基于圖像噪點去除的微波設備火情預警系統

，，2，，，

(1.上海工程技術大學 機械工程學院，上海 201600；2.上海交通職業技術學院，上海 200431；3.上海工程技術大學 材料工程學院，上海 201600)

0 引言

火情的預警和報警已經從傳統的采用感溫探測器，感煙探測器，感光探測器，氣體探測器以及復合型探測器慢慢的開始轉向圖像型探測技術，此技術克服了傳統的由于單純的環境因素帶來的弊端，提高了火情預警的準確性而且實現了更加寬廣的范圍和更加復雜環境的監測，由于配套的各項科學技術的發展而趨于穩定和成熟，必將帶來更好的發展前景[1-5]。目前來說在火情的圖像獲取和監控方面主要是采用紅外的處理技術，由于圖像長時間在不斷地進行傳輸而且實際環境可能存在個人習慣或者習俗所帶來的短時間存在的小火苗造成的誤報情況而這樣會慢慢地損耗監測人員的耐心，長時間可能會造成實際發生火情的時候，監測人員的認知慣性而造成不必要的財產損失[6]。

對于上述問題，采用CCD攝像頭拍攝圖像，有線進行穩定傳輸圖像到NI myRIO硬件借助于內嵌的LabVIEW軟件編制的程序進行火焰圖像灰度化處理，顆粒過濾，提取顏色區域，區域選擇，面積計算[7-8]。通過像素的多少得到火焰的大小與閾值比較，以此形成預警和報警的二級處理機制，方便監控人員了解和掌握火情的危急程度和采取相應的處理方式[6,9]。

1 軟件系統

1.1 系統總體設計

軟件的設計主要是通過圖像采集程序，圖像的灰度化處理程序，圖像的二值化處理程序，火焰的提取程序，顆粒的過濾程序，火焰的面積計算程序，圖像處理得到是否有火情的一級警示作用和二級的火情報警并通過硬件NI myRIO上的LED指示燈進行結果的展現[10-11]。

結合我們遇到的實際情況由于在大型微波設備加熱中加熱的物質多式多樣，其色彩、顆粒大小、反光程度都有很大的不同。其次，由于微波設備的特殊性，在工作期間由于被加熱的物料一直處于運動狀態，起火時，容易造成火苗或閃光的光源變得模糊，使得觀察火焰的形狀變得困難。因此，在對圖像的處理中，采用如圖1所示方法。

圖1 軟件部分設計框圖

采用CCD攝像頭采集實時的環境圖像以為了解決傳統的探測器或者紅外傳感器采集信息受復雜環境影響的問題。彩色圖像進行灰度化處理得到灰度圖。然后將整個圖像轉換成對應的二維灰度值數組，即將圖片上的所有的點轉化為一個一個的坐標，我們在處理圖像的時候會通過肉眼提前去除大部分的無關區域，留下火焰區域。

為了去除得到的火焰的無關邊緣區域，我們可以通過調整相應色值參數來過濾掉上述數組中的某些行和列的灰度值，這樣就得到待處理的區域的二維灰度值數組，對待處理二維灰度值數組中每一個灰度值與預設火焰的對應灰度值范圍進行比較，當處理中的灰度值處于預設火焰的對應灰度值范圍時，則可以將其記作一個有效的單位火焰面積，將所有單位火焰面積累加起來就得到實際火焰面積。

接下來需要解決的是在圖像中產生的一些噪點的影響，由于這些噪點會被作為像素點而當成火焰，這里我們采用設置一個火焰面積閾值解決有限的噪點問題，只有超過這一閾值才會被當成有火情的狀況，否則就被舍棄。通過設置不同的三原色值范圍，選出特定火焰的顏色范圍，以及對其背景進行處理。

為了解決由于不同的物質在微波設備中所具有的顏色可能是五顏六色的問題，怎樣智能識別和處理，我們基于各種物質有所不同但是各種不同的物質在燃燒時可能的火焰顏色都常常接近于紅色和黃色之間。因此采用通過三原色設置不同的范圍值，選出特定火焰的顏色范圍，對火焰以及背景進行二值化處理。

為了解決由于物料自身的顏色有時接近火焰顏色，而可能造成處理中火焰面積的錯誤累加問題，我們發現物料造成的接近火焰顏色的區域在圖像中比較分散，而且這些由于物料造成的影響的范圍一般面積非常小，因此編程上可以通過對每個接近火焰顏色的連通域進行顆粒大小的分析和校對，對小于預設大小的顆粒進行過濾，得到相對比較完整的火焰圖像，接下來對二值化圖像中的火焰區域進行面積計算時為了便于計算和統計可以用一個像素點記為一個單位面積，于是可以得到火焰的實際面積，將這個面積與針對當前算法而預設的火焰面積報警閾值進行比較，確定是否存在火情會不會造成火災。

該中心累計獲得知識產權1500余項，籌建6個眾創空間。園區入駐企業中，信息技術企業占三分之二強。截至今年10月末，中心已實現主營業務收入19.5億元，有3家企業躋身規模以上企業行列。

為了解決處理以后所得到的數據和資料，方便以后進行查找和對比歸檔，因此圖像處理以后需要進行的是數據的存儲與回放操作來解決這個問題，其中包括處理后的圖片顯示，參數設置，還有預警和報警的閾值設置。

現如今要求報警系統更具人性化和智能化需求，采用以上幾種方式對圖像進行處理，得到相應的火焰的面積，參考相關標準劃定幾個火險等級，以及需要采取的相應的措施相互配合，以達到進行預警和報警的目的。

鑒于人的長時間監控帶來的身體健康問題或者是處理流程時間較長，為了最大程度的減少財產損失，采取直接將NI myRIO 的接口和PLC相連將是否有火情或者火災的信號輸出到PLC控制微波設備進行實時控制。

1.2 主程序

為了解決后臺程序對于著火圖像的處理報警結果與消費者(火情監控人員)能夠理解的用戶界面之間能夠更好的進行銜接，采用生產者和消費者結構進行處理，生產者即程序自身對于得到的火焰圖像進行處理得到是否有火情的結果反應給作為消費者的用戶進行查看和采取相應的措施。

1.3 圖像的預處理程序

由于在復雜的環境中傳統的探測器技術存在信息采集受環境影響停機問題，這里采用加裝過防護裝置的CCD攝像頭克服了復雜的拍攝環境帶來的諸多問題，圖像采集程序描述如下。圖像的采集程序通過調用攝像機的程序IMAQ Open camera打開攝像頭通過IMAQ configure Grab來抓取圖像之后將圖像的特征拷貝到隊列中然后進行圖像的條件判斷決定是否需要下一步的圖像處理還是直接按照錯誤輸出。同時在圖像的特征成功抓取之后用一個Image Display控件顯示采集到的原始圖像[9]。

由于采集到的圖像是24小時實時進行監測的，當然不可能24小時著火，故對于采集到的有火情的圖像和無火情的圖像首先要進行圖片的信息提取判斷，之后進入處理程序和刪除程序，針對以上問題具體采用圖像的打開關閉和圖像的讀寫刪除操作，具體程序描述如下：通過Obtain Queue 函數打開圖像文件并命名為001，之后通過函數IMAQ Create函數創建多個不同處理階段的圖像為其保留原始圖像并對Image Type進行設置為Grayscale(U8)(8位)之后通過IMAQ Grab的Image In輸入接口將圖像輸入之后拷貝圖像特征通過Enqueue Element函數將元素加入隊列通過條件判斷循環進行條件判斷后通過Release Queue函數釋放隊列讀取和刪除讀取的圖像內容，并進行錯誤輸出。

圖2 圖像的噪點面積去除和計算

1.4 圖像噪點面積去除和火焰面積計算

1.4.1 圖像的灰度化處理

為了減少后臺的程序計算量將軟件的處理和反應速度更加的迅速，減少反應時間，解決識別RGB圖片處理耗費大量的時間問題，進行圖片的灰度化處理將圖片轉化為黑白圖片以便于更好的快速運行和計算操作，具體程序是將最初的32bit的圖片通過函數IMAQ Cast Image轉化為8bit的圖片之后通過圖像的灰度化程序，將拍攝到的彩色圖像經 IMAQ BCGLookup 函數轉換為灰度化圖像，在轉換過程中，可對原彩色圖像的Brightness Contrast Gamma等進行調整。轉換后的灰度圖經 IMAQ Image To Array 函數再將灰度圖轉換為相應的二維灰度值數組。之后將二維灰度值數組加入到二維索引數組中。BCG Values的三個值依次是Brightness37.0,Contrast54.40,Gamma8.52這些數值是基于室內白天正常光照的情況下調試的數值。具體處理程序如圖2(a)所示。

1.4.2 顆粒過濾與提取顏色區域

微波處理的物質存在點狀色點對于系統計算增加負擔和火情預警帶來誤差而不具有實際價值,同時還有對于火焰區域的提取存在問題。采用了顆粒過濾和提取顏色區域以解決上述問題[13-14]。具體實施步驟是將采集到的彩色圖像經 IMAQ Color Threshold 函數轉換為黑色和紅色兩種顏色的二值化圖像，然后再利用 IMAQ Particle Filter 函數對圖像中的細小的噪點造成的顆粒區域進行過濾，采用對于納入統計的區域設定閾值，接著利用 IMAQ Image To Array 函數將圖像轉換為對應的二值化數組。具體的過濾和提取程序如圖2(b)所示。

對于不同的燃燒的物質具有不同的揮發特性和燃燒屬性，不同的場地所存在的光的強度不同而傳統的處理方法只針對自身屬性而只具有單一的特性檢測容易受到不同物質揮發和摩擦生熱的影響。為解決上述問題采用了在不同環境進行動態的參數設置以適應于復雜的環境。具體程序實現采用設定RGB的火焰閾值范圍通過這個范圍內測量到的火焰圖像像素的多少設定一個閾值達到設定值就實施報警。參數值設定在正常的室內光照情況下。

1.4.3 火焰面積計算

為了解決傳統的報警機制所產生的報警結果過于單一，不利于對于火情的嚴重程度的掌握和撲滅的方案選擇，為解決以上問題采用火焰面積計算程序解決火焰的分級問題，在此功能的實現中，通過兩個 for 循環，以及條件結構函數可以將圖像中不需要處理的區域剔除掉，同時，利用兩個寄存器通過累加手段分別存儲灰度圖以及根據火焰顏色得出的二值化圖像中的火焰面積大小[15]。如圖2(c)所示。

1.5 報警設置與圖像回放

1.5.1 預警與報警程序

由于現存的傳統的探測技術得到的存在火情的結果顯示缺乏智能化和人性化，報警顯示不具有分級特性和撲滅的緊急程度顯示。針對這個問題采用程序分級報警機制來解決[12-13]。顯示的報警信號的邏輯輸出程序主要是當出現僅僅發生在圖像灰度化處理中測量出來的火焰的面積滿足根據實際環境設定的灰度值的閾值時才會顯示報警。而采用另外一種三原色法所進行圖像處理的顏色范圍值，當實際的火焰圖像統計超過這個閾值時就會報警，采用條件循環語句使兩種方式的圖像處理方式都表明有火焰的情況下則會在NI myRIO的硬件的LED的燈上顯示為三個燈亮[14]。而只有其中一種則會只有其中一個指示燈亮。通過add Array Elements右邊的B噪點在實際的環境中對于不同的關照強度圖片的處理數量確定實際所需要B報警閾值。下面原理相同通過add Array Elements右邊實時的圖像處理中的R噪點數量確定R報警閾值。

1.5.2 處理結果圖像顯示程序

由于傳統的圖像型紅外探測技術處理方式只顯示最后的報警紅燈結果出現誤報情況無法通過人工進行檢查造成財產的損失和人員的浪費[12-13]。不利于編程人員或者程序維護人員的程序自查和糾正，為此設立處理結果顯示程序，顯示處理后的圖像是否符合要求存不存在程序缺陷造成誤報。

2 系統測試

利用CCD傳感器對實驗環境進行圖像拍攝，圖像信號傳輸至NI myRIO，然后利用LabVIEW對圖像進行處理，識別是否有火情并自動報警以模擬在實際的微波設備中的著火情況進行參數的調節，實現測試系統的最優化。

測試結果：

首先通過不斷地模擬訓練和調試，找到合適的閾值。將根據B噪點值和RGB噪點值調節報警閾值的具體參數填入軟件模塊IMAQ Color Threshold 參數設置和IMAQ BCGLookup參數設置中。如圖3所示是拍攝的火焰圖片經過類型轉換而生成的圖片處理結果和測試進行中的LabVIEW軟件的前面板運行情況如圖(a)～(c)所示,如圖4所示是現場的火焰圖片(d)和實際測試的報警情況(e),(f)。

圖3 圖像的測試過程

圖4 火情的報警顯示

在不同的測試環境下進行灰度化處理后進行二值化處理最后對特定的參數不斷調試得到Brightness37.0,Contrast54.40,Gamma8.52三個值能適用大部分的有光照環境火焰識別，使用該程序需在特定的環境配備特定的參數，進行現場的參數調試，但是優點是程序不需要做修改，從這個角度來看程序具有普遍的環境適應性，而在程序的第二部分采用的基于三原色原理對于火焰的三色范圍設定了達到報警的特定值，在特定的著火環境需要設定不同的閾值。因此，程序在參數方面也具有較好的靈活性。

在測試中，采用A4白色的紙張燃燒模擬著火環境進行測試，軟件部分的參數設置為：圖像的處理區域為全部區域；IMAQ BCGLookup 的 Brightness 值為 37.00、Contrast 值為 54.40、 Gamma 值為8.52；火焰顏色提取中 IMAQ Color Threshold 函數的參數 Red的值為 201～255、Green 的值為 169～243、Blue 的值為 177～226；火焰顏色顆粒大小過濾函數 IMAQ Particle Filter 中的范圍值設置為 50～50000；最終的灰度圖報警閾值為 200；火焰顏色圖中的報警閾值為 20。

實際的測試數據分析中對于傳統的探測技術具有明顯的優勢，針對復雜環境采用的CCD拍攝圖像清晰，程序在干擾條件下的火焰提取準確克服了傳統的技術誤報率高的情況，最后的兩條路線分級機制克服了傳統技術結果顯示不夠智能化和人性化的缺陷。

3 總結

實驗試樣的測試顯示：內嵌于硬件系統的軟件編程處理系統對于微波設備的火情預警報警具有顯著的效果；采用帶有防護裝置的攝像頭對于復雜的工作環境具有較好的適應性，編程中采用兩種圖像處理方式處理的圖像形成的二級處理機制防止了誤報；測試得到IMAQ BCGLookup 的 Brightness 值為 37.00、Contrast 值為 54.40、 Gamma 值為8.52；火焰顏色提取中 IMAQ Color Threshold 函數的參數 Red的值為 201～255、Green 的值為 169～243、Blue 的值為 177～226；火焰顏色顆粒大小過濾函數 IMAQ Particle Filter 中的范圍值設置為 50～50 000；采用的特定的圖像噪點過濾程序最后經過實際的環境測試得到測試值灰度圖報警閾值為 200；火焰顏色圖中的報警閾值為 20。