基于圖像分割優(yōu)化OTSU算法的電廠煙氣濃度檢測分析

張放

摘??????要：為了提高電廠煙氣濃度的監(jiān)測準確率，提出了一種基于圖像分割優(yōu)化 OTSU 算法的電廠煙氣濃度檢測分析方法。該方法能夠滿足惡劣環(huán)境下的測試要求，顯著提升測量精度。根據(jù)粒度分布狀態(tài)可知，粒徑范圍下的粒度分布狀態(tài)可知，粒徑主要分布與100～150 μm之間，整體符合正態(tài)分布特點。均方根誤差分析得到22.1%，測試結(jié)果滿足準確性要求。經(jīng)測試得到85 μm顆粒的平均粒徑等于90.3 μm，相對誤差為6.23%;150 μm顆粒的平均粒徑等于142 μm，相對誤差為-5.33%，兩種粒徑下的測試誤差都未超過±6.5%，表明采用此方法可以實現(xiàn)對粒徑的準確測量。

關(guān)??鍵??詞：煙氣濃度;檢測分析; OTSU 算法;圖像分割

中圖分類號：TQ542.7???????文獻標識碼：?A ??????文章編號： 1671-0460（2020）03-0670-04

Detection and Analysis of Power Plant Flue Gas Concentration Based

on OTSU Algorithm of Image Segmentation Optimization

ZHANG?Fang

（China Kunlun Contracting & Engineering Corporation， Beijing 100037， China）

Abstract： ?In order to improve the monitoring accuracy of flue gas concentration in power plants， a power plant flue gas concentration detection and analysis method based on image segmentation optimization OTSU algorithm was?proposed. This method can meet the test requirements in harsh environment and significantly improve the measurement accuracy.According to the particle size distribution state in the range of particle size， the particle size distribution was?mainly between 100 and 150 μm， which conformed?to the characteristics of normal distribution. The root mean square error analysis result?was?22.1%， indicating that the test results met the accuracy requirements. The average particle size of 85 μm particles was equal to 90.3 μm， and the relative error was 6.23%， and the average particle size of 150 μm particles was equal to 142 μm.

Key words： flue gas concentration; detection and analysis;?OTSU algorithm; image segmentation

進入21世紀之后，我國在各類工業(yè)技術(shù)方面取得了顯著進步，同時經(jīng)濟規(guī)模也不斷擴大，但卻在長期發(fā)展過程中引起了嚴重的環(huán)境污染問題，這對人們的身體健康造成了明顯危害，也由此導致社會各界對環(huán)境保護的關(guān)注程度日益提高^[1，2]。由于在工業(yè)發(fā)展過程中，以煤炭為原料的火電廠以及各類化工廠與鋼鐵生產(chǎn)廠都會排放大量顆粒物，對當?shù)氐目諝馀c水資源造成了大量污染。這些環(huán)境污染問題已經(jīng)引起了我國政府的密切關(guān)注，并由相關(guān)行業(yè)共同制定了各類污染物的排放指標，同時還引入了煙塵排放的顆粒物濃度在線測試系統(tǒng)^[3，4]。可以將煙道中的煙塵濃度作為評價污染程度的一項關(guān)鍵參考指標，一方面可以根據(jù)煙塵濃度來分析排放物對周邊環(huán)境造成的影響^[5]，另一方面也可以根據(jù)這一指標判斷除塵設(shè)備的運行狀態(tài)，從而為科研工作者提供可靠的參考信息，這使得對電廠煙氣濃度的監(jiān)測成為了一項重要的研究課題^[6，7]。

現(xiàn)階段，國內(nèi)大部分廠家生產(chǎn)的煙塵濃度測試設(shè)備的工作原理都是屬于光散射法^[8]，不具備精確的量值溯源性，尚未被環(huán)保監(jiān)測部門認可^[9]。同時也有學者采用濾膜稱重法來監(jiān)測煙塵濃度，這是目前我國規(guī)定的一種煙塵濃度標準測試方法，其余測試方法所得結(jié)果都需要根據(jù)該方法進行校準，不過該方法也存在一定的缺陷，即需要投入大量人力來完成實驗操作，還要從過濾膜上取回煙塵再進行實驗室測試，無法滿足現(xiàn)場實時測試的要求。西方國家普遍采用微量震蕩天平法^[10]，并已達到相對成熟的應用狀態(tài)，測試精度也能夠滿足要求，不過將其用于測試煙塵濃度時，還有待于進一步提升設(shè)備運行過程的自動控制程度^[11，12]。

為了有效克服以上各類測試方法的不足之處，急需設(shè)計一種具有高精度、價格低以及能夠可靠運行的煙塵濃度測試系統(tǒng)。根據(jù)以上分析，本文將圖像數(shù)字處理技術(shù)引入煙塵顆粒測試領(lǐng)域，首先通過圖像法測試并收集煙道中的顆粒物圖像數(shù)據(jù)，對生成的顆粒圖像進行分析，從這些顆粒物測試信息中提取獲得煙塵顆粒物濃度。可以利用上述方法同時測試得到煙塵濃度并觀察顆粒物的分布狀態(tài)，能夠滿足惡劣環(huán)境下的測試要求，并且不會對氣固兩相的流場造成影響，顯著提升測量精度，充分適應長期測試的使用需求，完成不間斷測試。

1 ?實驗部分

該系統(tǒng)包括大恒CCD相機、激光器、顆粒載玻片、放大鏡頭、激光控制設(shè)備、以及計算機數(shù)據(jù)收集與分析系統(tǒng)等多個組成結(jié)構(gòu)^[13，14]。由于需要對管道的顆粒運行過程進行動態(tài)拍攝，選擇背光源進行照明時，將存在如下幾項不利因素：

（1）利用背光源進行照明時，處于景深范圍以內(nèi)的顆粒將形成清晰圖像，處于景深范圍之外的顆粒無法成像，但會產(chǎn)生模糊圖像信號，當這類信號相互疊加在一起時，便會明顯提高對后續(xù)圖像的真實信息進行提取的難度^[15]。并且，與光源相比，這時生成的顆粒灰度值更小，當產(chǎn)生這種高對比度后便會隱沒顆粒，而在較低的對比度下則不能有效區(qū)分顆粒與背景。

（2）考慮到背光光源存在一定的不均勻性，由此形成的噪聲將對一些細小顆粒造成覆蓋，從而導致圖像處理過程的難度明顯增大。

（3）對于一些粒徑較小的顆粒物，一方面會受到噪聲的干擾而不能精確成像，同時還會受到背光衍射的明顯影響。

（4）受管道中的特殊環(huán)境影響無法實現(xiàn)良好的拍攝效果，并且實際安裝難度較高，難以采取背光源照明的方案。

根據(jù)上述各項影響因素，本試驗選擇激光片光源進行照明，從90°角進行拍攝可以獲得最佳的效果，因此將激光器與CCD 相機按照相互成90°角的排列方向進行拍攝。按照圖1的排列結(jié)構(gòu)在實驗室中構(gòu)建靜態(tài)測量系統(tǒng)，以此實現(xiàn)盡量接近管道環(huán)境中的成像狀態(tài)。把CCD 相機成像系統(tǒng)放置在顆粒試樣的上部區(qū)域，通過相機與激光器的控制設(shè)備來調(diào)控成像系統(tǒng)，可以同時實現(xiàn)上下位置以及在180°角范圍內(nèi)旋轉(zhuǎn)的控制過程。采用激光器對顆粒側(cè)面進行照明，應使激光器片光源面與存在顆粒的載玻片面呈相互重合的狀態(tài)，確保顆粒處于片光源區(qū)域內(nèi)。為保證所有成像范圍中都包含顆粒試樣，首先應確保鏡頭主光軸與顆粒區(qū)域中心對齊，同時還應使顆粒區(qū)域比視野范圍更大，從而便于開展后續(xù)拍攝過程。

2 ?圖像分割優(yōu)化 OTSU 算法

考慮到采用?OTSU 算法來選擇閾值時總是趨向于產(chǎn)生較大類內(nèi)方差的結(jié)果，因此，本文在OTSU 算法判定規(guī)則中加入了類內(nèi)方差指標。利用參數(shù) K對類內(nèi)與類間方差兩者的關(guān)系進行定義。同時，如果把最佳閾值搜索范圍設(shè)置為[0～255]區(qū)間中，則會導致搜索范圍太大，需要很大的計算量，因此需要選擇合適的規(guī)則來有效控制搜索范圍，降低計算量，促進運算速度的顯著提高。

以下給出了本文算法的具體實現(xiàn)流程：

（1）分割初始閾值

先計算得到整體圖像的平均灰度值T，依次作為初始閾值來完成圖像的分割過程，灰度值介于[0，T]之間的A部分屬于背景，灰度值介于 [T+1， L-1]之間的B部分屬于目標。

（2）設(shè)定閾值搜索范圍

對A部分平均灰度進行計算，并將其表示為T₁，由此獲得閾值搜索的下限。通過下式進行計算，

根據(jù)?B 部分的平均灰度T₂得到閾值搜索上限。利用下式計算得到，

算法優(yōu)化程度受到閾值搜索范圍的明顯影響。最終確定以上搜索范圍主要是從下述幾方面進行分析：形成的顆粒圖像大部分顆粒都具有較高灰度值，少量灰度值較低，還有一少部分顆粒的灰度值介于中間區(qū)域。能夠顯著分割顆粒與背景的灰度表示最優(yōu)閾值，所以，最優(yōu)閾值最易出現(xiàn)于中間區(qū)域。采用以上閾值分析辦法可以有效去除閾值較小與較大的顆粒，從而有效減小最佳閾值被錯選的概率，并盡量降低噪聲所產(chǎn)生的影響，由此降低計算量。利用初始閾值T對圖像進行分割處理后，A部分區(qū)域形成了許多低灰度值區(qū)，此時應將最佳閾值設(shè)定為比A部分平均灰度值T₁更大的狀態(tài)，因此以T₁作為閾值的搜索下限。

以T₂作為閾值的搜索上限，這是由于通過初始閾值T對圖像進行分割得到的B 部分具有較高灰度值目標區(qū)增加，同時平均灰度均值T₂也開始增大，具有比T₂更大的灰度值部分則是目標區(qū)，由此便可將T₂作為閾值的搜索上限。

（3）按照步驟 2的方法來獲得閾值T的灰度變化范圍[T₁，T₂]，計算得到各T值下的類間方差以及類內(nèi)方差。根據(jù)以上計算公式可以得到，對各T值下的A與B兩個部分對應的類內(nèi)方差可以被定義成如下形式：

由此可得，類內(nèi)總方差為：

有公式可得，類間總方差為：

（4）利用參數(shù)k定義分割得到的兩個部分的差異，隨著該值的增大，兩者的差異也更大。以參數(shù)k來表示分割得到的各部分內(nèi)部灰度分布狀態(tài)。當k越小，則表示分布狀態(tài)越集中，不同像素對應的灰度值并不存在顯著差異性。利用k定義類間與類內(nèi)變化關(guān)系，其中，最佳閾值是在最大k值下對應的分割閾值，這是可以實現(xiàn)最優(yōu)的圖像分割效果。

（5）根據(jù)不同的k值對比結(jié)果可以獲得最佳閾值T。利用最佳閾值T把圖像分成兩個部分，比T值更小的像素值被定義為0，等于或大于T值的像素值被定義為255，由此便可以從一幅灰度圖中獲得一幅可以有效區(qū)分目標與背景的二值化圖像。

3 ?結(jié)果分析

將本實驗分成二組進行測試：

（1）根據(jù)不同粒徑進行測試觀察，為各樣本分別拍攝100幅圖像，同時測試了各個粒度范圍對應的百分比。

圖2顯示了拍攝得到的100 μm粒度下的顆粒圖像與經(jīng)過圖像分割優(yōu)化 OTSU 算法處理后生成的圖像，從圖3可以看到各粒徑范圍下的粒度分布狀態(tài)。

根據(jù)圖3可知，粒徑主要分布與100 ～150 μm之間，整體符合正態(tài)分布特點。之后，對比了各粒徑段的顆粒理論變化曲線與實際測試曲線兩者的差異性。

采用下述計算均方根誤差：

對上述粒徑范圍的粒度分布曲線進行均方根誤差分析得到依次為22.1%，由此可見，測試結(jié)果滿足準確性要求。

對比廠家區(qū)間段粒度分布理論值與實測值可知，雖然各粒徑區(qū)間段中形成了不同的顆粒占比結(jié)果，但從整體曲線變化趨勢可知并未形成明顯不同的變化趨勢。許多因素都會引起各粒徑區(qū)間段具有不同比例的顆粒。第一，本實驗中測試的顆粒數(shù)量在總顆粒數(shù)量中只占到很小的一個比例，這導致本實驗樣本存在一定的局限性。第二，通過圖像法來測試粒徑時，使用的具體算法以及計算誤差，都會引起分布結(jié)果的偏差。第三，廠家使用的粒徑測試方法與本實驗的圖像測試法存在差異，由此引起誤差。

（2）依次采集粒徑等于85與150 μm的兩種顆粒圖像，并對上述兩種顆粒都統(tǒng)計150～200個，之后計算得到平均粒徑并與理論值進行對比并對誤差原因進行分析。

經(jīng)測試得到85 μm顆粒的平均粒徑等于 90.3 μm，計算得到相對誤差為6.23%，150 μm顆粒的平均粒徑等于142 μm，計算得到相對誤差為-5.33%，兩種粒徑下的測試誤差都未超過±6.5%，表明采用此方法可以實現(xiàn)對粒徑的準確測量。對于較小粒徑條件下的誤差較大問題主要是由于圖像獲取硬件參數(shù)時引起誤差的結(jié)果，因此可以進一步優(yōu)化算法來提升測試準確性。

根據(jù)上述測試結(jié)果可知，對顆粒進行圖像測試可以獲得準確的粒徑與粒度信息。為了提高計算準確度，可利用稱重方法來標定計算結(jié)果再求解得到顆粒濃度。結(jié)果顯示，采用圖像法測試顆粒物濃度是完全可行的。

4 ?結(jié)論

（1）根據(jù)粒徑范圍下的粒度分布狀態(tài)可知，粒徑主要分布與100 ～150 μm之間，整體符合正態(tài)分布特點。進行均方根誤差分析得到依次為22.1%，由此可見，測試結(jié)果滿足準確性要求。

（2）經(jīng)測試得到85 μm顆粒的平均粒徑等于 90.3 μm，計算得到相對誤差為6.23%，150 μm顆粒的平均粒徑等于142 μm，計算得到相對誤差為-5.33%，兩種粒徑下的測試誤差都未超過±6.5%，表明采用此方法可以實現(xiàn)對粒徑的準確測量。

參考文獻：

[1]雷志偉.基于光散射法燃煤電廠煙塵濃度的在線測量系統(tǒng)研究[J].分布式能源，2018，3（05）：28-33.

[2]粟慧.燃煤電廠煙塵超低排放技術(shù)措施研究[J].中國設(shè)備工程，2018（11）：79-80.

[3]羅琰.淺談煙氣連續(xù)排放監(jiān)測系統(tǒng)的維護[J].自動化應用，2018（04）：32-33+35.

[4]Seggiani M， Prati M V， Costagliola M A， et al. Bioethanol-gasoline fuel blends： exhaust emissions and morphological characterization of particulate from a moped engine[J]. Journal of the Air & Waste Management Association， 2012， 62（8）：888.

[5]Ulrich Leidenberger， Wolfgang Mühlbauer， Sebastian Lorenz， et al. Experimental Studies on the Influence of Diesel Engine Operating Parameters on Properties of Emitted Soot Particles[J]. Combustion Science & Technology， 2012， 184（1）：1-15.

[6]于天澤，楊斌，王婷，蔡小舒.角散射低質(zhì)量濃度煙塵在線測量系統(tǒng)設(shè)計[J].光學儀器，2018，40（01）：8-12.

[7]豈峰利，程永強.基于稱重法的煙塵濃度在線測量裝置實現(xiàn)研究[J].現(xiàn)代電子技術(shù)，2018，41（02）：48-52.

[8]趙濟坤，程永強.基于光散射法的煙塵發(fā)生及濃度測量系統(tǒng)設(shè)計[J].激光與紅外，2017，47（08）：996-1001.

[9]韓平. 超低排放機組煙塵濃度測量方法的干擾因素分析及選型[J].環(huán)境工程學報， 2017， 11（06）： 3653-3658.

[10]Gisolf F， Malgoezar A， Baar T， et al. Improving source camera identification using a simplified total variation based noise removal algorithm[J]. Digital Investigation， 2013， 10（3）：207-214.

[11]Xiao L， Huang L L， Wei Z H. A Weberized Total Variation Regularization-Based Image Multiplicative Noise Removal Algorithm[J]. Eurasip Journal on Advances in Signal Processing， 2010， 2010（1）：?490384.

[12]張伏葉，閆克丁.基于電容法的電廠煙塵測量研究[J].價值工程，2017，36（03）： 142-144.

[13]張萍. 重量法測定煙塵的測量不確定度評定[J]. 儀器儀表與分析監(jiān)測， 2016（02）： 31-33.

[14]邢鍵， 孫偉民， 孫曉剛， 孫晶華. 基于橢偏法的煙塵粒子復折射率測量[J]. 哈爾濱工程大學學報， 2012， 33（02）： 255-258.

[15]閻三寶， 祁君田， 殷煥榮， 李茹雅， 王衛(wèi)文， 楊更生. 低煙塵排放濃度測量出現(xiàn)“負值”的原因分析及處理[J]. 熱力發(fā)電， 2011， 40（12）： 106.