基于圖像透光率的粉塵濃度測(cè)量算法研究

葉方平，方朝陽，徐顯金，李秀紅，袁建明

（1.湖北工業(yè)大學(xué) 機(jī)械工程學(xué)院，湖北 武漢 430068；2.武漢理工大學(xué) 交通與物流工程學(xué)院，湖北 武漢 430063）

引言

礦石、煤炭、大豆等顆粒物料在裝卸、運(yùn)輸過程中的塵源擴(kuò)散是構(gòu)成粉塵污染的主體，且粉塵濃度過高時(shí)，易發(fā)生粉塵爆炸事故，帶來安全隱患[1-2]。因此粉塵濃度在線測(cè)量對(duì)粉塵防治與改善工作環(huán)境具有重要意義。目前國內(nèi)外粉塵測(cè)量方法很多，主要可分為離線測(cè)量和在線測(cè)量2種。離線測(cè)量方法主要有濾膜稱重法[3]和β射線法[4]，這些方法測(cè)量精度較高，但實(shí)時(shí)性相對(duì)較差。在線測(cè)量方法主要有光散射法[5-6]、靜電感應(yīng)法[7]和圖像檢測(cè)法[8]。其中，光散射法存在面域測(cè)量難、粉塵收集管路容易堵塞等局限性[9]，靜電感應(yīng)法對(duì)低濃度粉塵的檢測(cè)誤差比較大[10]，故應(yīng)用效果不佳。

圖像檢測(cè)法測(cè)量方式直觀、非接觸、操作便捷、結(jié)果穩(wěn)定[11]。許多學(xué)者對(duì)此展開了研究與應(yīng)用，趙欣然等人提出基于深度學(xué)習(xí)的可燃性粉塵云圖像檢測(cè)方法[12]，該方法具有較好的檢測(cè)性能，但所能檢測(cè)的粉塵濃度范圍太?。籊rasa等人建立了圖像平均灰度值與粉塵體積分?jǐn)?shù)之間的數(shù)學(xué)模型[13]，但此模型更適合線性曲線，在實(shí)驗(yàn)數(shù)據(jù)的擬合方面存在一定限制；Obregón等人在Grasa的模型中添加了一個(gè)可調(diào)節(jié)的參數(shù)[14]，使得擬合曲線精確地?cái)M合出不同的凹面，但這2種方法都忽略了環(huán)境光散射效應(yīng)對(duì)灰度值測(cè)量的影響；Li等人提出了一種基于暗通道理論的粉塵濃度視覺測(cè)量算法[15]，考慮了環(huán)境光散射效應(yīng)對(duì)測(cè)量精度的影響，但對(duì)粉塵測(cè)量環(huán)境要求較高；陳鋒[16]和姜同林[17]推導(dǎo)了粉塵濃度與圖像灰度之間的線性關(guān)系，但空間的散射光強(qiáng)度使對(duì)應(yīng)像素點(diǎn)的灰度值接近255時(shí)，會(huì)導(dǎo)致測(cè)量結(jié)果失真；Zhao等人提出利用消光系數(shù)的變化來測(cè)量粉塵濃度[18]，通過分析粉塵圖像的消光系數(shù)測(cè)得粉塵濃度，但是顆粒的粒徑和化學(xué)成分對(duì)測(cè)量的精確度影響較大。

針對(duì)上述粉塵濃度測(cè)量方法的不足，本文提出一種基于圖像透光率計(jì)算的粉塵濃度測(cè)量改進(jìn)算法，通過計(jì)算圖像飽和度與亮度得到透光率，再利用透光率與粉塵濃度的關(guān)系擬合出高質(zhì)量的校準(zhǔn)曲線，從而預(yù)測(cè)粉塵濃度。

1 粉塵濃度測(cè)量系統(tǒng)

本研究搭建了機(jī)器視覺粉塵濃度測(cè)量系統(tǒng)，如圖1所示。該測(cè)量系統(tǒng)硬件部分主要由粉塵產(chǎn)生模塊、粉塵圖像采樣模塊、圖像處理模塊和校準(zhǔn)模塊組成；粉塵產(chǎn)生模塊包含粉塵的顆粒物料、控制閥、漏斗、玻璃罩和沉降池。采樣模塊由高速攝像機(jī)與LED光源組成，高速攝像機(jī)的圖像分辨率設(shè)置為1 920×1 080，幀率設(shè)置為50幀/s，LED光源的波長范圍為450 nm～ 460 nm，其多波長光源對(duì)測(cè)量精度影響較??；圖像處理模塊即計(jì)算機(jī)系統(tǒng)；校準(zhǔn)模塊即粉塵濃度校準(zhǔn)儀，用于測(cè)量不同濃度下粉塵的標(biāo)準(zhǔn)濃度。本系統(tǒng)選擇基于光散射法設(shè)計(jì)的直讀式粉塵濃度測(cè)量?jī)x作為粉塵濃度校準(zhǔn)儀器，測(cè)量范圍為0.1 mg/m3～3 000 mg/m3。

圖1 機(jī)器視覺粉塵濃度測(cè)量系統(tǒng)Fig.1 Measurement system of machine vision dust concentration

通過操作控制閥，物料在重力作用下落入沉降池，玻璃罩內(nèi)產(chǎn)生揚(yáng)塵，高速攝像機(jī)采集粉塵圖像數(shù)據(jù)后輸入計(jì)算機(jī)處理系統(tǒng)，粉塵濃度校準(zhǔn)儀同時(shí)工作，每一幀圖像的標(biāo)準(zhǔn)濃度被記錄。測(cè)量系統(tǒng)的軟件部分嵌入本文所提出的算法，主要用于對(duì)采集的圖像進(jìn)行預(yù)處理、訓(xùn)練以及測(cè)試。圖像預(yù)處理旨在減少噪聲對(duì)粉塵圖像的影響，在相機(jī)拍攝的原圖即圖2(a)中心的300×180像素子塊被選為圖像樣本以減少干擾，如圖2(b)所示。

圖2 300×180像素子塊圖像Fig.2 300×180 pixel sub-block image

訓(xùn)練圖像樣本可獲得粉塵濃度測(cè)量的函數(shù)模型，即：

軟件將圖像數(shù)據(jù)擬合生成高質(zhì)量校準(zhǔn)曲線，得到函數(shù)參數(shù)A、B、C，然后實(shí)現(xiàn)粉塵濃度的測(cè)量。

2 粉塵濃度測(cè)量原理與算法

2.1 消光法原理

粉塵濃度圖像測(cè)量的實(shí)現(xiàn)是基于消光法[19]原理，當(dāng)光束穿過顆粒介質(zhì)時(shí)受到顆粒的散射和吸收，使得穿過介質(zhì)的透射光強(qiáng)度受到衰減，其衰減程度與顆粒的大小和濃度相關(guān)，這就為粉塵濃度測(cè)量提供了尺度，透射光與散射光共同形成了相機(jī)采集的場(chǎng)景圖像，圖3為粉塵環(huán)境下場(chǎng)景目標(biāo)成像原理示意圖。

圖3 場(chǎng)景目標(biāo)成像原理示意圖Fig.3 Schematic diagram of scene target imaging principle

場(chǎng)景目標(biāo)的成像原理可以用大氣散射模型[20]來描述：

式中：x表示圖像中某一空間坐標(biāo)；I是工業(yè)相機(jī)采集到的粉塵圖像；J是無粉塵圖像；A表示全局大氣光；t表示透光率，即透射光強(qiáng)度T與入射光強(qiáng)度T0之比。（2）式中J(x)t(x)為直接衰減項(xiàng)，表示場(chǎng)景光線經(jīng)過空氣中介質(zhì)粒子散射而衰減的程度；A(1-t(x))為環(huán)境光干擾項(xiàng)，表示在成像過程中環(huán)境散射光影響。測(cè)量區(qū)中顆粒濃度的變化導(dǎo)致了透射光信號(hào)的強(qiáng)弱，由此得到粉塵顆粒的濃度信息。

圖像透光率是物體在粉塵環(huán)境下的透射光通量與物體入射光通量之比的百分率，可描述光線沒有產(chǎn)生散射效應(yīng)且到成像設(shè)備的部分，即圖像透光率本身描述了粉塵顆粒的遮擋效應(yīng)，也可描述大氣散射效應(yīng)。透光率越大，表明入射光信號(hào)被吸收越少，即粉塵濃度越?。煌腹饴试叫?，表明入射光信號(hào)被吸收越多，即粉塵濃度越大。因此透光率作為粉塵圖像的主要特征參數(shù)，用于表征粉塵濃度，可實(shí)現(xiàn)粉塵濃度的視覺測(cè)量，且克服了環(huán)境光散射效應(yīng)、空間的散射光強(qiáng)度等因素對(duì)測(cè)量精度的影響。

2.2 測(cè)量算法

暗通道理論[21]表明一幅彩色圖像分為R、G、B三個(gè)顏色通道，當(dāng)相機(jī)拍攝的場(chǎng)景的顏色較為暗淡時(shí)，所形成的圖像在顏色空間的3個(gè)顏色通道里面，至少存在1個(gè)最小值趨近于0。

式中：Jdark(x)為粉塵圖像中x位置的暗通道值；Jc(y)表示以x像素位置為中心的局部微元區(qū)域y中的某個(gè)顏色通道值；Ω(x)表示像素x為中心的一個(gè)窗口，min是最小值算子。

由于黑色物體的灰度值趨于0，且黑色背景在成像時(shí)不易受周圍環(huán)境、大氣光等影響成像質(zhì)量，本文選取黑色模板作為圖像背景，并在光源的配合下采集背景圖像如圖4(a)所示。為驗(yàn)證暗通道理論在所構(gòu)建的實(shí)驗(yàn)環(huán)境下的可行性，利用Matlab軟件使用濾波窗口形式求取圖4(a)的3個(gè)顏色通道最小值，并獲取所對(duì)應(yīng)暗通道圖像的灰度值分布云圖，如圖4(b)所示。

圖4 背景圖像及其暗通道圖像灰度值分布圖Fig.4 Black background image and gray value distribution of dark channel image

由圖4(b)可知，黑色背景圖像的暗通道圖像灰度值主要分布范圍為0～20，表明暗通道理論在黑色模板作為粉塵采集背景的環(huán)境下具有可行性。

通過（3）式可以消去（2）式中的直接衰減項(xiàng)，于是透光率t可以被描述為

式中：Ic(x)為I(x)的顏色通道圖；Ac為A的顏色通道圖。嚴(yán)格意義上，在相機(jī)拍攝場(chǎng)景亮度較大時(shí)，（3）式的成立條件是不易滿足的，這往往會(huì)導(dǎo)致透光率計(jì)算值不精確。于是，本文提出通過計(jì)算圖像飽和度與亮度求得透光率值，I(x)的暗通道可以被定義為

在HSV顏色空間中，色調(diào)H表示不同的顏色，飽和度S表示顏色的純度，亮度V表示顏色的亮暗程度。飽和度與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入，飽和度逐漸減小[22]。對(duì)于任何3個(gè)歸一化到[0，1]范圍內(nèi)的RGB值，S分量和V分量可由下式計(jì)算:

將（6）式和（7）式代入（5）式可得：

從（8）式可以看出粉塵圖像的暗通道圖像與其亮度、飽和度相關(guān)，隨著粉塵濃度增大，飽和度S降低，亮度V升高，Idark(x)增大。為了防止透光率被低估，將Ac近似估計(jì)為0，于是基于（4）式和（8）式，透光率可以被寫成為

環(huán)境光散射效應(yīng)主要影響全局大區(qū)光A值的估計(jì)，本文改進(jìn)算法在圖像背景為黑色的條件下將A的暗通道值A(chǔ)c近似估計(jì)為0，可有效解決環(huán)境光散射效應(yīng)對(duì)測(cè)量精度的影響。將上述算法嵌入計(jì)算機(jī)軟件部分，對(duì)輸入圖像進(jìn)行計(jì)算分析，可得到較為準(zhǔn)確的透光率值，進(jìn)而測(cè)量出更為精確的粉塵濃度。

3 粉塵濃度測(cè)量實(shí)驗(yàn)與結(jié)果分析

本次實(shí)驗(yàn)采用的粉塵來自于大豆在進(jìn)出糧倉、加工等過程中摻雜的混合性粉塵，其成分主要包括毛刺、泥沙和夾雜的一些砷、鉛、錳等金屬，粉塵顆粒粒徑在15 μm～20 μm之間，測(cè)試過程中光束直徑遠(yuǎn)大于顆粒直徑，故顆粒粒徑對(duì)透光率的影響可忽略不計(jì)。

如圖5所示，每次實(shí)驗(yàn)漏斗內(nèi)盛裝不同質(zhì)量的大豆物料，測(cè)試過程中粉塵濃度校準(zhǔn)儀每隔5 s采集一次標(biāo)準(zhǔn)濃度，高速攝像機(jī)在同一時(shí)刻采集粉塵圖像。另外，每次實(shí)驗(yàn)保持光強(qiáng)信號(hào)不變，以確保光源穩(wěn)定，同時(shí)關(guān)閉實(shí)驗(yàn)室內(nèi)其他光源，避免外界雜散光對(duì)數(shù)據(jù)采集的影響。

圖5 實(shí)驗(yàn)材料實(shí)物圖Fig.5 Physical picture of experimental materials

實(shí)驗(yàn)的初始化階段，先采集一張玻璃罩內(nèi)無粉塵通過的黑色背景圖像，用粉塵濃度校準(zhǔn)儀測(cè)出粉塵濃度。在保持光源、相機(jī)等參數(shù)條件不變時(shí)，操作漏斗控制閥，模擬粉塵發(fā)生。為獲取基于圖像透光率的函數(shù)模型參數(shù)，將所采集的300組圖像樣本用于粉塵濃度測(cè)量函數(shù)模型的訓(xùn)練與測(cè)試。

3.1 測(cè)量模型的訓(xùn)練

在所采集的圖像樣本中，隨機(jī)選擇200組構(gòu)成訓(xùn)練集，每張圖片對(duì)應(yīng)場(chǎng)景下的濃度由粉塵濃度校準(zhǔn)儀測(cè)定，再用本文算法求得每組樣本的透光率，選擇多項(xiàng)式擬合形式對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行模型訓(xùn)練，模型擬合相關(guān)性為0.995 7，擬合曲線見圖6。

由圖6可知，粉塵濃度與圖像透光率具有較好的線性度，因此圖像透光率是較理想的特征值。根據(jù)擬合曲線推出函數(shù)參數(shù)A=4 560，B=-10 930，C=6 529，于是粉塵濃度測(cè)量模型為

由圖6可以看出，存在少部分偏離于擬合曲線的誤差點(diǎn)，但由于訓(xùn)練數(shù)據(jù)集樣本數(shù)較多，誤差點(diǎn)對(duì)測(cè)量模型的影響極小。結(jié)合理論與實(shí)驗(yàn)結(jié)果可以得出，圖像透光率受顆粒粒徑影響很小，如果采用其他實(shí)驗(yàn)材料（如煤粉、水泥等），該模型也具有適用性。

圖6 粉塵濃度與圖像透光率的擬合曲線圖Fig.6 Fitting curve of dust concentration and image transmittance

3.2 測(cè)量模型的測(cè)試

為驗(yàn)證測(cè)量模型的精確性與可靠性，隨機(jī)選取10組圖像樣本構(gòu)成測(cè)試集，測(cè)試集的圖像如圖7所示。

將測(cè)試集圖像樣本分別用于驗(yàn)證暗通道算法和本文算法，所得透光率值與測(cè)試濃度值見表1。據(jù)表1可知，圖像透光率隨著粉塵濃度升高而逐漸降低，即粉塵濃度與圖像透光率呈負(fù)相關(guān)，因此圖像透光率可以作為粉塵濃度測(cè)量的特征值。以標(biāo)準(zhǔn)濃度為基準(zhǔn)，分別計(jì)算暗通道算法測(cè)試濃度、本文算法測(cè)試濃度與標(biāo)準(zhǔn)濃度之間的偏差，結(jié)果列于表2中。

表1 粉塵濃度測(cè)量模型測(cè)試數(shù)據(jù)集Table 1 Test data set of dust concentration measurement model

由表2可知，暗通道算法測(cè)量的粉塵濃度相對(duì)誤差普遍偏大，誤差最大值達(dá)到29.41%，誤差最小值為1.55%，平均誤差為13.06%；本文算法的檢測(cè)誤差大部分較低，誤差最大值為15.99%，誤差最小值僅為0.02%?？傮w而言，本文算法能實(shí)現(xiàn)粉塵濃度的有效測(cè)量，且相對(duì)誤差較小。

表2 測(cè)試濃度與標(biāo)準(zhǔn)濃度之間的偏差Table 2 Deviation between test concentration and standard concentration %

將本文算法與其他算法及較先進(jìn)的粉塵濃度測(cè)量?jī)x作比較，結(jié)果列于表3中。由表3可知，本文提出的算法平均相對(duì)誤差最小，為7.77%，相較于LD-5K測(cè)量?jī)x與組合照明圖像分析法準(zhǔn)確率提高了2.23%，相較于暗通道算法準(zhǔn)確率提高了5.29%。另外，本文算法的測(cè)量范圍更大，可測(cè)量濃度范圍為0.1 mg/m3～3 000 mg/m3的粉塵。

表3 本文算法與其他測(cè)量方法的比較Table 3 Comparison between proposed algorithm and other measurement methods

4 結(jié)論

本文提出了一種基于圖像透光率的粉塵濃度測(cè)量算法，并經(jīng)實(shí)驗(yàn)驗(yàn)證與對(duì)比，得出以下結(jié)論：

1）根據(jù)本文方法與其他測(cè)量方法的對(duì)比結(jié)果，本文方法具有測(cè)量精度高、測(cè)量范圍大的優(yōu)點(diǎn)，平均誤差僅為7.77%，誤差低于目前粉塵濃度測(cè)量?jī)x的10%檢測(cè)誤差值，相比于暗通道算法，準(zhǔn)確率提高了5.29%。

2）基于粉塵濃度與圖像透光率的關(guān)系建立的粉塵濃度測(cè)量模型可實(shí)現(xiàn)粉塵濃度的在線測(cè)量，解決了目前圖像法測(cè)量誤差大、測(cè)量范圍小的問題，推動(dòng)了圖像法在粉塵濃度測(cè)量方面的進(jìn)一步發(fā)展。