基于圖像處理的微波干燥設備物料火情報警系統研究

趙俊杰+顏丙生+湯寶平+劉自然

摘 要： 大型微波干燥設備在干燥易燃物料時，由于物料中偶爾混有的鐵屑會在微波作用下釋放電火花引起火災，燒毀物料并損傷設備傳送帶等。針對大型微波干燥設備在實際工作場合中出現的微波干擾強、光照條件復雜、物料著火點不確定性強等問題，提出了基于物料顏色的火焰面積提取與基于灰度圖亮度識別相結合的微波設備物料火情監測方法，利用NI myRIO-9100以及CMOS攝像頭等設備，開發一套基于LabVIEW的微波干燥設備物料火情監控報警系統。經實驗測試，在物料著火時，該系統能夠可靠地檢測出火情并報警，從而有效地降低設備運行風險和物料起火損失。

關鍵詞： 圖像處理； 火情監測； 微波設備； NI myRIO

中圖分類號：TP391.41 文獻標志碼：A 文章編號：1006-8228（2017）04-08-05

Abstract： A fire detection method based on image processing is developed to detect fire caused by the iron filings occasionally mixed in the flammable material being heated， in microwave drying equipment. The flame color and grayscale images are used together to deal with the problems such as microwave interference， complicated illumination conditions， the complexity of the case of the fire， the similarity of material color and flame color and so on. This algorithm has been used on a hardware system built of NI myRIO and CMOS industrial camera. After experimental test， the system can reliably detect fire and make alarm， so as to effectively reduce the operation risk of the drying equipment and the loss when the fire broke out.

Key words： image processing； fire detection； microwave equipment； NI myRIO

0 引言

大型微波干燥設備在加熱易燃物料時，由于物料中偶爾混有的鐵屑在微波作用下釋放電火花，易引起火災，會燒毀物料并對設備傳送帶等裝置造成一定損傷，因此一些廠家在設備中加裝煙感傳感器，將其作為大型微波加熱設備的火情報警系統。但在實際工作場合中發現，由于受熱物料經常具有一些易揮發性物質，導致報警系統誤報率較高，且經常導致設備非故障停機。本文探討用圖像處理的方式來解決設備中的火情報警問題。

近年來，國內外在關于基于圖像處理的火災報警方面的研究有很多，例如國外有Jong-Hwan Kim等利用紅外圖像來檢測火情以及現場的煙霧情況[1]，Thomas Schr?der等利用圖像的顏色特性、動態表現、空間擴展參數來實現的爆燃過程模糊分類識別與檢測[2]。國內陳曉娟等利用圖像紋理、煙霧濃度、溫度等進行組合來識別火情[3]；段悅、吳洪森、王文豪、包晗等利用火焰圖像的面積、周長、圓形度、顏色、蔓延面積大小等來進行火情識別[4-7]；田仲富、劉林等利用紅外技術、火焰尖角、運動像素等的火焰檢測方法[8-10]。

上述方法對于一般情況下的火災檢測已經做的比較好，但用到微波設備上還有一些問題需要解決。微波設備中溫度較高，紅外檢測方法不適合，物料本身形狀、反光程度以及運動狀況不穩定等因素會造成拍攝的圖片質量較差等，本文利用加裝過防護裝置的CMOS攝像頭、NI myRIO模塊構建硬件系統，并使用labVIEW平臺構建了相關軟件來進行圖像的采集與處理。

1 硬件構成

在微波加熱設備中，如圖1所示，加熱區基本是封閉的，物料被放置在傳送裝置或其他載物設備上。在設備箱體加熱區的上方鋼板上開有通孔，通孔外部用專用玻璃防護起來，外部光源和攝像頭經通孔對箱體內部進行照明和取照片。在火情報警系統部分，USB接口的CMOS工業攝像頭直接連接到NI myRIO設備的USB接口上，myRIO設備利用NI公司提供的電源適配器（輸入：AC 100-240V 50-60Hz 38VA，輸出：DC 12V 1.5A）進行供電。

2 檢測原理

微波加熱設備中的物料起火與生活中常見的如森林火災、居室起火等情況有一些不同之處。微波設備中的火情發展主要經歷如下三個階段：首先，物料中混有的鐵屑在微波作用下釋放出短暫的耀眼的閃光（閃光基本為白光），這個過程會持續20s左右；隨后由于鐵屑的放電引起小范圍物料起火；最后，如果前期沒能控制住火情，火勢會迅速蔓延導致物料全部損毀且對設備造成損傷。

針對上述情況，首先考慮采用圖像灰度化處理方案，通過將灰度化圖像不同像素灰度值與設定的閾值進行對比得到對應二值化圖像進而計算火焰面積，達到對鐵屑導致的閃光進行報警以及對后續火情的預警。然而在不同型號的微波設備中，有些放置物料的架子或基板是由表面光滑的不銹鋼制成，這些光滑部件在微波設備運行過程中處于運動狀態，會不定期反射照明燈的光線，對灰度化圖像的處理結果造成影響，所以考慮采用在彩色圖像中提取特定顏色火焰的方法對起火后的火情進行報警。若被加熱物料偏白色，在彩色圖像中提取到的白色閃光范圍會產生較大失真，因此考慮將灰度化圖像的處理結果主要用作火情預警，彩色圖像的火焰顏色處理結果用作真實報警，基本流程如圖2所示。

圖2所示圖像處理流程主要包括三個方面，分別為：根據火焰顏色提取并計算火焰區域大小、根據灰度情況提取并計算火焰區域大小、根據最新的火焰面積統計結果與上次統計結果進行對比判別。最后再根據這三者的綜合情況，判斷是否需要報警處理。具體過程如下。

⑴ 對彩色圖像灰度化，得到灰度圖。然后將整個圖像轉換成對應的二維灰度值數組，對待處理二維灰度值數組中每一個灰度值與預設火焰的對應灰度值范圍進行比較，當當前像素灰度值處于預設火焰的對應灰度值范圍時，則將其記為一個單位火焰面積，將所有單位火焰面積累加起來就得到最終火焰面積。由于圖像中難免會有一些噪點的影響，所以沒有火情時也會有一些像素點會被當成火焰，但是相對來說，其總量是有限的，可以預設一個火焰面積閾值，只有超過這一閾值才會被當成有火情。

⑵ 通過設置不同的圖片三原色范圍（紅、綠、藍），選出特定火焰的顏色范圍，對火焰以及背景進行二值化處理。由于有時物料反射的光線接近火焰顏色，但是物料反射造成的接近火焰顏色的區域在圖像中比較分散且范圍較小，可以通過對每個接近火焰顏色的連通域范圍進行顆粒大小分析，對小于預設范圍大小的顆粒進行過濾，得到比較完整的火焰圖像，接下來，對過濾后的二值化圖像中火焰區域進行面積計算，其中，一個像素點記為一個單位面積，于是可以得到基于火焰顏色的火焰區域面積，將得到的火焰面積與針對當前算法而預設的火焰面積報警閾值進行比較，得出是否有火情。

⑶ 在通過上述兩種方式分別對圖像進行處理，得出相應的火焰面積以后，在每次計算時保留上一次的火焰面積計算結果，將其與下一次的計算結果進行比較。一旦后一次的火焰面積與前一次的火焰面積之比超過預設值，也被判斷成有火情，這種處理過程主要用于前期閃光階段。

上述過程中，根據火焰顏色提取并計算火焰區域大小以及根據灰度情況提取并計算火焰區域大小這兩種方法主要用于生成火苗以后的火勢判斷。根據最新的火焰面積統計結果與上次統計結果進行對比得出火焰面積比值這一方法主要用于前期閃光階段的火情預警監測。三種方法得出的火情報警結果與最終的報警結果之間的邏輯關系可用以下公式表明：

其中，報警為真，反之為假，B表示最終報警情況，Y表示根據火焰顏色得到的報警情況，H表示根據灰度圖得到的報警情況，ZY和ZH分別表示根據火焰顏色或灰度圖得到的火焰面積增長率對應的報警情況。

3 算法實現

圖3所示為myRIO里的主程序，開機后打開相機并配置相機，然后在while循環中重復“判斷是否停止程序、取照片、處理照片、輸出結果”這四個狀態。在測試算法過程中，利用myRIO自帶的一個自定義按鈕和四個LED指示燈來進行程序運行以及是否有火情報警等狀態的控制與顯示，程序設置為上電自啟動。其中LED 0燈亮表示正在取圖像，燈滅表示正在處理圖像；LED 1燈亮表明程序運行出錯，燈滅表示程序運行良好；LED 2和LED 3同時亮表明有火情報警，同時滅表明無火情報警；程序運行過程中，按下自定義Button 會停止程序的運行；將myRIO電源關掉再重新開機，程序又自動開始運行。

圖4所示為圖像處理程序，程序上方為圖像的灰度化程序，拍攝到的彩色圖像經IMAQ BCGLookup函數轉換為灰度化圖像，在轉換過程中，可對原彩色圖像的亮度、對比度、伽馬值等進行調整。轉換后的灰度圖經IMAQ Image To Array函數再將灰度圖轉換為相應的二維灰度值數組。左下方為根據火焰顏色提取火焰區域以及基于火焰區域面積大小的過濾程序，采集到的彩色圖像在設置好參數范圍的情況下，經IMAQ Color Threshold函數轉換為黑色（非火焰區域）和紅色（火焰區域）兩種顏色的二值化圖像，然后再利用IMAQ Particle Filter函數對上述二值化圖像中的較小的連通域區域進行過濾，通過對連通域的面積大小設定閾值，可以將較小的干擾點過濾掉，接著利用IMAQ Image To Array函數將圖像轉換為對應的二維黑色或紅色二值化數組，最后利用自定義的二值化程序再將黑紅二值化數組轉換為所需要的二值化數組。

將得到的兩組二維數組分別進行火焰區域面積大小統計（如圖5所示），統計完成以后，將其與目標閾值比較，超過相應閾值則輸出各自對應的報警情況。另外分別將得到的火焰面積統計結果與上一次的結果相除，算出對應面積增長速率，速率超出預設閾值，則進行相應報警輸出。

圖5為火源區域像素統計程序，通過兩個for循環進行火焰區域面積大小統計，第一個for循環對二維數組進行當行索引，第二個for循環對第一個for循環的單行索引結果進行單像素索引并判斷當前像素點的灰度值或二值化結果是否在火焰范圍內，并進行相應統計。統計完成后，輸出對應的兩組統計結果。

4 測試結果

測試地點為微波設備生產廠商的廠房里，采用白色紙屑模擬物料，模擬的火情現場照片如圖6所示，軟件部分的參數設置為：圖像的處理區域為全部區域；IMAQ BCGLookup的Brightness值為128.00、Contrast值為30.00、Gamma值為1.03；火焰顏色提取中IMAQ Color Threshold函數的參數Blue的值為80-255、Red的值為254-255、Green的值為150-255；火焰顏色顆粒大小過濾函數IMAQ Particle Filter中的范圍值設置為50-50000；最終的灰度圖報警閾值為200；火焰顏色圖中的報警閾值為200。

經多次測試，NI myRIO設備采集到如圖6所示的模擬物料火情現場照片以及在利用強光手電模擬微波設備中的閃光情況時，能夠及時的通過亮燈及其他措施給出火災警告信號。MyRIO的報警燈亮起情況如圖7所示。

另外，為了得出圖像處理的速度，避免處理速度過慢而造成漏報的情況，在主程序中添加了計時程序，通過多次測量求平均值的方式，測算了單個處理流程（取圖像、處理圖像、輸出結果）的耗時情況，經分析認為基本滿足要求，具體測試結果如表1所示。

在出現閃光時，由于閃光的光線較強，攝像頭受強光影響，拍攝的圖片基本為白色，理論上不會出現漏檢。在設備實際運行中，真正出現火情的概率較小，目前為止只收到兩例有閃光情況的反饋，在反饋中，程序都能實現對閃光的檢測。

5 總結

通過試驗驗證，根據最新的火焰或光源面積統計結果與上次統計結果進行對比計算圖像亮度增長速度的方式能有效檢測出微波設備中鐵屑引起的閃光情況，根據火焰顏色提取并計算火焰區域大小并結合根據灰度情況提取并計算火焰區域大小這兩種方法，可以判斷微波干燥設備運行中物料是否起火這一狀況。將上述方法結合起來，能有效檢測并預判微波干燥設備中的火情狀況。另外，后期工作中可以通過myRIO上自帶的IO口與微波干燥設備的主控PLC進行通信從而使設備在遇到火情時能及時做出處理措施。

參考文獻（References）：

[1] Jong-Hwan Kim， Brian Y.Lattimer. Real-time probabilistic

classification of fire and smoke using thermal imagery for intelligent firefight robot[J]. Fire Safety Journal，2015.72（2）：40-49

[2] Thomas Schr?der， Klaus Krüger， Felix Kümmerlen.

Image processing based deflagration detection using fuzzy logic classification[J]. Fire Safety Journal，2014.65（3）：1-10

[3] 陳曉娟，卜樂平，楊加軍.帶圖像處理的火災報警系統抗干擾性研究[J].儀器儀表學報，2010.32（12）：2848-2853

[4] 段悅，袁昌明.火災探測中動態火焰的數字圖像處理[J].中國計量學院學報，2009.20（1）：55-58

[5] 吳洪森，盧滌非，陶永紅.基于火焰形狀、面積的判別依據研究[J].中國人民公安大學學報（自然科學版）， 2011.67（1）：40-42

[6] 王文豪，劉虎，嚴云洋.視頻火災識別的關鍵技術研究[J].計算機仿真，2011.28（2）：304-307

[7] 包晗，康泉勝，周明.一種基于LVQ神經網絡與圖像處理的火

焰識別算法[J].中國安全科學學報，2011.21（6）：60-64

[8] 田仲富，王述洋.基于BP神經網絡的嵌入式森林火災智能監控系統[J].東北林業大學學報，2014.42（8）：138-144

[9] 劉林，楊晨，丁召.基于嵌入式的智能火災監測報警系統的設計[J].電子設計工程，2014.22（16）：184-186

[10] 田仲富，黎粵華，劉曉義.基于圖像的嵌入式森林火災監控系統研究與設計[J].安徽農業科學，2014.42（13）：4105-4107