一種基于機器視覺的煤渣含碳量快速自動檢測技術(shù)

金 昊，嚴 方，黎 賓

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

一種基于機器視覺的煤渣含碳量快速自動檢測技術(shù)

金 昊1，嚴 方2，黎 賓1

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

針對傳統(tǒng)煤渣含碳量檢測技術(shù)過程繁瑣、時間長、不能在線檢測等缺陷，介紹一種基于機器視覺的煤渣含碳量快速自動檢測技術(shù)。該技術(shù)通過采集煤渣采集裝置中的圖像數(shù)據(jù)，經(jīng)過CCD圖像灰度處理、邊緣識別及提取、灰度特征值提取、灰度特征值標(biāo)定等，快速識別出煤渣含碳量。實驗結(jié)果表明，煤渣含碳量在2%～16%時，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)對于工業(yè)鍋爐的送風(fēng)量調(diào)控具有工程指導(dǎo)意義。

機器視覺； 煤渣含碳量； 快速檢測技術(shù)

0 引 言

煤渣是最常見的工業(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)大多需要需要對煤的燃燒效率進行檢測和控制[1-3]。目前最常用的煤渣含碳量檢測方法為化學(xué)灼燒失重法[1]，即對煤渣進行取樣、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，最后用稱重量差的辦法來計算含碳量[4-5]。整個含碳量檢測過程非常煩瑣，且檢測時間長，需要配置專類設(shè)備和專類技術(shù)人員，不適宜實時檢測和控制。另外，比較常見的煤渣含碳量檢測方法有微波法和放射法等[8]，但通常指飛灰含碳量的檢測[6-7]。

煤渣主要成分有碳、二氧化硅、氧化鋁(鐵、鈣、鎂)等，實驗表明，煤渣的含碳量與灰度統(tǒng)計值具有一定的對應(yīng)關(guān)系，因此現(xiàn)場運行人員通常用灰度值經(jīng)驗判斷煤炭的燃燒效率。基于機器視覺的煤渣含碳量快速自動檢測技術(shù)就是基于該原理設(shè)計的，可用于在線檢測的煤渣含碳量檢測技術(shù)[9-11]。該技術(shù)通過采集煤渣采集裝置中的圖像數(shù)據(jù)，經(jīng)過CCD圖像灰度處理、邊緣識別及提取、灰度特征值提取、灰度特征值標(biāo)定等，快速識別出煤渣含碳量，用于指導(dǎo)工業(yè)鍋爐煤渣熱損失控制[12-13]。實驗結(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試驗

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，對煤渣灰值影響較小，氧化鎂含量較高的煤種灼燒后會呈現(xiàn)弱黃紅色。

試驗采用南寧某熱電聯(lián)產(chǎn)鍋爐常用的3種煤，分別標(biāo)識為煤種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) %

燃燒試驗設(shè)計步驟如下：

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

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

(3) 樣粉進行試驗編號，按含碳量從大到小，煤種1～3按順序分別標(biāo)識為A01～A17，B01～B17，C01～C17。

(4) 樣粉放置進2 mm×2 mm的白色方盒中，進行CCD圖像識別。CCD攝像頭采用640×480像素。

(5) CCD圖像經(jīng)過灰度化、邊緣檢測、輪廓提取，將2 mm×2 mm的灰樣區(qū)識別出來。

(6) 對輪廓區(qū)域內(nèi)的CCD圖像進行直方圖統(tǒng)計。

2 煤渣含碳量灰度檢測CCD圖像識別過程

2.1CCD圖像灰度化

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

(1)

式中：Y分量的物理意義是點的亮度，由該值反映亮度的變化趨勢，即由白到黑的變化過程。由于煤渣炭為黑色，其他成分大多為白色，個別成分為紅色，故亮度變化值可以作為含碳量檢測依據(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

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

試驗邊緣檢測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。從圖片處理來看，此次銳化基本上復(fù)原了托盤的原始形狀。由于邊緣受到光照影響，還較難于分辨，采用Kristch算子進行噪聲處理，如圖1(c)所示。為了進一步對圖像進行銳化分割，采用閾值分割算法進行輪廓提取，此時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

圖像的某一點灰度梯度值如果較大，則表示在該點處的明暗值過渡快，即該點可能為邊緣區(qū)域或者鄰域。灰值形態(tài)學(xué)梯度計算公式為：

GRAD(f)=(f⊕g)-(fΘg)

(2)

(B)x={c|c=b+x,b∈X}

灰度梯度的實質(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，在每一個點通過扁平結(jié)構(gòu)元素來確定改點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個模板來確定梯度和梯度的方向。用KN～KNW分別與圖像的各對應(yīng)元素相乘，并通過計算結(jié)果的最大值作為中央像素的極大值邊緣。8個卷積核形成了Krisch算子，也就是相當(dāng)于圖像的每個元素都進行了8個特定邊緣方向的梯度檢測，取8個方向的最大值作為該點的輸出值，因此Kristch算子是一種最佳匹配的邊緣檢測算子。

Krisch算子采用以下8種形式的模板：

圖像中的每個位置圖素都要經(jīng)過8個模板的卷積分計算作用，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

最大類間方差法因為其簡單易實現(xiàn)、穩(wěn)定有效而廣為使用。實現(xiàn)方法為通過直方圖對圖像進行閾值分割成為兩組，當(dāng)分割兩組的方差最大時將該點選擇為閾值。最大類間方差法實質(zhì)是通過類別方差來表征邊緣和背景，因為方差可以作為灰度分布均勻性的量度。如果被分割的圖像方差值差別越大，表明構(gòu)成該圖像兩部分的差別就越大，因此通過類間方差最大達到產(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共L級，則圖像的全部像素數(shù)為：

N=n0+n1+…+nL-1

(4)

歸一化直方圖，則，

(5)

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

(6)

(7)

C0和C1類所有像素點的灰度級平均值計算如下：

(8)

(9)

類間方差計算如下：

(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類各點的概率計算如下：

(11)

所有像素點的灰度級平均值計算如下：

(12)

則C類方差可以如下計算：

(13)

通過實驗以及圖像處理，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3種煤的灰樣含碳量標(biāo)定計算，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。但對于目標(biāo)將排渣含碳量控制在4%～8%的工業(yè)鍋爐，不會影響其標(biāo)定。如果結(jié)合方差值，也能實現(xiàn)從0～2%的標(biāo)定。

(4) 從實驗結(jié)果看，原煤煤炭含碳量越大，在同樣含碳量灰樣下，其對應(yīng)的灰度值會相應(yīng)較低一些。

從工程的角度來看，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。但在實驗過程中，煤粉研磨的細度，CCD攝像頭的分辨率，攝像頭安裝高度，燈光強度等都會對樣粉的灰度均值計算產(chǎn)生一定的影響，但總體變化趨勢是一致的，由于篇幅限制不一一列出相應(yīng)的原始實驗數(shù)據(jù)。故如何將樣粉的灰度均值與含碳量嚴格標(biāo)定，還需要進一步的理論研究。

[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械活化試驗研究[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,李 偉，等.液態(tài)排渣煤渣的高附加值利用[J].化工進展,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,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,2014,4(11):49-54,58.

[12] 李健,王圣毫,張鐵巖，等.在線測量煤粉中含碳量的方法研究[J].國外電子測量技術(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

國家自然科學(xué)基金項目(98705646545)；廣西壯族自治區(qū)節(jié)能技術(shù)改造財政獎勵項目資助(GXJN20130107)

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