機器視覺在化工過程液位檢測中的應(yīng)用研究

孟磊，鄒志云，郭宇晴，趙丹丹，劉興紅

(防化研究院，北京 102205)

?

機器視覺在化工過程液位檢測中的應(yīng)用研究

孟磊，鄒志云，郭宇晴，趙丹丹，劉興紅

(防化研究院，北京 102205)

液位測量貫穿于化工生產(chǎn)中，但傳統(tǒng)的液位(界面)測量手段大多存在缺陷[1-3]： 如人工機械方法精度低，遠程控制困難；電容電阻等電參數(shù)式方法帶電操作，存在安全隱患，防爆性能差；非接觸式測量如超聲波式、核輻射式價格昂貴，限制了其應(yīng)用。鑒于用戶對過程液位檢測要求的提高，急需一種經(jīng)濟實用、精度高、環(huán)境適應(yīng)性強、易于聯(lián)網(wǎng)和智能化的檢測方法。因此，研究適應(yīng)于各種實際工業(yè)現(xiàn)場環(huán)境的高精度液位測量儀器與方法具有重要意義。

隨著機器視覺和相關(guān)技術(shù)的發(fā)展，基于圖像視頻處理的檢測方法得到了研究者的廣泛關(guān)注。如上海交通大學(xué)應(yīng)用視覺技術(shù)和圖像處理對澆口杯液位檢測進行了研究[4-5]，Phanindra Jampana等將基于狀態(tài)空間模型的粒子濾波算法用于圖像液位檢測[6]。Fernanades等將機器視覺系統(tǒng)與變增益自適應(yīng)算法結(jié)合，針對一類混合沉降裝置作了深入研究[7]。桂衛(wèi)華等利用液位值與泡沫圖像之間的概率對應(yīng)關(guān)系，提出了一種基于相關(guān)向量機(RVM)的硫浮選液位軟測量方法[8]。

本文針對實際化工過程，在硬件上采用集成TCP/IP協(xié)議和RJ-45網(wǎng)絡(luò)接口的智能工業(yè)相機來代替以往研究中CCD相機和圖像采集卡，減少了檢測系統(tǒng)所占用的空間，有助于系統(tǒng)實時性的提升。軟件上利用圖像預(yù)處理、Otsu閾值化和Harris角點檢測識別液位，最后結(jié)合圖像標(biāo)定獲取待測液位數(shù)值。

1系統(tǒng)設(shè)計

機器視覺系統(tǒng)通常包含三個主要部分： 獲取、分析、控制。

1) 獲取。即圖像采集，利用攝像機(由光學(xué)鏡頭和圖像傳感器構(gòu)成)采集圖像，經(jīng)圖像采集卡數(shù)字化傳輸至計算機，得到滿足分析要求的特定場景的圖像。利用麥思肯VisionHawk系列智能相機采集圖像，該相機將光學(xué)鏡頭、成像、采集集成在一個模塊化的器件上，機身集成TCP/IP協(xié)議，帶有接口可直接與計算機RJ-45網(wǎng)絡(luò)端口相連，省去了圖像采集卡。為了提高采集圖像的質(zhì)量，采用LED光源前景光方式輔助照明。

2) 分析。即圖像處理環(huán)節(jié)，在計算機上針對采集到的特定場景圖像，開發(fā)圖像處理和識別算法，這是機器視覺系統(tǒng)的關(guān)鍵環(huán)節(jié)。由于圖像采集是將觀測到的場景轉(zhuǎn)換成計算機中數(shù)字圖像的過程，不可避免地會受到某些因素的干擾從而影響成像質(zhì)量，故需要對圖像預(yù)處理來削減噪聲干擾，增強有效信息。本文采用限定和線性平滑濾波算法ROI(region of interest)進行預(yù)處理；隨后，采用Otsu閾值算法進行二值化處理，實現(xiàn)圖像分割；最后使用Harris角點檢測識別二值圖像的角點，取其縱坐標(biāo)平均值即為待測液位的縱坐標(biāo)，進一步轉(zhuǎn)換為實際液位坐標(biāo)。圖像分析處理步驟如圖1所示。

圖1　視覺系統(tǒng)圖像處理步驟

3) 控制。即I/O控制，控制機器視覺系統(tǒng)本身精準(zhǔn)采集圖像，根據(jù)圖像處理與分析結(jié)果輸出控制信號驅(qū)動相應(yīng)控制機構(gòu)等。本文主要是將液位識別結(jié)果的像素坐標(biāo)轉(zhuǎn)換為實際坐標(biāo)后輸出顯示在計算機界面上，供下一步控制。

2算法實現(xiàn)

2.1圖像預(yù)處理

采集到的圖像中一般包含較多的無用背景信息，這一方面會提高計算復(fù)雜度，影響系統(tǒng)處理速度，另一方面可能會嚴(yán)重干擾算法識別質(zhì)量，造成算法對液位界面處的識別失敗。為了避免該問題，需要在預(yù)處理中設(shè)置一定的ROI，裁剪掉無用的背景。經(jīng)過反復(fù)試驗，確定圖像識別窗口區(qū)域為距離玻璃管壁兩側(cè)30個像素處左右。

線性平滑濾波又稱為均值濾波[9]，它用包圍在濾波器模板內(nèi)像素的算術(shù)平均值來更新當(dāng)前像素。對于常見的3×3濾波器模板，按照中心是否加權(quán)可分為兩種，如圖2所示，其計算公式如下：

19×111111111

圖2兩種典型平滑濾波器模板

(1)

式中：I——原圖像；g——濾波后圖像；w——濾波器模板。

對一幅尺寸為M×N的圖像，通過對x=0， 1， 2， …， M-1和y=0， 1， 2， …， N-1執(zhí)行式(1)計算，即可實現(xiàn)對所有像素的更新，效果如圖3所示。可以看出中心加權(quán)模板在去除噪聲的同時保留了更多液位分界面處的細節(jié)，下文中采用該模板進行平滑濾波。

2.2系統(tǒng)簡易自標(biāo)定

圖3　液位圖像線性平滑濾波效果

機器視覺采集和后續(xù)圖像處理的對象一直是數(shù)字圖像，即一個個像素。要將最后圖像處理的結(jié)果轉(zhuǎn)換為真實世界中的實際坐標(biāo)值，需進行攝像機標(biāo)定。目前已有多種標(biāo)定方法，如Tsai提出的兩步標(biāo)定的RAC法，張正友提出的基于兩幅圖像即可操作的張正友算法等。

本文利用一種簡單的自標(biāo)定技術(shù)實現(xiàn)圖像坐標(biāo)與真實坐標(biāo)的對應(yīng)關(guān)系轉(zhuǎn)換。首先采集兩幅已知精確液位高度的圖片，高度值為h1和h2，利用圖像處理識別這兩幅圖片液位處的縱坐標(biāo)值n1和n2。則像素值與真實坐標(biāo)值存在如下對應(yīng)關(guān)系[10]：

K=(h1-h2)/(n1-n2)

(2)

進一步可知實際液位h與像素n之間關(guān)系：

h=Kn+b

(3)

式中：b——系統(tǒng)誤差，可通過兩次標(biāo)定測算出來。

2.2Otsu閾值化圖像分割

閾值處理即選擇一個閾值，將圖像按照選定閾值二值化從而實現(xiàn)圖像分割，閾值的選取對于一副圖像的分割至關(guān)重要。若T為閾值，則分割后的圖像由下式給出：

(4)

Otsu閾值算法又稱為最大類間方差法，它是基于統(tǒng)計決策理論提出的一種最佳全局閾值處理算法[9]。該算法首先要計算圖像歸一化表示的直方圖：

(5)

式中：pq——灰度級為q的像素在圖像中出現(xiàn)的概率；n——整幅圖像所含像素總個數(shù)；nq——灰度值為q的像素個數(shù)；L——該幅圖像的灰度級。

P2(k)[m2(k)-mG]2

(6)

式中：P1(k)——集合G1中所有像素出現(xiàn)的概率；P2(k)——集合G2中所有像素出現(xiàn)的概率。

(7)

(8)

而m1(k),m2(k),mG分別是集合G1,G2和整幅圖像的平均灰度：

(9)

(10)

(11)

為了進一步簡化計算，定義：

(12)

帶入整理得：

(13)

式(13)中，只有m和P1與k有關(guān)，其余皆為常數(shù)。

圖4　液位圖像Otsu閾值化結(jié)果

將Otsu閾值算法與基本全局閾值算法作比較： 基本全局閾值算法通過迭代誤差參數(shù)來控制算法的結(jié)束，當(dāng)此誤差參數(shù)設(shè)置較小時，其效果與Otsu相當(dāng)(如圖4)，但此時其時間消耗較大，為42ms, Otsu算法只有32ms；當(dāng)此誤差參數(shù)設(shè)置較大時，其時間消耗與Otsu相當(dāng)?shù)Ч麉s會迅速變差。故選取了效果好、速度快的Otsu算法對液位圖像做閾值處理。

2.3Harris角點檢測識別液位

角點可以定義為兩個邊緣的交點或鄰域內(nèi)具有兩個主方向的特征點。Harris角點檢測屬于基于圖像灰度的檢測方法，與一般基于圖像邊緣的檢測方法相比具有一定優(yōu)勢[11]。Harris角點檢測關(guān)注于圖像中的特征點，已有研究表明即使在液位、液體顏色發(fā)生一定變化時仍然能夠檢測到液面，同時該方法計算量較小，能夠滿足工業(yè)應(yīng)用中實時性的要求[12]。

對于圖像I(x,y)，平移(Δx, Δy)后的自相似性可以通過自相關(guān)函數(shù)衡量。自相關(guān)函數(shù)定義：

I(u+Δx, v+Δy)]2

(14)

式中：W(x,y)——以(x,y)為中心的模板窗口；w(u,v)——加權(quán)函數(shù)，通常為常數(shù)或者高斯函數(shù)。

由泰勒公式展開：

I(u+Δx, v+Δy)≈I(u, v)+

Ix(u, v)Δx+Iy(u, v)Δy=

(15)

故：

c(x, y;Δx,Δy)=∑w(u, v)[I(u, v)-

I(u+Δx, v+Δy)]2≈

(16)

式中：

(17)

因此，圖像平移后的自相關(guān)函數(shù)就近似成了二次項函數(shù)：

(18)

進一步可得橢圓方程：

(19)

橢圓的尺寸由M矩陣的特征值確定，特征值表征灰度變化最快和最慢的兩個方向(橢圓方向則由特征向量表征決定)。Harris角點法并不需要計算出M的特征值，只需要計算出一個角點響應(yīng)：

R=detM-α(traceM)2

(20)

式中： α——經(jīng)驗參數(shù)，一般為0.04～0.06。

Harris角點檢測算法可總結(jié)為以下步驟：

1) 計算圖像I(x,y)在x和y兩個方向的梯度Ix, Iy：

(21)

2) 計算圖像兩個方向梯度的乘積：

(22)

3) 使用高斯函數(shù)對步驟2中各梯度乘積進行加權(quán)運算，生成矩陣M的組成元素A, B和C：

C=g(Ixy)=Ixy?w

(23)

4) 計算每個像元的Harris響應(yīng)值R，并對小于某一閾值的R置0：

R={R： detM-α(traceM)2

(24)

5) 在3×3的鄰域內(nèi)進行非極大值抑制，局部極大值點即為圖像中的角點。

6) 取得所有Harris角點，對其所有縱坐標(biāo)計算均值即可得到液位高度。

本文液位圖像的Harris角點檢測結(jié)果如圖5所示，檢測出的角點用星號標(biāo)出，顯然對其縱坐標(biāo)取均值可以很好地反映出液位的實際位置。

圖5　Harris角點檢測結(jié)果

3結(jié)論

實驗中首先對液位測量系統(tǒng)進行自標(biāo)定，選取2個已知液位高度和像素值的點為(32.5mm, 146pixel)， (31.5mm, 165pixel)，故像素值與真實坐標(biāo)值轉(zhuǎn)換關(guān)系為

h=-0.0526n+40.1842

(25)

對于液位精確值為32.5mm的圖像，圖像處理識別出來的角點縱坐標(biāo)平均值為142.9pixel,轉(zhuǎn)換成真實坐標(biāo)為32.7mm。故該系統(tǒng)液位檢測誤差可精確到0.2mm,在圖像采集速度上，采用的相機最高可達20幀/s,在算法設(shè)計上Ostu閾值化和Harris角點檢測時間開銷較小，為數(shù)十毫秒級別，可以滿足一般化工過程液位測量的需要。

本文將集成TCP/IP協(xié)議的智能工業(yè)相機與計算機連接采集液位圖像，利用線性均值濾波去除噪聲，Otsu閾值處理與Harris角點檢測結(jié)合識別液位界面，最后結(jié)合簡易自標(biāo)定方法計算出實際液位。實驗表明系統(tǒng)精度較高、實時性好，可以滿足一般化工過程可視化液位界面檢測的需求，具有一定的理論與實際意義。

參考文獻：

[1]李麗宏，謝克明.液位自動檢測的現(xiàn)狀與發(fā)展[J].太原理工大學(xué)學(xué)報，2001，32(04)： 417-420.

[2]任開春，涂亞慶.20余種液位測量方法分析[J].工業(yè)儀表與自動化裝置，2003(05)： 12-16.

[3]齊永生，宋生奎，涂亞慶.儲油罐液位測量技術(shù)現(xiàn)狀與發(fā)展趨勢[J].石油工程建設(shè)，2006，32(04)： 1-4.

[4]田濤，吳君.圖像處理在鑄造工業(yè)中的應(yīng)用[J].測控技術(shù)，1999，18(08)： 42-45.

[5]潘且魯，張穎川，潘俊民.基于圖像處理技術(shù)的液位測控系統(tǒng)[J].自動化儀表，2000，21(04)： 36-38.

[6]JAMPANA P, SHAH S L, KADALI R. Computer Vision Based Interface Level Control in Separation Cells [J]. Control Engineering Practice, 2010(18)： 349-357.

[7]FERNANDES L S L, FILHO F C M, PAULO J B A, et al. Gain Scheduling Adptive Control Applied to a Particular Mixer-settler Equipment [J]. Control Engineering Practice, 2013(21)： 1121-1127.

[8]桂衛(wèi)華，陳志鵬，何明芳，等.基于相關(guān)向量機的硫泡沫浮選液位軟測量[J].控制工程，2014，21(01)： 1-4.

[9]岡薩雷斯，伍茲，阮秋琦，等.數(shù)字圖像處理[M].3版.北京： 電子工業(yè)出版社，2013： 93-95，479-483.

[10]劉曉偉，趙翠蓮，汪地.基于面陣CCD的標(biāo)準(zhǔn)金屬量器液位監(jiān)測系統(tǒng)[J].計算機測量與控制，2006，14(07)： 1138-1140.

[11]趙小川.Matlab圖像處理能力提高與案例應(yīng)用[M].北京： 北京航空航天大學(xué)出版社，2014： 44-52.

[12]葉昕鑫.基于圖像的微化工過程液位與流量測量[D].杭州： 浙江大學(xué)，2013： 12-13．

[13]孫長庫，魏嵬，張效棟，等.CCD攝像機參數(shù)標(biāo)定實驗設(shè)計[J].光電子信息與技術(shù)，2005，18(02)： 43-46.

[14]李新彥.全固態(tài)數(shù)字圖像監(jiān)視裝置研究[J].石油化工自動化，2010，46(04)： 48-50.

摘要：液位檢測在化工生產(chǎn)中有著廣泛的需求，傳統(tǒng)液位測量方式存在安裝空間要求高、智能化程度低、組網(wǎng)難等問題?；跈C器視覺技術(shù)設(shè)計了一套液位/界面測量系統(tǒng)： 硬件上采用集成TCP/IP協(xié)議和接口的高速智能工業(yè)相機代替以往研究中CCD相機和圖像采集卡，減少了系統(tǒng)空間占用，軟件上利用圖像預(yù)處理、Otsu閾值化和Harris角點檢測識別液位，最后結(jié)合圖像標(biāo)定獲取待測液位。實驗表明： 基于機器視覺的液位檢測方法具有良好的精度，能夠滿足化工過程對液位檢測的要求。

關(guān)鍵詞：機器視覺液位檢測Otsu閾值化Harris角點

Application Research of Machine Vision in Liquid Level Detection in Chemical ProcessMeng Lei, Zou Zhiyun, Guo Yuqing, Zhao Dandan, Liu Xinghong

(Research Institute of Chemical Defense, Beijing, 102205, China)

Abstracts： Liquid level detection is commonly needed in chemical production. Traditional liquid measurement mode owns disadvantages of high requirement for installation space, low intelligence degree and difficulty of building up network. Based on technology of machine vision, a set of liquid level/interface detection system is designed. Intelligent industrial camera integrated with TCP/IP protocol is adopted instead of CCD camera and image capturing card to capture images with reduction of space in hardware. Image pre-processing, Otsu’s threshold algorithm and Harris corner detection are utilized to identify liquid level in software. The liquid level will be achieved combined with camera calibration. Experiment results show the precision of the proposed method is high. It can satisfy need of level detection in chemical process.

Key words：machine vision; liquid level detection; Otsu’s threshold; Harris corner

中圖分類號：TP391.41

文獻標(biāo)志碼：A

文章編號：1007-7324(2015)04-0039-05

作者簡介：孟磊(1990—)，男，河南開封人，2013年畢業(yè)于西安交通大學(xué)自動化專業(yè)，獲學(xué)士學(xué)位，現(xiàn)為防化研究院碩士研究生，主要從事過程控制、機器視覺檢測方面研究。

稿件收到日期： 2015-03-24。