佳的邊緣目標(biāo)類與背景類的分離性能。

設(shè)原始灰度圖像灰度級(jí)共L級(jí)，則圖像的全部像素?cái)?shù)為：

N=n0+n1+…+nL-1

(4)

歸一化直方圖，則，

(5)

按灰度級(jí)在閾值k點(diǎn)將圖像分割分為兩類，分別標(biāo)記為C0和C1，概率計(jì)算如下：

(6)

(7)

C0和C1類所有像素點(diǎn)的灰度級(jí)平均值計(jì)算如下：

(8)

(9)

類間方差計(jì)算如下：

(10)

3 煤渣含碳量的灰度方差標(biāo)定方法

煤渣灰度與含碳量具有一定的關(guān)聯(lián)關(guān)系[2]，一般來(lái)講，含碳量越高，煤渣灰度平均值越大。圖像邊緣內(nèi)C類各點(diǎn)的概率計(jì)算如下：

(11)

所有像素點(diǎn)的灰度級(jí)平均值計(jì)算如下：

(12)

則C類方差可以如下計(jì)算：

(13)

通過(guò)實(shí)驗(yàn)以及圖像處理，得到含碳量與圖樣灰度的方差和均值間的關(guān)系如表2所示。

表2 灰樣含碳量標(biāo)定

4 結(jié) 論

通過(guò)3種煤的灰樣含碳量標(biāo)定計(jì)算，結(jié)論如下：

(1) 灰樣的灰度均值能作為含碳量值標(biāo)定，且在4%～8%的區(qū)間具有良好的分辨率。作為將排渣含碳量控制在4%～8%的工業(yè)鍋爐，具有較好的標(biāo)定結(jié)果。

(2) 不同樣粉在相同含碳量情況下其灰度均值是不一樣的，但其灰度變化趨勢(shì)是一致的，在含鎂等紅色物質(zhì)含量接近以及原煤含碳量接近的情形下，其灰度均值是接近的。

(3) 0～2%的階段，由于灰渣含弱黃紅色的氧化鎂，使得灰度均值偏大，含碳量不可區(qū)分。但對(duì)于目標(biāo)將排渣含碳量控制在4%～8%的工業(yè)鍋爐，不會(huì)影響其標(biāo)定。如果結(jié)合方差值，也能實(shí)現(xiàn)從0～2%的標(biāo)定。

(4) 從實(shí)驗(yàn)結(jié)果看，原煤煤炭含碳量越大，在同樣含碳量灰樣下，其對(duì)應(yīng)的灰度值會(huì)相應(yīng)較低一些。

從工程的角度來(lái)看，采用煤渣的灰度均值和方差共同標(biāo)定灰渣的含碳量是可行的。但在實(shí)驗(yàn)過(guò)程中，煤粉研磨的細(xì)度，CCD攝像頭的分辨率，攝像頭安裝高度，燈光強(qiáng)度等都會(huì)對(duì)樣粉的灰度均值計(jì)算產(chǎn)生一定的影響，但總體變化趨勢(shì)是一致的，由于篇幅限制不一一列出相應(yīng)的原始實(shí)驗(yàn)數(shù)據(jù)。故如何將樣粉的灰度均值與含碳量嚴(yán)格標(biāo)定，還需要進(jìn)一步的理論研究。

[1] 武 林,鄧躍全,孫 婷，等.粉煤灰/煤渣磚氡污染防治的研究[J].新型建筑材料,2015,42(3):88-91.

[2] 溫麗瑗,陳小平,朱建帆，等.高碳含量煤渣物性及機(jī)械活化試驗(yàn)研究[J].建筑技術(shù),2016,47(11):1005-1007.

[3] 方 旭,王 曉,王 晗，等.不同種類煤渣與高鉻材料的反應(yīng)[J].耐火材料,2014(5):343-347.

[4] 武 林,鄧躍全,孫 婷，等.重鈣粉對(duì)粉煤灰/煤渣輕質(zhì)墻板氡污染的研究[J].非金屬礦,2015(2):59-62.

[5] 趙世冉,張凱峰,米 鈺，等.煤渣-陶粒混凝土擠壓內(nèi)墻板的試驗(yàn)研究[J].新型建筑材料,2014,41(12):20-22.

[6] 梁延鵬,李 紅,曾鴻鵠，等.天然煤渣吸附水中β-HCH的動(dòng)力學(xué)和熱力學(xué)研究[J].科學(xué)技術(shù)與工程,2016,16(22):291-294.

[7] 趙曉明,李金來(lái),李 偉，等.液態(tài)排渣煤渣的高附加值利用[J].化工進(jìn)展,2014(8):2206-2210.

[8] 趙世賢,蔡斌利,孫紅剛，等.水煤漿氣化爐煤渣對(duì)高鉻磚侵蝕的熱力學(xué)模擬[J].耐火材料,2015,(1):13-16.

[9] 江嘉運(yùn),趙 明,劉亞冰，等.煤渣輕集料混凝土自保溫復(fù)合砌塊的生產(chǎn)工藝[J].新型建筑材料,2014,41(1):10-14.

[10] 夏 群,易 磊,朱平華，等.摻煤渣的再生混凝土保溫空心砌塊力學(xué)行為與熱工性能研究[J].混凝土,2016(9):106-110.

[11] 王錫春,黃石旺,劉正日，等.煤渣在烤煙生產(chǎn)上的應(yīng)用研究[J].農(nóng)學(xué)學(xué)報(bào),2014,4(11):49-54,58.

[12] 李健,王圣毫,張鐵巖，等.在線測(cè)量煤粉中含碳量的方法研究[J].國(guó)外電子測(cè)量技術(shù)，2009, 28(9):32-34.

[13] 王景海，基于圖像處理技術(shù)的鍋爐底渣含碳量檢測(cè)方法研究[D].天津：華北電力大學(xué)，2014：30-39.

AFastAutomaticDetectionTechnologyfortheCarbonContentofCinderBasedonMachineVision

JINHao1，YANFang2,LIBin1

(1.Department of Power Engineering, Guangxi Electric Polytechnic Institute, Nanning 530007, China; 2.Institute of Electrical Engineering，Guangxi University, Nanning 530007, China)

The traditional coal carbon content detection technology is a complicated process, it needs long time, and cannot be measured on-line and other defects.Hence, this paper introduces a fast automatic detection technology of the carbon content of cinder based on machine vision.The technology collects image data by acquisition device in coal cinder, after CCD image gray processing, edge detection and extraction, feature extraction, gray feature value calibration, the carbon content of cinder can be quickly identified.The method can be used to guide the industrial boiler cinder heat loss control.Experimental results show that when the carbon content of cinder is within 2%～16%, the accuracy of coal carbon resolution can reach 1%.Industrial boiler cinder carbon content is usually around 8%～16%, cinder heat loss is about 4%～8%, so it has guiding significance for the air supply control of industrial boiler.

machine vision; carbon content of cinder; fast automatic detection technology

TK 16；TK 39

A

1006-7167(2017)10-0024-04

2017-01-16

國(guó)家自然科學(xué)基金項(xiàng)目(98705646545)；廣西壯族自治區(qū)節(jié)能技術(shù)改造財(cái)政獎(jiǎng)勵(lì)項(xiàng)目資助(GXJN20130107)

金 昊(1984-)，男，廣西南寧人，碩士，講師，研究方向：傳感器應(yīng)用及檢測(cè)技術(shù)。Tel.：18176875622；E-mail: zhaofang1972425@126.com