[发明专利]基于opencv技术的井下粉尘监测与防治系统及方法在审
| 申请号: | 202110110628.7 | 申请日: | 2021-01-27 |
| 公开(公告)号: | CN112924348A | 公开(公告)日: | 2021-06-08 |
| 发明(设计)人: | 王少锋;尹江江 | 申请(专利权)人: | 中南大学 |
| 主分类号: | G01N15/06 | 分类号: | G01N15/06 |
| 代理公司: | 长沙永星专利商标事务所(普通合伙) 43001 | 代理人: | 周咏;米中业 |
| 地址: | 410083 湖南*** | 国省代码: | 湖南;43 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 opencv 技术 井下 粉尘 监测 防治 系统 方法 | ||
1.一种基于opencv技术的井下粉尘监测及防治系统,其特征在于包括数据处理站台、井下粉尘监测系统和泡沫除尘系统;数据处理站台分别连接井下粉尘监测系统和泡沫除尘系统;井下粉尘监测系统进行摄像并将拍摄的原色三彩图上传到数据处理站台;数据处理站台进行数据处理并控制泡沫除尘系统;泡沫除尘系统对井下粉尘进行防治动作。
2.根据权利要求1所述的基于opencv技术的井下粉尘监测及防治系统,其特征在于所述的井下粉尘监测系统包括第一高清摄像头、第二高清摄像头、第一信号传输器和第二信号传输器;第一高清摄像头连接第一信号传输器,第二高清摄像头连接第二信号传输器;第一高清摄像头、第二高清摄像头能够360度自由转向,与工作面形成设定的夹角并同时摄像,将拍摄到的原色三彩图通过各自的信号传输器与地面上的数据处理站台进行实时连接,将工作中监测到的粉尘情况以原色三彩图形式输出到数据处理站台进行处理;数据处理站台包括控制器、数据显示台和除尘控制台;控制器进行数据处理;数据显示台对控制器处理后数据进行直观显示;除尘控制台与泡沫除尘系统连接,用于控制泡沫除尘系统执行粉尘防治动作;泡沫除尘系统包括泡沫发生器、发泡液输送管、第一泡沫喷头和第二泡沫喷头;泡沫发生器接收数据处理站台发出的粉尘防治信号,制备发泡液通过发泡液输送管输送至工作面粉尘污染处,通过第一泡沫喷头和第二泡沫喷头将泡沫喷出。
3.一种权利要求1或2所述的基于opencv技术的井下粉尘监测及防治系统的方法,其特征在于包括如下步骤:
S1.输入高清摄像头采集的原色三彩图;
S2.将原色三彩图转换为灰度图,生成灰度值;
S3.对步骤S2中生成的灰度图进行二值化处理;
S4.定义结构元素图像的集合B,对步骤S3二值化处理后的灰度图去噪,并确定步长(x,y);
S5.检测粉尘边框,绘制粉尘轮廓,并将绘制到的粉尘轮廓大小表示为粉尘大小;
S6.对步骤S5得到的粉尘数据进行评价,并与规程规定工作面粉尘污染浓度标准对比,并根据对比结果进行除尘。
4.根据权利要去3所述的方法,其特征在于步骤S2,具体包括原色三彩图转换为灰度图的计算公式:
Gray=0.1140*C+0.5870*G+0.2989*R
其中C代表蓝色通道的像素值,G代表绿色通道的像素值,R代表红色通道的像素值,计算出灰度值Gray。
5.根据权利要去4所述的方法,其特征在于步骤S3,具体包括如下步骤:
(1)采用局域阈值的大津算法对图像进行二值化处理,通过邻域平均法对灰度图进行多目标分隔
其中(i,j)∈M,(i,j)为步骤S2获取的灰度图领域中各邻近像素的坐标,M为包含的邻域中邻近像素的个数;N为包含中心像素点的像素总个数;
(2)确定阈值类型:
其中dst(x,y)为二值化结果;该公式表示当像素块大于邻域阈值T时,dst(x,y)为255,否则输出为0。
6.根据权利要去5所述的方法,其特征在于步骤S4具体为将步骤S3二值化处理的后的灰度图进行十字交叉去噪,包括如下步骤:
a.进行开运算去噪,定义集合
其中A为二值化处理的后的灰度图的集合,B为结构元素图像的集合;二值化处理的后的灰度图的集合A被结构元素图像的集合B做开运算,具体为二值化处理的后的灰度图的集合A被结构元素图像的集合B腐蚀后的结果再被结构元素图像的集合B膨胀;
因此,结构元素图像的集合B在二值化处理的后的灰度图的集合A内的平移得到的集合并集表示为:
其中x为步长的坐标;
b.定义腐蚀运算集合,具体为:
其中b∈B,X为图像中的像素集合,B为结构元素图像的集合,表示为X被B的腐蚀,为腐蚀算子;
c.定义膨胀运算集合
其中x1∈X,b∈B,X为图像中的像素集合,B为结构元素图像的集合,表示为X被B的膨胀,为膨胀算子;
d.选取最大值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110110628.7/1.html,转载请声明来源钻瓜专利网。





