基于边缘检测的加香喷嘴雾化效果可视化系统

蔡 艳 孙常荣 付晓宇 郭睿涵 王英立

（四川中烟工业有限责任公司成都卷烟厂，四川 成都 610000）

0 研究背景

烟丝加香是卷烟厂烟丝制造生产线（简称制丝线）的三大工艺环节之一，所谓烟丝加香就是根据制丝线上烟丝流量进行均匀喷香。评估一种加香喷嘴雾化效果优劣最主要的性能指标就是喷雾质量，其中包括喷雾雾滴的直径、均匀度以及粒谱范围等参数。而喷嘴装置喷雾质量直接影响到加香效果的原因包括加香喷嘴喷出雾滴的射程与流量以及雾滴在落地前的滞空时间等，如果喷嘴喷出的雾滴粗大、射程短而很快落地，则会影响加香效果，浪费物料。机器视觉、图像处理技术、人工智能学科的发展，为工业检测提供了新的解决方案，利用高速摄像机结合图像处理技术、卷积神经网络进行喷雾性能检测将成为喷雾检测领域的主要研究方向。

1 主要工作

该课题的研究为实现加香喷嘴雾化效果检测与分析系统提供基础，对促进烟丝加香生产线的发展具有重要意义。根据现有烟丝加香生产线的设备条件与加香喷嘴雾化效果检测与评价技术的研究需要，该文的研究内容主要包括以下三个部分：1）使用图像格式整形、直方图处理、灰度化处理、图像滤波等图像处理算法完成对喷嘴喷雾图像的预处理，提高图像清晰度，避免图像过亮或过暗，提高图像质量，满足算法所需的图像要求。2）使用边缘检测方法对一组时序图像的雾滴形态特征进行提取分析，识别图像上的雾化颗粒轮廓。3）根据检测到的颗粒轮廓分析计算其截面积，按照颗粒截面积的大小范围进行归类处理，并计算各面积大小范围内的颗粒数量在整体数量中所占的比例。

2 检测方法

2.1 图像预处理算法

图像简单预处理的步骤如下：图像格式变换将图像格式统一处理成合适大小的图像，再经图像格式整形、直方图均衡化、灰度处理、图像滤波等图像处理步骤，使图像特征更加明显。该文中对喷雾图像的预处理流程图如图1所示。

图1 喷雾图像预处理的流程图

2.2 用于识别轮廓的边缘检测算法

该文采用的是基于Canny边缘检测器的图像边缘检测算法。Canny边缘检测器通过4步来识别边缘。

这种方法依赖于强度的突然变化，如果图像有很多随机噪声，则会将噪声边界作为检测到的颗粒图像边缘，所以该文将使用5×5（像素）的高斯滤波器平滑预处理后的图像。

计算图像中每个像素强度的梯度（即强度变化率）以及梯度方向，如公式（1）所示。其中G与G为灰度值，()代表梯度大小，()代表梯度方向。

使用八邻域模板对检测到的每个边缘像素进行再校核，八邻域模板示意图如图2所示。

图2八邻域模板示意图

选取梯度值最高的像素作为边。在梯度方向上取3×3像素附近的局部最大值。

迟滞阈值化是决定一个梯度的阈值，低于这个阈值所有的像素都将被抑制（设置为0）。

2.3 边界的提取与拟合

该文基于统计与回归方法处理方法计算出图像中喷雾角上下两条边界线的拟合曲线的信息，并将拟合曲线各点的，值存储于矩阵[]中。其中，表示喷雾角图像中喷雾角边界线计算出的点的序号，x为NewArray矩阵中第1列的第个数据即为第个点在图像中的横坐标；相应地，y为NewArray矩阵中第2列的第个数据，即为第点的纵坐标，坐标的单位用像素表示。

2.4 雾滴形态特征统计分析方法

该章分析的雾滴形态特征参数主要有雾滴二维投影面积、喷雾角度、雾滴位置坐标等，其具体计算公式如下。

设雾滴图像大小（像素值）为×，雾滴在图像中的像素位置序号为f（，），则第个雾滴面积Ai的计算公式如下。

一帧图像中共个雾滴，则图像中的雾滴总面积计算公式如下。

利用最小二乘法进行线性回归，第帧图像中喷雾角两条边界的拟合直线如下。

3 试验设计与结果分析

3.1 雾化性能检测系统硬件设计

雾化性能检测系统的硬件组成包括高速相机、光源、稳压电源和工控机。系统示意图如图3所示。以下为各硬件因素详细参数。其中相机型号为Baslera2A1920-160umPRO。光源采用30W的面阵光源，工控机型号为研华科技AIMC2000。

图3 雾化性能检测系统示意图

3.2 雾化性能检测系统软件设计

该雾化性能检测系统软件的设计开发过程采用模块化的设计思想。该系统的这几个主要模块主要包括图像采集模块、图像标定模块、图像存储模块、图像预处理模块以及数据分析模块，这几个模块被分别封装在各自的子模块中，共同组成该雾化性能检测系统。软件系统模块化示意图如图4所示。

图4 软件系统模块示意图

加香喷雾雾化性能分析系统软件是使用Qt编程实现的。整个软件由喷雾检测界面、滴液检测界面、雾滴统计分析界面三个部分组成。

3.3 试验结果分析

由于图像采集是针对喷雾区域中的某个局部区域，因此每帧中的雾滴数量是不相等的。此外，雾滴的分布并不完全均匀。就某一局部区域而言，不同时刻的分布密度会有所不同，导致每帧雾滴的数量在一定范围内波动。通常用每帧图像中雾滴的平均数量来表示雾滴在该区域的分布情况。经过计算，该工况下的液滴平均分布为每帧58个。

液滴主要分布在等效直径2像素~7像素的区域，因此该试验对这一位置的雾滴特征进行了重点分析，进而判定喷雾器的喷雾性能。该图表明，等效直径越大，液滴的平均圆度越接近1.0。而雾滴直径越小，其圆形度越小。

该文从一系列图像中提取全部10帧，处理50张图像，合计4138滴。

图5中雾滴面积单位精确到像素级别，这样做大大简化了雾滴面积的计算方法，仅通过统计像素的个数，即可得到雾滴的面积。

图5 雾滴累计分布图

表1 雾化边界拟合参数表（0.04MPa）

4 结论

该研究为了建立雾化效果可视化及评价体系提出了边缘法利用图像处理领域的相关算法，可以按照确定的标准检测雾滴覆盖度，分析雾滴的沉积均匀性。提出了采用OpenCV中Canny边缘检测算法，通过去噪、梯度计算、非极大抑制、迟滞阈值化四个步骤识别雾滴边缘，以精确计算雾滴特征参数，并对三维空间向二维图像投影中的重叠问题做准确重构，以准确辨别雾化颗粒轮廓。根据试验结果，以上方法得到了验证并能达到相应的鲁棒性。