一種基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)，該方法包括：實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像；對獲取的所述視頻幀圖像進(jìn)行預(yù)處理；對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。本發(fā)明可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風(fēng)機的靜葉片進(jìn)行跟蹤，實現(xiàn)引風(fēng)機開度狀態(tài)的實時監(jiān)控，進(jìn)一步地，還能夠?qū)⒏櫧Y(jié)果結(jié)合引風(fēng)機現(xiàn)場儀表的反饋進(jìn)行靜葉故障的診斷，并對異常狀態(tài)進(jìn)行報警。本申請能夠有效避免因引風(fēng)機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導(dǎo)致的電廠運行工況的失衡。
【專利說明】
一種基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及引風(fēng)機靜葉監(jiān)視技術(shù)領(lǐng)域，特別是涉及一種基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)。
【背景技術(shù)】
[0002]日常生活中，我們主要是利用我們的視覺器官來認(rèn)知世界，與靜止物體相比，人們更容易留意運動的物體。這些物體通過成像設(shè)備就成為所需要的視頻圖像。圖像中不僅有靜態(tài)的物體還有運動目標(biāo)的物體。在圖像處理時候，圖像視頻幀一般是二維的，這樣真實世界的三維圖像直接轉(zhuǎn)變成視頻圖像的二維。通過對視頻圖像中的運動目標(biāo)的時空域的圖像處理，就完成了目標(biāo)的檢測和跟蹤。
[0003]國內(nèi)從上世紀(jì)80年代就著手跟蹤技術(shù)的研究，但是主要集中于理論層面上的研究。在90年代目標(biāo)跟蹤進(jìn)入了一個新的階段，有了一些相關(guān)的成果，如應(yīng)用在奧運期間中國科學(xué)院研究的智能視頻監(jiān)控系統(tǒng)等等。2012年，關(guān)于智能監(jiān)控方面的研討會議已經(jīng)逐步開展。整個發(fā)展趨勢是將三維空間的目標(biāo)物體，轉(zhuǎn)化為二維空間的視頻圖像，通過圖像處理算法更精確的發(fā)現(xiàn)二維視頻圖像中的目標(biāo)物體，以實現(xiàn)對目標(biāo)狀態(tài)的實時跟蹤，如果目標(biāo)狀態(tài)異常就會及時報警，以減輕目標(biāo)異常帶來的嚴(yán)重后果。
[0004]隨著我國電力行業(yè)的高速發(fā)展，全國火電裝機容量以每年8%的速度快速增長，新上機組的額定功率也日益增大，對引風(fēng)機的要求隨之增高。作為火力發(fā)電的重要輔機，引風(fēng)機的運行工況直接影響鍋爐正常的熱力循環(huán)，對電廠的安全運行具有非常重要的作用。由于長期工作于鍋爐煙道中，且煙氣雜質(zhì)多、溫濕度高以及連續(xù)運行等因素，引風(fēng)機靜葉卡澀或拉桿斷裂等故障時有發(fā)生，是電廠故障率比較高的設(shè)備之一。當(dāng)引風(fēng)機靜葉出現(xiàn)卡澀或拉桿斷裂時，此時若電廠運行人員發(fā)現(xiàn)不及時，卻仍進(jìn)行升/降負(fù)荷操作，會出現(xiàn)爐膛燃燒不穩(wěn)、負(fù)壓擺動、引風(fēng)機出力偏差大甚至搶風(fēng)等現(xiàn)象。此時，如若仍未發(fā)現(xiàn)引風(fēng)機設(shè)備故障，盲目加大引風(fēng)機出力指令會加劇鍋爐工況的惡化，甚至導(dǎo)致MFT的發(fā)生。
[0005]目前，火電廠主要通過加強運行人員巡檢，提高操作員的監(jiān)控質(zhì)量，出現(xiàn)故障時快速冷靜分析處理等措施來規(guī)避此類事故的發(fā)生。然而，這類被動措施并不能及時有效地發(fā)現(xiàn)引風(fēng)機靜葉故障來降低事故風(fēng)險及影響范圍。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是提供一種基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)，目的在于通過實時對引風(fēng)機的靜葉片進(jìn)行跟蹤，實現(xiàn)對引風(fēng)機開度狀態(tài)的實時監(jiān)控，解決現(xiàn)有技術(shù)中不能及時有效發(fā)現(xiàn)弓I風(fēng)機靜葉故障的問題。
[0007]為解決上述技術(shù)問題，本發(fā)明提供一種基于視頻的引風(fēng)機靜葉監(jiān)視方法，包括:
[0008]實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像；
[0009]對獲取的所述視頻幀圖像進(jìn)行預(yù)處理；
[0010]對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0011]對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。
[0012]可選地，所述對獲取的所述視頻幀圖像進(jìn)行預(yù)處理包括:
[0013]對所述視頻幀圖像進(jìn)行灰度化處理，并采用非線性中值濾波器對隨機噪聲進(jìn)行過濾。
[0014]可選地，所述對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線包括:
[0015]通過自適應(yīng)閾值邊緣檢測算法對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，并基于Hough變換將檢測到的邊緣點識別為直線。
[0016]可選地，所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤包括:
[0017]將當(dāng)前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進(jìn)行匹配，以確定同一直線在當(dāng)前視頻幀中的位置。
[0018]可選地，在所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤之后還包括:
[0019]接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；
[0020]當(dāng)所述靜葉實際開度不變或反向變化時，判定引風(fēng)機靜葉發(fā)生故障，生成故障狀態(tài)?目息O
[0021]可選地，還包括:
[0022]對靜葉識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示。
[0023]本發(fā)明還提供了一種基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，包括:
[0024]獲取模塊，用于實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像；
[0025]預(yù)處理模塊，用于對獲取的所述視頻幀圖像進(jìn)行預(yù)處理；
[0026]邊緣檢測模塊，用于對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0027]開度檢測模塊，用于對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。
[0028]可選地，所述開度檢測模塊具體用于:
[0029]將當(dāng)前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進(jìn)行匹配，以確定同一直線在當(dāng)前視頻幀中的位置。
[0030]可選地，還包括:
[0031]故障檢測模塊，用于在所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤之后，接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當(dāng)所述靜葉實際開度不變或反向變化時，判定引風(fēng)機靜葉發(fā)生故障，生成故障狀態(tài)信息。
[0032]可選地，還包括:
[0033]顯示模塊，用于對靜葉識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示。
[0034]本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)，通過實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像;將獲取的視頻幀圖像進(jìn)行預(yù)處理;對視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，對檢測到的邊緣點識別為直線;對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)，可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風(fēng)機的靜葉片進(jìn)行跟蹤，實現(xiàn)引風(fēng)機開度狀態(tài)的實時監(jiān)控，進(jìn)一步地，還能夠?qū)⒏櫧Y(jié)果結(jié)合引風(fēng)機現(xiàn)場儀表的反饋進(jìn)行靜葉故障的診斷，并對異常狀態(tài)進(jìn)行報警。本申請能夠有效避免因引風(fēng)機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導(dǎo)致的電廠運行工況的失衡。
【附圖說明】
[0035]為了更清楚的說明本發(fā)明實施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0036]圖1為本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法的一種【具體實施方式】的流程圖；
[0037]圖2為本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法的另一種【具體實施方式】的流程圖；
[0038]圖3為引風(fēng)機系統(tǒng)的組成結(jié)構(gòu)框圖；
[0039]圖4(a)為原始灰度圖像；
[0040]圖4(b)為降噪后的灰度圖像；
[0041]圖4(c)為閾值化后的二值圖像；
[0042]圖4(d)為自適應(yīng)邊緣檢測的二值圖像；
[0043]圖5(a)為靜葉開度0%時的檢測結(jié)果圖；
[0044]圖5(b)為靜葉開度0%時的二值圖；
[0045]圖5(c)為靜葉開度25%時的檢測結(jié)果圖；
[0046]圖5(d)為靜葉開度25%時的二值圖；
[0047]圖5(e)為靜葉開度50%時的檢測結(jié)果圖；
[0048]圖5(f)靜葉開度50%時的二值圖；
[0049]圖5(g)為靜葉開度75%時的檢測結(jié)果圖；
[0050]圖5(h)為靜葉開度75%時的二值圖；
[0051 ]圖5(i)為靜葉開度92%時的檢測結(jié)果圖；
[0052]圖5(j)為靜葉開度92%時的二值圖；
[0053]圖6為本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法中故障診斷的流程圖；
[0054]圖7為本發(fā)明實施例提供的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)的結(jié)構(gòu)框圖。
【具體實施方式】
[0055]為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進(jìn)一步的詳細(xì)說明。顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0056]本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法的一種【具體實施方式】的流程圖如圖1所示，該方法包括:
[0057]步驟SlOl:實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像；
[0058]步驟S102:對獲取的所述視頻幀圖像進(jìn)行預(yù)處理；
[0059]步驟S103:對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0060]步驟S104:對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。
[0061]本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法，通過實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像;將獲取的視頻幀圖像進(jìn)行預(yù)處理;對視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，對檢測到的邊緣點識別為直線;對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法，可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風(fēng)機的靜葉片進(jìn)行跟蹤，實現(xiàn)引風(fēng)機開度狀態(tài)的實時監(jiān)控，進(jìn)一步地，還能夠?qū)⒏櫧Y(jié)果結(jié)合引風(fēng)機現(xiàn)場儀表的反饋進(jìn)行靜葉故障的診斷，并對異常狀態(tài)進(jìn)行報警。本申請能夠有效避免因引風(fēng)機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導(dǎo)致的電廠運行工況的失衡。
[0062]在上述實施例的基礎(chǔ)上，本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法中步驟SlOl對獲取的所述視頻幀圖像進(jìn)行預(yù)處理的過程可以具體為:
[0063]對所述視頻幀圖像進(jìn)行灰度化處理，并采用非線性中值濾波器對隨機噪聲進(jìn)行過濾。
[0064]視頻幀的預(yù)處理主要實現(xiàn)圖像的邊緣檢測。首先對幀圖像進(jìn)行灰度化處理，然后采用非線性濾波器，具體可以采用中值濾波對灰度幀圖像的隨機噪聲進(jìn)行過濾。
[0065]由于靜葉的光滑金屬平面屬性，容易成視頻幀中的光斑現(xiàn)象。為了消除光斑對邊緣檢測的影響，本方法實施例采用自適應(yīng)閾值邊緣檢測方法。自適應(yīng)閾值邊緣檢測方法通過給每個像素一個閾值，無論在高光區(qū)域還是比較暗的區(qū)域都能有較好的邊緣檢測效果。
[0066]由于基于Hough變換計算量小、魯棒性高以及適用性好的特點，本系統(tǒng)主要采用基于Hough變換方法實現(xiàn)邊緣檢測。
[0067]因此，本實施例中步驟S102對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線的過程可以具體為:
[0068]通過自適應(yīng)閾值邊緣檢測算法對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，并基于Hough變換將檢測到的邊緣點識別為直線。
[0069]在檢測到靜葉片的邊緣后需要通過對靜葉片邊緣的跟蹤來檢測引風(fēng)機的開度。對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤的過程可以具體為:
[0070]將當(dāng)前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進(jìn)行匹配，以確定同一直線在當(dāng)前視頻幀中的位置。
[0071]需要指出的是，由于噪聲、攝像頭的抖動等原因會造成無法檢測到邊緣的情況，因此，當(dāng)無法檢測到跟蹤直線的邊緣時，可以通過對圖像中已經(jīng)確認(rèn)為有效的靜葉邊緣直線進(jìn)行基于卡爾曼濾波器的跟蹤。
[0072]在上述任一實施例的基礎(chǔ)上，本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法在所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤之后還可以進(jìn)一步包括:對靜葉是否故障進(jìn)行檢測的過程，并且還可以包括對識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示的過程。如圖2本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法的另一種【具體實施方式】的流程圖所示，該方法包括:
[0073]步驟S201:實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像；
[0074]步驟S202:對獲取的所述視頻幀圖像進(jìn)行預(yù)處理；
[0075]步驟S203:對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0076]步驟S204:對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測；
[0077]步驟S205:接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；
[0078]步驟S206:當(dāng)所述靜葉實際開度不變或反向變化時，判定引風(fēng)機靜葉發(fā)生故障，生成故障狀態(tài)信息；
[0079]步驟S207:對靜葉識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示。
[0080]靜葉故障診斷中，本發(fā)明依據(jù)現(xiàn)場儀表的靜葉指令且結(jié)合視頻識別結(jié)果而做出靜葉是否故障的判斷。當(dāng)靜葉指令變化時，如果視頻識別的靜葉實際開度不變或者反向變化，貝IJ認(rèn)為引風(fēng)機靜葉執(zhí)行機構(gòu)發(fā)生故障，立即以CRT報警方式通知監(jiān)控人員，以便能夠及時響應(yīng)此類故障避免事故范圍的進(jìn)一步擴大。
[0081]下面結(jié)合引風(fēng)機系統(tǒng)，對本發(fā)明所提供的方法進(jìn)行進(jìn)一步詳細(xì)闡述。如圖3引風(fēng)機系統(tǒng)的組成結(jié)構(gòu)框圖所示，本系統(tǒng)按照組成結(jié)構(gòu)分為:引風(fēng)機靜葉(視頻識別對象)，攝像機，視頻處理服務(wù)器以及CRT顯示器。通過攝像機實時采集引風(fēng)機靜葉視頻信息，并傳入服務(wù)器中結(jié)合圖像處理及視頻處理技術(shù)將靜葉實時狀態(tài)識別出來。接著根據(jù)視頻識別結(jié)果結(jié)合來自引風(fēng)機現(xiàn)場儀表的反饋進(jìn)行靜葉故障診斷，并將視頻識別結(jié)合和診斷結(jié)果顯示于CRT畫面上以實現(xiàn)狀態(tài)實時顯示與報警輸出。
[0082]該過程中，視頻幀的預(yù)處理主要實現(xiàn)圖像的邊緣檢測。本發(fā)明實施例首先對幀圖像進(jìn)行灰度化處理，然后采用非線性濾波器一一中值濾波對灰度幀圖像的隨機噪聲進(jìn)行過濾。然后進(jìn)行邊緣檢測；由于靜葉的光滑金屬平面屬性，容易成視頻幀中的光斑現(xiàn)象。為了消除光斑對邊緣檢測的影響，本方法采用自適應(yīng)閾值邊緣檢測方法。
[0083]作為一種【具體實施方式】，本方法對每個圖像中的像素計算各自的二值化閾值，采用窗口大小為7的均值作為像素的閾值，然后通過閾值與像素值差是否大于25來確定是否是邊緣點。自適應(yīng)閾值邊緣檢測方法通過給每個像素一個閾值，無論在高光區(qū)域還是比較暗的區(qū)域都能有較好的邊緣檢測效果，其預(yù)處理的效果圖如圖4(a)_4(d)所示。其中，圖4(a)為原始灰度圖像；圖4(b)為降噪后的灰度圖像；圖4(c)為閾值化后的二值圖像；圖4(d)為自適應(yīng)邊緣檢測的二值圖像。
[0084]基于Hough變換的靜葉葉片邊緣檢測。主要實現(xiàn)將檢測得到的圖像幀中的邊緣點識別為直線?；贖ough變換計算量小、魯棒性高以及適用性好的特點，本實施例主要采用OpenCV中的Hough變換方法。通過hough變換，圖像中直線的尋找問題就轉(zhuǎn)換為計算機最擅長的參數(shù)空間峰值尋找問題。圖像空間中的任何直線都可以表示為:
[0085]p = x cos0+y sin0(I)
[0086]其中，P表示坐標(biāo)原點(0，0)到直線的垂直距離，Θ表示坐標(biāo)軸X與直線的夾角。
[0087]根據(jù)式(I)即可將圖像空間(x，y)中的任一條直線變換到參數(shù)空間(ρ，θ)中的一個點。為了檢測出圖像中的直線，只需要按照式(I)遍歷圖像中的各個像素點，計算出所有(P，Θ)對后尋找(Ρ，θ)的局部最大值即可檢測出圖像中存在的直線。
[0088]采用的OpenCV函數(shù)的具體參數(shù)設(shè)置和介紹:
[0089]HoughLinesBinary(Double rhoResolut1n,Double thetaResolut1n,Int32threshold,Double minLineWidth,Double gapBetweenLines)
[0090]參數(shù):rhoRe so Iut 1n，像素相關(guān)單位的距離分辨率，本發(fā)明實施例中rhoResolut1n = I ； thetaResolut1n，角分辨率測量弧度，本發(fā)明實施例中thetaResolut1n = 0.01; threshold，如果相應(yīng)的蓄能器值，貝Ij返回該函數(shù)的值，本發(fā)明實施例中threshold = 40 ;minLineWidth:線的最小寬度，本發(fā)明實施例中minLineWidth = 80 ；gapBetweenLines，線之間的最小間隙，本發(fā)明實施例中g(shù)apBetweenLines = 500;返回結(jié)果:檢測為每個通道的線段。
[0091]靜葉葉片邊緣的跟蹤和開度自動檢測。為了能夠有效的檢測到靜葉的開度，在檢測到靜葉片的邊緣后需要通過對靜葉片邊緣的跟蹤來檢測引風(fēng)機的開度，邊緣跟蹤與狀態(tài)補償后的邊緣檢測結(jié)果如圖5(a)_5(h)所示。其中，圖5(a)為靜葉開度0%時的檢測結(jié)果圖；圖5 (b)為靜葉開度O %時的二值圖；圖5 (c)為靜葉開度25 %時的檢測結(jié)果圖；圖5 (d)為靜葉開度25 %時的二值圖；圖5(e)為靜葉開度50 %時的檢測結(jié)果圖；圖5(f)靜葉開度50 %時的二值圖；圖5(g)為靜葉開度75%時的檢測結(jié)果圖；圖5(10為靜葉開度75%時的二值圖；圖5(i)為靜葉開度92 %時的檢測結(jié)果圖；圖5(j)為靜葉開度92 %時的二值圖。
[0092]而對于一條圖像中的直線(y = a*x+b)，主要采用兩個參數(shù)進(jìn)行表示:斜率和位置。位置可以通過直線與X軸的交點來表示，也就是b。因此，跟蹤直線就是確認(rèn)當(dāng)前視頻幀中檢測得到的直線(a，b)與前一幀中檢測到的直線進(jìn)行匹配(a，b’).本方法采用閾值法來確認(rèn)當(dāng)前直線(a，b)是否是前一幀中直線(a’，b’)的運動結(jié)果。如果|a_a’ |〈thl，且|b_b’ |〈th2，則前后幀中的兩直線匹配。通過直線匹配可以確認(rèn)同一直線在視頻幀序列中的位置。
[0093]為了應(yīng)對檢測得到的不穩(wěn)定的非靜葉邊緣直線，本方法實施例采用視頻幀序列中直線出現(xiàn)頻率來進(jìn)行確認(rèn)的方法。如果跟蹤的直線偶爾出現(xiàn)，本方法并不將其看作是一條有效的直線，而是要求直線在視頻序列中持續(xù)出現(xiàn)比較長的時間后才認(rèn)為是有效的靜葉邊緣直線。由于噪聲、攝像頭的抖動等原因造成無法檢測到邊緣的情況，因此，當(dāng)無法檢測到跟蹤直線的邊緣時，有必要對圖像中已經(jīng)確認(rèn)為有效的靜葉邊緣直線進(jìn)行基于卡爾曼濾波器的跟蹤。該直線跟蹤過程就是跟蹤直線的兩個變量(a，b)的值?？柭鼮V波跟蹤的依據(jù)是首先根據(jù)系統(tǒng)的運動方程來對狀態(tài)值做預(yù)測，由于直線的運動是基本穩(wěn)定的，因此可以根據(jù)當(dāng)前狀態(tài)預(yù)測下一時刻該直線的狀態(tài)(a，b)，但是該預(yù)測值存在一定的誤差，需要通過當(dāng)前幀中直線的檢測結(jié)果來校正。
[0094]卡爾曼濾波就是利用預(yù)測和校正不斷迭代進(jìn)行目標(biāo)的跟蹤。其理論公式如下:
[0095]過程方程:X(k+l)=AX(k)+B U(k)+ff(K)(2)
[0096]測量方程:Z(k+1)=HX(k+1)+V(k+1)(3)
[0097]其中，A、B為系統(tǒng)參數(shù)，H為測量系統(tǒng)參數(shù)，W(k)和V(k+1)分別為過程和測量的噪聲。X是m行的單列矩陣，Z是η行的單列矩陣。
[0098]靜葉故障診斷及報警
[0099]在靜葉故障診斷中，本發(fā)明實施例依據(jù)現(xiàn)場儀表的靜葉指令且結(jié)合視頻識別結(jié)果而做出靜葉是否故障的判斷。當(dāng)靜葉指令變化時，如果視頻識別的靜葉實際開度不變或者反向變化，則認(rèn)為引風(fēng)機靜葉執(zhí)行機構(gòu)發(fā)生故障，立即以CRT報警方式通知監(jiān)控人員，以便能夠及時響應(yīng)此類故障避免事故范圍的進(jìn)一步擴大。具體診斷算法流程圖如圖6所示。
[0100]本實施例通過對視頻幀圖像進(jìn)行灰度化處理，然后采用非線性濾波器一一中值濾波對灰度幀圖像的隨機噪聲進(jìn)行過濾。然后進(jìn)行邊緣檢測，基于Hough變換的靜葉葉片邊緣檢測與跟蹤，主要實現(xiàn)將檢測得到的圖像幀中的邊緣點識別為直線。然后，利用現(xiàn)場儀表的反饋結(jié)合視頻識別結(jié)果采用故障診斷算法進(jìn)行故障診斷，并通過CRT畫面顯示靜葉實時狀態(tài)和報警輸出。
[0101]下面對本發(fā)明實施例提供的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)進(jìn)行介紹，下文描述的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)與上文描述的基于視頻的引風(fēng)機靜葉監(jiān)視方法可相互對應(yīng)參照。
[0102]圖7為本發(fā)明實施例提供的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)的結(jié)構(gòu)框圖，參照圖7基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)可以包括:
[0103]獲取模塊100，用于實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像；
[0104]預(yù)處理模塊200，用于對獲取的所述視頻幀圖像進(jìn)行預(yù)處理；
[0105]邊緣檢測模塊300，用于對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0106]開度檢測模塊400，用于對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。
[0107]作為一種【具體實施方式】，本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)中，開度檢測模塊可以具體用于:
[0108]將當(dāng)前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進(jìn)行匹配，以確定同一直線在當(dāng)前視頻幀中的位置。
[0109]在上述任一實施例的基礎(chǔ)上，本申請實施例還可以進(jìn)一步包括:
[0110]故障檢測模塊，用于在所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤之后，接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當(dāng)所述靜葉實際開度不變或反向變化時，判定引風(fēng)機靜葉發(fā)生故障，生成故障狀態(tài)信息。
[0111]優(yōu)選地，本實施例還可以進(jìn)一步包括:
[0112]顯示模塊，用于對靜葉識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示。
[0113]本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，通過實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像;將獲取的視頻幀圖像進(jìn)行預(yù)處理;對視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，對檢測到的邊緣點識別為直線;對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風(fēng)機的靜葉片進(jìn)行跟蹤，實現(xiàn)引風(fēng)機開度狀態(tài)的實時監(jiān)控，進(jìn)一步地，還能夠?qū)⒏櫧Y(jié)果結(jié)合引風(fēng)機現(xiàn)場儀表的反饋進(jìn)行靜葉故障的診斷，并對異常狀態(tài)進(jìn)行報警。本申請能夠有效避免因引風(fēng)機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導(dǎo)致的電廠運行工況的失衡。
[0114]本說明書中各個實施例采用遞進(jìn)的方式描述，每個實施例重點說明的都是與其它實施例的不同之處，各個實施例之間相同或相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。
[0115]專業(yè)人員還可以進(jìn)一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。專業(yè)技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。
[0116]結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存儲器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。
[0117]以上對本發(fā)明所提供的基于視頻的引風(fēng)機靜葉監(jiān)視方法及系統(tǒng)進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項】
1.一種基于視頻的引風(fēng)機靜葉監(jiān)視方法，其特征在于，包括: 實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像； 對獲取的所述視頻幀圖像進(jìn)行預(yù)處理； 對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線； 對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。2.如權(quán)利要求1所述的基于視頻的引風(fēng)機靜葉監(jiān)視方法，其特征在于，所述對獲取的所述視頻幀圖像進(jìn)行預(yù)處理包括: 對所述視頻幀圖像進(jìn)行灰度化處理，并采用非線性中值濾波器對隨機噪聲進(jìn)行過濾。3.如權(quán)利要求2所述的基于視頻的引風(fēng)機靜葉監(jiān)視方法，其特征在于，所述對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線包括: 通過自適應(yīng)閾值邊緣檢測算法對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，并基于Hough變換將檢測到的邊緣點識別為直線。4.如權(quán)利要求3所述的基于視頻的引風(fēng)機靜葉監(jiān)視方法，其特征在于，所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤包括: 將當(dāng)前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進(jìn)行匹配，以確定同一直線在當(dāng)前視頻幀中的位置。5.如權(quán)利要求1至4任一項所述的基于視頻的引風(fēng)機靜葉監(jiān)視方法，其特征在于，在所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤之后還包括: 接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當(dāng)所述靜葉實際開度不變或反向變化時，判定引風(fēng)機靜葉發(fā)生故障，生成故障狀態(tài)信息。6.如權(quán)利要求5所述的基于視頻的引風(fēng)機靜葉監(jiān)視方法，其特征在于，還包括: 對靜葉識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示。7.一種基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，其特征在于，包括: 獲取模塊，用于實時獲取對引風(fēng)機靜葉進(jìn)行監(jiān)控的視頻幀圖像； 預(yù)處理模塊，用于對獲取的所述視頻幀圖像進(jìn)行預(yù)處理； 邊緣檢測模塊，用于對所述視頻幀圖像進(jìn)行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線； 開度檢測模塊，用于對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤，以實現(xiàn)對引風(fēng)機靜葉開度的檢測。8.如權(quán)利要求7所述的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，其特征在于，所述開度檢測模塊具體用于: 將當(dāng)前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進(jìn)行匹配，以確定同一直線在當(dāng)前視頻幀中的位置。9.如權(quán)利要求7或8所述的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，其特征在于，還包括: 故障檢測模塊，用于在所述對檢測到的靜葉葉片的邊緣進(jìn)行跟蹤之后，接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當(dāng)所述靜葉實際開度不變或反向變化時，判定引風(fēng)機靜葉發(fā)生故障，生成故障狀態(tài)信息。10.如權(quán)利要求9所述的基于視頻的引風(fēng)機靜葉監(jiān)視系統(tǒng)，其特征在于，還包括:顯示模塊，用于對靜葉識別結(jié)果以及故障狀態(tài)信息進(jìn)行實時顯示。
【文檔編號】G06K9/46GK105844268SQ201610413859
【公開日】2016年8月10日
【申請日】2016年6月13日
【發(fā)明人】張江豐, 尹峰, 羅志浩, 張永軍, 陳波, 陳衛(wèi), 汪自翔, 張鵬
【申請人】杭州意能電力技術(shù)有限公司