基于邊緣檢測的加香噴嘴霧化效果可視化系統

蔡 艷 孫常榮 付曉宇 郭睿涵 王英立

（四川中煙工業有限責任公司成都卷煙廠，四川 成都 610000）

0 研究背景

煙絲加香是卷煙廠煙絲制造生產線（簡稱制絲線）的三大工藝環節之一，所謂煙絲加香就是根據制絲線上煙絲流量進行均勻噴香。評估一種加香噴嘴霧化效果優劣最主要的性能指標就是噴霧質量，其中包括噴霧霧滴的直徑、均勻度以及粒譜范圍等參數。而噴嘴裝置噴霧質量直接影響到加香效果的原因包括加香噴嘴噴出霧滴的射程與流量以及霧滴在落地前的滯空時間等，如果噴嘴噴出的霧滴粗大、射程短而很快落地，則會影響加香效果，浪費物料。機器視覺、圖像處理技術、人工智能學科的發展，為工業檢測提供了新的解決方案，利用高速攝像機結合圖像處理技術、卷積神經網絡進行噴霧性能檢測將成為噴霧檢測領域的主要研究方向。

1 主要工作

該課題的研究為實現加香噴嘴霧化效果檢測與分析系統提供基礎，對促進煙絲加香生產線的發展具有重要意義。根據現有煙絲加香生產線的設備條件與加香噴嘴霧化效果檢測與評價技術的研究需要，該文的研究內容主要包括以下三個部分：1）使用圖像格式整形、直方圖處理、灰度化處理、圖像濾波等圖像處理算法完成對噴嘴噴霧圖像的預處理，提高圖像清晰度，避免圖像過亮或過暗，提高圖像質量，滿足算法所需的圖像要求。2）使用邊緣檢測方法對一組時序圖像的霧滴形態特征進行提取分析，識別圖像上的霧化顆粒輪廓。3）根據檢測到的顆粒輪廓分析計算其截面積，按照顆粒截面積的大小范圍進行歸類處理，并計算各面積大小范圍內的顆粒數量在整體數量中所占的比例。

2 檢測方法

2.1 圖像預處理算法

圖像簡單預處理的步驟如下：圖像格式變換將圖像格式統一處理成合適大小的圖像，再經圖像格式整形、直方圖均衡化、灰度處理、圖像濾波等圖像處理步驟，使圖像特征更加明顯。該文中對噴霧圖像的預處理流程圖如圖1所示。

圖1 噴霧圖像預處理的流程圖

2.2 用于識別輪廓的邊緣檢測算法

該文采用的是基于Canny邊緣檢測器的圖像邊緣檢測算法。Canny邊緣檢測器通過4步來識別邊緣。

這種方法依賴于強度的突然變化，如果圖像有很多隨機噪聲，則會將噪聲邊界作為檢測到的顆粒圖像邊緣，所以該文將使用5×5（像素）的高斯濾波器平滑預處理后的圖像。

計算圖像中每個像素強度的梯度（即強度變化率）以及梯度方向，如公式（1）所示。其中G與G為灰度值，()代表梯度大小，()代表梯度方向。

使用八鄰域模板對檢測到的每個邊緣像素進行再校核，八鄰域模板示意圖如圖2所示。

圖2八鄰域模板示意圖

選取梯度值最高的像素作為邊。在梯度方向上取3×3像素附近的局部最大值。

遲滯閾值化是決定一個梯度的閾值，低于這個閾值所有的像素都將被抑制（設置為0）。

2.3 邊界的提取與擬合

該文基于統計與回歸方法處理方法計算出圖像中噴霧角上下兩條邊界線的擬合曲線的信息，并將擬合曲線各點的，值存儲于矩陣[]中。其中，表示噴霧角圖像中噴霧角邊界線計算出的點的序號，x為NewArray矩陣中第1列的第個數據即為第個點在圖像中的橫坐標；相應地，y為NewArray矩陣中第2列的第個數據，即為第點的縱坐標，坐標的單位用像素表示。

2.4 霧滴形態特征統計分析方法

該章分析的霧滴形態特征參數主要有霧滴二維投影面積、噴霧角度、霧滴位置坐標等，其具體計算公式如下。

設霧滴圖像大小（像素值）為×，霧滴在圖像中的像素位置序號為f（，），則第個霧滴面積Ai的計算公式如下。

一幀圖像中共個霧滴，則圖像中的霧滴總面積計算公式如下。

利用最小二乘法進行線性回歸，第幀圖像中噴霧角兩條邊界的擬合直線如下。

3 試驗設計與結果分析

3.1 霧化性能檢測系統硬件設計

霧化性能檢測系統的硬件組成包括高速相機、光源、穩壓電源和工控機。系統示意圖如圖3所示。以下為各硬件因素詳細參數。其中相機型號為Baslera2A1920-160umPRO。光源采用30W的面陣光源，工控機型號為研華科技AIMC2000。

圖3 霧化性能檢測系統示意圖

3.2 霧化性能檢測系統軟件設計

該霧化性能檢測系統軟件的設計開發過程采用模塊化的設計思想。該系統的這幾個主要模塊主要包括圖像采集模塊、圖像標定模塊、圖像存儲模塊、圖像預處理模塊以及數據分析模塊，這幾個模塊被分別封裝在各自的子模塊中，共同組成該霧化性能檢測系統。軟件系統模塊化示意圖如圖4所示。

圖4 軟件系統模塊示意圖

加香噴霧霧化性能分析系統軟件是使用Qt編程實現的。整個軟件由噴霧檢測界面、滴液檢測界面、霧滴統計分析界面三個部分組成。

3.3 試驗結果分析

由于圖像采集是針對噴霧區域中的某個局部區域，因此每幀中的霧滴數量是不相等的。此外，霧滴的分布并不完全均勻。就某一局部區域而言，不同時刻的分布密度會有所不同，導致每幀霧滴的數量在一定范圍內波動。通常用每幀圖像中霧滴的平均數量來表示霧滴在該區域的分布情況。經過計算，該工況下的液滴平均分布為每幀58個。

液滴主要分布在等效直徑2像素~7像素的區域，因此該試驗對這一位置的霧滴特征進行了重點分析，進而判定噴霧器的噴霧性能。該圖表明，等效直徑越大，液滴的平均圓度越接近1.0。而霧滴直徑越小，其圓形度越小。

該文從一系列圖像中提取全部10幀，處理50張圖像，合計4138滴。

圖5中霧滴面積單位精確到像素級別，這樣做大大簡化了霧滴面積的計算方法，僅通過統計像素的個數，即可得到霧滴的面積。

圖5 霧滴累計分布圖

表1 霧化邊界擬合參數表（0.04MPa）

4 結論

該研究為了建立霧化效果可視化及評價體系提出了邊緣法利用圖像處理領域的相關算法，可以按照確定的標準檢測霧滴覆蓋度，分析霧滴的沉積均勻性。提出了采用OpenCV中Canny邊緣檢測算法，通過去噪、梯度計算、非極大抑制、遲滯閾值化四個步驟識別霧滴邊緣，以精確計算霧滴特征參數，并對三維空間向二維圖像投影中的重疊問題做準確重構，以準確辨別霧化顆粒輪廓。根據試驗結果，以上方法得到了驗證并能達到相應的魯棒性。