《在煤灰锥形状及温度检测的应用》由会员分享,可在线阅读,更多相关《在煤灰锥形状及温度检测的应用(76页珍藏版)》请在金锄头文库上搜索。
1、上海交通大学工程硕士学位论文 第一章 绪论 1 第一章第一章 绪论绪论 1.1 课题的意义及国内外研究现状 1.1 课题的意义及国内外研究现状 1.1.1 课题的来源 1.1.1 课题的来源 煤炭灰熔点温度是大氮肥汽化炉煤气化过程的重要控制指标, 煤灰熔融性直接关系到气化炉的结渣,如果煤灰熔点越高结渣越严重,超过 1250会导致气化炉排渣困难,造成停车、停产,严重的会导致气化炉损坏;因此对煤质灰熔点的准确快速测定与公司生产经济运行有紧密的联系。 由于煤灰熔点温度过高和水煤浆、 炉渣对测温枪的腐蚀,灰熔点温度的测量只能用热电偶进行消耗式点测,而无法得到煤灰熔点温度的连续变化信息。 我公司一台的
2、HR-3A-L 型号的灰熔点测定仪,它的局限性是: 对人眼的伤害。 当将要到达变形温度, 用人眼不停地观察上千度的高温图像,到了变形温度,记录下仪表显示的温度值。 测定结果受人为因素影响, 人眼的分辨率较低, 测定结果准确度和精度较低,重复性和再现性差,满足不了生产的需要。 改造灰熔点测定仪的思路是: 基于智能控制图像识别技术实现数据的自动采集,自动获得其测定的数值、自动显示结果。 1.1.2 课题研究的意义 1.1.2 课题研究的意义 煤质灰熔点的准确检测主要依赖于人工视觉离线检测来完成, 通过检验人员对煤灰锥的认识和自身经验判定。该方法存在检测速度低、结果受化验人员主观影响较大,误检率和漏
3、检率高等缺点。 随着计算机视觉、 数字图像处理与神经网路技术的发展,基于图像处理和微机平台的自动检验成为可能。以摄像头和图像采集卡获取图像信息,由计算机分析和处理实现对检测和识别。利用图像处理及计算机视觉技术进行检测的最大特点是能进行实时检测和测量, 这对生产中煤质质量检查尤为重要,利用这一技术可以降低生产成本,提高产品质量及生产效率,同时保护分析人员的视觉,降低操作人员的劳动强度。 1.1.3 课题背景 1.1.3 课题背景 1. 图像处理系统的发展概况1 自 20 世纪 70 年代末以来,由于数字技术和微机技术的迅猛发展给图像处上海交通大学工程硕士学位论文 第一章 绪论 2 理提供了先进的
4、技术手段,图像识别技术也由信息处理、自动控制系统理论,成长为旨在研究图像信息的获取、传输、存储、变换、显示、理解与综合利用的崭新学科。随着图像识别技术基础理论的发展,具有数据量大、运算速度快、算法严密、可靠性强、集成度高、智能性强等特点的各种应用图文系统在国民经济各部门得到广泛的应用,并在逐渐深入到家庭生活。图像是与视觉相关的最贴近我们日常生活的信息, 它是客观世界的物体直接或间接作用于人眼而产生视知觉的实体。传统的图像识别技术就是对图像进行保存、处理、压缩、传输和重现。随着信息时代的到来,用于计算机处理的各种信息的需求越来越多,多媒体信息识别技术已成为日常生活各领域的迫切需要。 因此把传统的
5、图像识别技术与模式识别识别技术相结合是图像处理的新趋势。 随着计算机性能价格比的不断提高以及有关数字处理方法的发展,数字图像识别技术无论在科学研究上、工业生产上或管理部门中都得到越来越多的应用。而目标跟踪、机器人导航、自动驾驶、干线交通监视等应用也极大地促进了实时图像识别技术的发展。 实时的应用环境决定了实时系统必须具有强大的运算能力。小波分析理论自 80 年代末成为国际上十分活跃研究领域, 它已被广泛应用于图像处理, 数据压缩, 分形几何等许多领域。 2实时图像识别技术的应用和需求 实时图像识别技术的应用是多方面的,毫不夸张地说,凡是在图像识别技术应用的地方都可以应用实时图像识别技术, 原因
6、在于实时图像识别技术可以提高图像处理的速度。但是,这要付出一定的代价,这种代价包括设备上和开发上的代价。在可用、不可用的地方,代价问题会成为考虑的重点,而在必须应用的地方,考虑的重点则是实时图像处理系统的性能及可行性。从应用图像识别技术的紧迫性来看,其应用领域主要集中在军事、工业自动化以及公安的形式侦察上,在这些领域强有力的推动下,实时图像识别技术得到了迅速的发展。值得指出的是,工业自动化的实时检测主要是指在线的实时检测,其速度是指满足生产流水线任务的检测速度,而不是指视频实时的检测速度。 1.1.4 研究任务和目标 1.1.4 研究任务和目标 对图像识别系统和并行图像识别技术最前沿技术的跟踪
7、和掌握 针对图像处理系统的走势,无疑高速率、高质量的实时检测系统将代表着未来十几年,甚至几十年的图像处理系统的发展方向。 传统的图像处理方法主要是对数字图像进行空域处理或者通过傅立叶变换将数字图像 变换到频域进行处理。小波变换和多分辨分析由于其对非静态信号分析的优越性,在图像处 理领域有着独特的地位和重要的应用。由于应用领域的不同,小波变换的具体应用也各有特点。目前比较流行的例如:降噪、图像压缩、边缘检测等。图像并行识别技术是图像处理中的一个重要方面,是提高图像上海交通大学工程硕士学位论文 第一章 绪论 3 处理速度的最有效技术, 其发展水平一直受到图像界的关注, 原因在于: 一方面,图像并行
8、识别技术的发展难度很大, 这种难度不仅在于图像并行处理系统的硬件及系统结构本身,以及它对计算机技术和集成电 路等技术的依赖关系,而且在于实际应用的复杂性和应用部门对系统价格的承受能力;另一方面,图像并行识别技术的发展所产生的效益也是十分显著的, 它在处理速度上所获得的加速比是令人振奋的,其实际应用系统也将产生很大的经济效益和社会效益。 需要做的工作: 收集具有代表性的先进图像识别技术的论文;分析它们的优缺点和应用背景。跟踪和掌握实时图像处理系统的设计方法和技术特点。熟练掌握图像并行识别技术在微机系统中的应用。 2完成“煤灰熔点检测系统”项目开发 目前, 国内大多数的工矿企业的煤灰熔点检测系统都
9、采用人工目测和经验的方法来判断。这样势必影响到测定结果的精度,而且检测效果受到人为因素影响较大,效果不理想。采用图像检测,可以方便、实时地检测,用智能控制实现自动判别四个特征温度:变形温度(DT)、软化温度(ST)、半球温度(HT)、流动温度(FT)。实现了煤质灰熔点测定过程的全自动化。 在煤灰熔点检测系统的开发过程中,我们将目前流行的先进知识应用与实践,并且在试验过程中,针对特定的工作环境,研制出不同的技术方法。 需要完成的工作: 了解检测系统的应用环境和技术要求;制定检测系统的系统结构和工作原理; 完成系统开发工作(软件层、硬件层);安装、测试系统并在实际工作中检验系统性能。 1.2 面临
10、的挑战面临的挑战 从图像识别技术的发展来看,在实时性上实现了实施采集、实时传输、实时显示,实时处理;在硬件处理器结构上实现了多结构和可重结构;在图像系统结构上实现了以计算机内 存为中心和以大规模集成系统为中心的系统结构;在并行处理上实现了多 DSP、多 CPU、 多微机、MMX/SSE 的并行处理;在算法上实现了多领域、多层次、多创新的大发展。 实时图像技术的成果应用也遍布多个领域:工业自动化、军事、宇航、展时期,但也面 临着许多挑战,诸如处理速度问题,价格成本问题,复杂环境下的应用问题侦探等。现在的 实时图像识别技术,已经取得了理论上、应用上的突出成果, 并步入了大发, 模糊图像的还原问题等
11、等, 归纳起来, 这些挑战集中在: 先进理论在实际系统中的应用; 复杂问题的求解;处理速度的高速化; 在“煤灰熔点检测系统”项目里, 这几个方面的挑战是交织在一起的。 同时,上海交通大学工程硕士学位论文 第一章 绪论 4 具体的系统设计和应用还包括如下一些问题: 小波边缘检测算法的 DSP 中的实现问题;BP 神经网络识别。DSP 从系统与微机的接口问题; 图像处理的大数据量与 DSP 中相对较小的存储容量之间矛盾; 实际工业环境中的降噪问题。 要解决这些问题,除了要了解相关的专业知识和实际工作环境以外,还需要有很强的综合分析能力,因此包含有综合技术集成的研究是我们面临的新课题,也是我们当前系
12、统设计急需解决的重要课题。 1.3本文章节安排本文章节安排 图像处理与识别涵盖面广,发展变化迅速,本文既认真选取了有代表性的经典内容,也选取了一些最新研究成果,主要介绍了图像处理与识别相关的基本内容和应用,既有一定深度,又有一定广度,在论述上力求理论概念严谨,论证简明扼要,并在最后一章列举了实例使理论概念具体化。 本文是针对仪器仪表实时检测信息进行图像识别, 先后在图像采集与识别试验平台、图像增强、图像分割、二值化、小波分析和多尺度边缘检测、神经网络识别、 图像识别在智能煤质灰熔点测定中的应用等几个方面进行了深入而系统的研究。 本文的主要内容包括: 本论文共分五章,各章的内容安排如下: 第 1
13、 章 绪论,介绍课题背景与研究目标、面临的挑战和本文的工作、安排。 第 2 章 介绍了图像识别基本概念 第 3 章 小波分析和多尺度边缘检测,详细分析了小波理论、小波基的构造和 Mallat 小波算法,阐述了小波边缘检测方法和快速小波算法。 第 4 章 图像的算法研究, 介绍了传统的图像处理方法和流体图像检测中的对象识别 算法。包括:图像预处理、边缘检测、物体识别等。 第 5 章 实时图像检测系统实例,通过对我公司现有一台灰熔点测定仪的改造,介绍了智能煤质灰熔点测定,煤灰锥图像形状和温度的识别等内容。运用图像识别技术,提出了一种基于图像识别技术的检测算法。 本文主要探讨基于小波分析原理,快速小
14、波算法的改进,并利用二维小波变换对图像边缘处理。实际图像的空间频率成份十分复杂,用普通的方法直接提取边缘往往不十分有效。而用小波变换可以将图像分解成不同频率成份的小波分量,然后再从这些不同层次的小波分量中找出信号本身的特征以提取边缘。 上海交通大学工程硕士学位论文 第二章 图像识别基本概念 5 第二章第二章 图像识别基本概念图像识别基本概念 2.1 数字图像识别数字图像识别 图像,是任一个二维或三维景物呈现在人们心目中的影像。确切地说,一幅图像是一种代表另一个客体的一种写真或模拟; 是一种生动的、 图形化的描述。各种客观存在的可测得的物理特征量的空间分布构成一大类图像,称为物理图像。这些物理图
15、像的物理特征是多种多样的,它既包括由于各种波长的电磁波强度的空间分布不同所构成的图像,也包括如温度分布、压力分布等等所构成的图像。可见光学图像只是电磁波场图像中的一个子集,基于人眼不可见的各种物理图像构成了不可见物理图像子集。还应该注意到,同一个空间点,可以具有多个物理特征。因此,同一对象(或物体)可以有多幅图像。例如彩照(或彩色电视图像) ,就是每一点均在红、绿、蓝三个波段上有不同强度分布的三幅图像的合成。对任一对象都存在着大量的图像。图像的另一子集是抽象的数学图像,即用数学函数代表的图像,它包括了连续型与离散型两大类。离散型图像也称为数字图像。它可以通过对各种可见或不可见的物理图像进行抽样
16、量化来获得,并可以用数字计算机进行处理。 数字图像是在其空间坐标和灰度上都离散化并进行数字编码的图像。 图像在其空间坐标上的离散称为采样;图像在灰度上的离散化称为量化。经过采样和量化,形成的离散化坐标和灰度值可以用阵列来表示,其行和列的交点标出图像的每个像素,在数值上表示该点图像的灰度图像数据通常可以用矩阵形式来表达。 把图像表达成矩阵形式就有可能利用矩阵方法借助计算机来处理数字图像。数字图像有信息量大、像素间相关性大、灵活性强等特点。 计算机图像处理 利用计算机对数字图像信息的处理,按其处理特点可以分为两大类: 一类是以最终恢复原图像为前提的信息压缩处理和用原图像相异的形式有效地表现和提取图像的变换处理。 这一类处理是数字图像处理的基本内容