一种焚烧炉视觉辅助监控方法与流程

1.本发明涉及图像处理技术领域，尤其涉及一种焚烧炉视觉辅助监控方法。


背景技术：

2.近年来通过引进垃圾焚烧技术以及国内技术人员的研发与改进，垃圾焚烧技术逐渐成为了重要的垃圾处理技术之一。在垃圾焚烧过程中如果焚烧炉工作出现问题，例如垃圾投入位置不均匀、炉膛内局部热量集中、局部热量较低、焚烧段出现故障等，可能会导致焚烧炉内产生有毒气体（例如二噁英），并且未完全热解的垃圾堆积还会导致安全隐患。所以对焚烧炉内的监控对于焚烧炉的工作安全是非常有必要的。随着垃圾焚烧行业对智慧化、自动化的需求越来越高，当前对焚烧炉的各项智慧监控设备也应运而生。其中，对焚烧炉内部的监控成为了重要的监控目标之一。
3.焚烧炉内的监控会由于炉内的各种环境因素影响，导致监控图像不清晰，进而影响监控人员对炉内的真实情况判断。其中影响最为严重的当属烟雾影响。尽管焚烧炉内设置了烟雾吸取设备，然而由于垃圾焚烧的不完全、设备由于高温运转效率下降、炉膛内局部烟雾的堆积等原因，焚烧炉内依然会存在较大的烟雾。目前大部分的焚烧炉内部监控系统最终仍然需要监控人员对图像进行人工查看，但由于焚烧炉内的环境复杂，监控设备所呈现的图像、视频等会包含较多的干扰因素，其中烟雾的干扰程度相对较大，最后导致监控人员并不能根据图像、视频清楚地观测焚烧炉内的具体状况，使得监控和焚烧程度的判断不够准确。


技术实现要素：

4.本发明提供一种焚烧炉视觉辅助监控方法，旨在提高焚烧炉内的图像清晰度，提高对焚烧程度判断的准确度。
5.为实现上述目的，本发明提供一种焚烧炉视觉辅助监控方法，所述方法包括：获取焚烧过程中焚烧炉内的rgb图像，将所述rgb图像转换成灰度图像；基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子；基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数；基于所述趋向位置权重因子和所述偏色指数确定像素点的灰度值权值；基于所述灰度值权值对所述灰度图像进行去烟雾处理，获得去烟雾图像，以供基于所述去烟雾图像确定焚烧炉内部状态。
6.可选地，所述基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标确定趋向位置权重因子之前，还包括：对所述灰度图像进行角点检测，基于像素检测窗口中角点的数量及各个角点与像素检测窗口中心点的距离确定像素点所在像素检测窗口的角点离散程度；对所述灰度图像进行分区，基于所述像素点所在像素检测窗口的角点离散程度确
定特征线段的烟雾趋向度，并基于所述烟雾趋向度和烟雾覆盖度确定各个区域的烟雾浓度指数。
7.可选地，所述对所述灰度图像进行角点检测，基于像素检测窗口中角点的数量及各个角点与像素检测窗口中心点的距离确定像素点所在像素检测窗口的角点离散程度包括：对所述灰度图像进行harris角点检测，获得所述灰度图像中所有的角点；在所述灰度图像中以每个像素点为中心构建预设大小的像素检测窗口；获得所述像素检测窗口中各个角点与像素检测窗口中心点距离；基于角点与中心点的距离及所述像素检测窗口中角点的数量确定像素点所在像素检测窗口的角点离散程度。
8.可选地，所述对所述灰度图像进行分区，基于所述像素检测窗口的离散程度确定特征线段的烟雾趋向度，并基于所述烟雾趋向度和烟雾覆盖度确定各个区域的烟雾浓度指数包括：对所述灰度图像分割成若干个区域，并基于金字塔形状标记结果确定特征线段；基于像素检测窗口的离散程度以及相邻像素检测窗口的离散程度确定在对应区域属于各个特征线段的烟雾趋向度；基于各个特征区域的角点数量和像素点总数确定烟雾覆盖度；将所述烟雾趋向度与所述烟雾覆盖度的乘积确定为对应特征区域的区域烟雾浓度指数。
9.可选地，所述基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子包括：以所述灰度图像中的每个像素点为中心建立检索窗口和第一相似窗口，并在所述检索窗口内以每一个像素点为中心建立第二相似窗口；确定第一相似窗口中心像素点的第一纵坐标值以及第二相似窗口中心像素点的第二纵坐标值，并确定所述第一纵坐标值与所述第二纵坐标值的纵坐标值乘积；将所述纵坐标乘积的烟雾浓度指数次方确定为趋向位置权重因子。
10.可选地，所述基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数包括：基于灰度值确定所述检索窗口第一相似窗口、第二相似窗口亮颗粒、暗颗粒确定第一相似窗口的色相指数和第二相似窗口的色相指数；计算所述第一相似窗口的色相指数和第二相似窗口的色相指数的差值；将所述差值绝对值的评分确定为所述第一相似窗口、第二相似窗口间的偏色指数。
11.可选地，所述基于灰度值确定所述检索窗口第一相似窗口、第二相似窗口亮颗粒、暗颗粒确定第一相似窗口的色相指数和第二相似窗口的色相指数包括：基于暗亮颗粒区分阈值确定检索窗口内的暗颗粒和亮颗粒，并记录暗颗粒数量、亮颗粒数量以及颗粒总数；基于第一相似窗口内暗颗粒数量、颗粒总数、以及第一欧式距离确定第一相似窗口的色相指数，同理确定第二相似窗口的色相指数。
12.可选地，所述基于暗亮颗粒区分阈值确定检索窗口内的暗颗粒和亮颗粒，并记录暗颗粒数量、亮颗粒数量以及颗粒总数之前，还包括：遍历所述检索窗口内所有的像素点，获得各个像素点的灰度值，基于最大灰度值和最小灰度值确定对应检索窗口内部的亮暗颗粒区分阈值。
13.可选地，所述基于第一相似窗口内暗颗粒数量、颗粒总数、以及第一欧式距离确定第一相似窗口的色相指数之前，还包括：计算第一相似窗口内暗颗粒与第一相似窗口中心的第一欧式距离，计算第二相似窗口内暗颗粒与第二相似窗口中心的第二欧式距离。
14.可选地，所述基于所述灰度值权值对所述灰度图像进行去烟雾处理，获得去烟雾图像包括：将所述灰度图像各个像素点的灰度值与对应的灰度值权重的乘积确定为对应像素点的校正灰度值；当确定所有像素点的校正灰度值后，将所述灰度图像中各个像素点的灰度值用对应的校准灰度值代替获得去烟雾图像。
15.相比现有技术，本发明提出的一种焚烧炉视觉辅助监控方法，获取焚烧过程中焚烧炉内的rgb图像，将所述rgb图像转换成灰度图像；基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子；基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数；基于所述趋向位置权重因子和所述偏色指数确定像素点的灰度值权值；基于所述灰度值权值对所述灰度图像进行去烟雾处理，获得去烟雾图像，以供基于所述去烟雾图像确定焚烧炉内部状态。如此，基于灰度图像建立相似窗口，进而获得灰度值权重，并基于灰度值权重获得校正灰度值，以供基于校正灰度值获得去烟雾图像，提高了焚烧炉内的图像清晰度，有助于提升对焚烧程度判断的准确度。
附图说明
16.图1是本发明焚烧炉视觉辅助监控方法一实施例的流程示意图；图2是本发明焚烧炉视觉辅助监控方法一实施例的细化流程示意图；图3是本发明焚烧炉视觉辅助监控方法一实施例涉及的灰度图像分区示意图；图4是本发明焚烧炉视觉辅助监控方法一实施例涉及的灰度图像；图5是本发明焚烧炉视觉辅助监控方法一实施例涉及的去烟雾图像。
17.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
18.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
19.请参照图1，图1是本发明焚烧炉视觉辅助监控方法一实施例的流程示意图。
20.如图1所示，本发明第一实施例提出一种焚烧炉视觉辅助监控方法，所述方法包括：步骤s101，获取焚烧过程中焚烧炉内的rgb图像，将所述rgb图像转换成灰度图像；在焚烧炉的炉膛燃烧段中段设置炉膛内窥式耐高温摄像头，在焚烧炉正常工作的
状态下，对焚烧炉内整个燃烧段进行图像拍摄，获得完整的焚烧炉内整个燃烧段的rgb图像。然后对获得的rgb图像进行预处理，先对rgb图像进行基于平均值的灰度图像转换法将rgb图像转换成灰度图像，后续基于灰度图像进行处理。如图4所示，其示出了本发明实施例的灰度图像。
21.步骤s102，基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数bq和窗口中心点的纵坐标值确定趋向位置权重因子ns；参照图2，图2是本发明焚烧炉视觉辅助监控方法一实施例的细化流程示意图，如图2所示，所示步骤s102之前还包括：步骤s1021，对所述灰度图像进行角点检测，基于像素检测窗口中角点的数量及各个角点与像素检测窗口中心点的距离确定对应像素检测窗口的离散程度；具体地，对所述灰度图像进行harris角点检测，获得所述灰度图像中所有的角点；在所述灰度图像中以每个像素点为中心构建预设大小的像素检测窗口；获得所述像素检测窗口中各个角点与像素检测窗口中心点距离；基于角点与中心点的距离及所述像素检测窗口中角点的数量确定对应像素检测窗口的离散程度ls。
22.在处理焚烧炉内烟雾产生的图像噪声上，使用nlm算法能够更好的对图像进行去噪，使得在监控时更加准确、快速。
23.绝大部分的垃圾焚烧炉内部的正上方设有烟雾抽取设备，在设备正常工作的情况下绝大部分的烟雾会从周围向焚烧炉中心和上方汇聚，形成一个金字塔状的烟雾流动状态，但由于烟雾抽取设备工作效率有限，烟雾抽取设备无法在将焚烧过程中产生的全部烟雾都抽离炉膛。烟雾在焚烧炉的炉膛内呈低处少，高处聚集的情况分布，所以低处烟雾浓度低，对应图像的噪声小，高处烟雾浓度高，对应图像的噪声大。
24.根据焚烧炉内烟雾分布特征，以及烟雾对烟雾抽取设备有趋向性，从灰度图像中的左下方、右下方、正上方（烟雾抽取设备安装处）汇聚，烟雾浓度也随着烟雾的汇聚而升高。烟雾浓度较高的图像区域清晰度较低，角点相对较少，而烟雾浓度较低的图像区域清晰度较高，角点较多。
25.本实施例基于harris角点检测的公知技术对灰度图像进行harris角点检测，获得灰度图像中的所有角点后以所述灰度图像中的每一个像素点为中心构建预设大小的像素检测窗口，该像素检测窗口的大小可以根据需要设置，例如将像素检测窗口的大小设置为5*5。挑选出所述像素检测窗口中所有的角点，并分别将像素检测窗口中的各个角点与像素检测窗口中心点相连接，求出该像素检测窗口中各个角点与中心点的距离，那么像素点所在像素检测窗口的角点离散程度（ls）可以表示为：其中ls为像素点所在像素检测窗口的角点离散程度，de为像素检测窗口内的角点与中心点之间的距离，其中e=1,2,...n，n为对应像素检测窗口中所有角点的个数。角点的离散程度ls越大说明像素检测窗口内的角点离散程度越大，角点越分散，该像素检测窗口对应的像素点越可能对应于烟雾浓度大的区域；角点的离散程度ls越小说明像素检测窗口内的角点离散程度越小，角点越聚集，该像素检测窗口对应的像素点越可能位于烟雾浓度小区域。最后确定每一个像素点所在像素检测窗口的角点离散程度ls。
26.步骤s1022，对所述灰度图像进行分区，基于像素点所在像素检测窗口的角点离散程度确定特征线段的烟雾趋向度，并基于所述烟雾趋向度和烟雾覆盖度确定各个区域的烟雾浓度指数bq。
27.具体地，对所述灰度图像分割成若干个区域，并基于金字塔形状标记结果确定特征线段；基于像素检测窗口的离散程度以及相邻像素检测窗口的离散程度确定在对应区域属于各个特征线段的烟雾趋向度qs；基于各个特征区域的角点数量和像素点总数确定烟雾覆盖度by；将所述烟雾趋向度与所述烟雾覆盖度的乘积确定为对应特征区域的区域烟雾浓度指数bq。
28.为了判断烟雾在焚烧炉内的分布状况，在灰度图像上确定上边缘中点a，下边缘中点c，下边缘左特征点b，下边缘右特征点d，并将点a与各个点连线，获得特征线段ab、特征线段ac以及特征线段ad。并均匀地将灰度图像横向分成四个特征区域，从下往上分别记为特征区域1-4，基于分区后的灰度图像对焚烧炉内烟雾的分布状况做检测。参照图3，图3是本发明焚烧炉视觉辅助监控方法一实施例涉及的灰度图像分区示意图。可以理解地，可以将整个灰度图像分成四个特征区域，如此将整个灰度图像作为检测区。也可以将整个灰度图像分成多个子特征区域，再将各个子区域进行标记分成四个特征区域，如此将每个子特征区域作为一个特征检测区。
29.焚烧炉内的烟雾抽取设备会将烟雾吸过来进而排出焚烧炉，正常情况下烟雾会成金字塔状态分布，即如图3所示，烟雾会从b、c、d三个方向向a点汇聚，烟雾的浓度也会从b、c、d三个方向沿a点方向逐渐变大，所以在ab、ac、ad上的像素点所在像素检测窗口的角点离散程度ls之间的差距越相近，说明烟雾浓度从bcd向a逐渐变浓，若在ab、ac、ad上的像素点所在像素检测窗口的角点离散程度ls之间的差距越大，说明烟雾浓度在图像中分布较为分散。基于烟雾分布点和像素点所在像素检测窗口的角点离散程度确定特征线段的烟雾趋向度，将烟雾在第r个特征区域属于特征线段ab的烟雾趋向度表示为，将烟雾在第r个特征区域属于特征线段ac的烟雾趋向度表示为，将烟雾在第r个特征区域属于特征线段ad的烟雾趋向度表示为，将特征区域r的烟雾趋向度表示为，则有：则有：则有：则有：其中，m、u、t分别为特征线段ab、ac、ad上像素点总数的四分之一。r表示各个特征区域，r的取值为1,2,3,4。为像素点i所在像素检测窗口的角点离散程度；为像素点i+1所在像素检测窗口的角点离散程度。
30.特征区域的烟雾趋向度越大，说明该特征区域中烟雾浓度分布从bcd向a的趋向性越强，越靠近区域上部即纵坐标越大的像素位置烟雾浓度越大；特征区域的烟雾趋向度越小，说明该特征区域中烟雾浓度分布趋向性越弱，烟雾浓度在区域中分布较为平均。
31.本实施例基于各个特征区域的角点数量和像素点总数确定烟雾覆盖度by。对于特征区域，基于harris角点检测获得的角点数量越多，说明该特征区域的清晰度高，烟雾覆盖度较低；反之，角点数量越少，说明该特征区域清晰度低，烟雾覆盖度高。本实施例统计每一个特征区域中的角点数量，将各个特征区域的角点数量记录为lr，其中r的取值为1, 2, 3, 4。将特征区域r中的总像素个数记录为nr，将特征区域r的烟雾覆盖度表示为byr，则：当特征区域r的烟雾覆盖度byr越大，说明第r个特征区域内的烟雾浓度较大，当特征区域r的烟雾覆盖度byr越小，说明第r个区域的烟雾浓度较小。
32.将所述烟雾趋向度qsr与所述烟雾覆盖度的乘积确定为对应特征区域的区域烟雾浓度指数。将区域烟雾浓度指数表示为bq，则：区域烟雾浓度指数bq的值越大说明对应特征区域的烟雾平均浓度较大，且处于特征区域高位的烟雾浓度比处于特征低位的浓度差距更大；区域烟雾浓度指数bq的值越小说明区域平均烟雾浓度较小，处于高位的烟雾浓度与低位差距较小。
33.当获得区域烟雾浓度指数bq后，进一步确定趋向位置权重因子。
34.首先，以所述灰度图像中的每个像素点为中心建立检索窗口和第一相似窗口，并在所述检索窗口内以每一个像素点为中心建立第二相似窗口；再确定第一相似窗口中心像素点的第一纵坐标值以及第二相似窗口中心像素点的第二纵坐标值，并确定所述第一纵坐标值与所述第二纵坐标值的纵坐标值乘积；最后将所述纵坐标乘积的烟雾浓度指数次方确定为趋向位置权重因子。
35.基于nlm算法中的像素点新灰度值、权值的计算需要，对所述灰度图像中的每一个像素，以该像素为中心建立一个55*55的检索窗口和一个5*5的第一相似窗口，将第一相似记为w1，再以检索窗口内的每一个像素点为中心建立5*5的第二相似窗口记为w2。
36.为了减少图像中的烟雾影响，则需要在烟雾浓度较大的地方相应地减少权值。根据对灰度图像中各个区域的烟雾浓度分布判断，当区域烟雾浓度指数bq越大的时候，烟雾在对应特征区域中的烟雾浓度较大，趋向性越强，烟雾在灰度图像中自下往上烟雾浓度逐渐增加，所以灰度图像中处于纵坐标较大的位置受到烟雾浓度的影响越大。将趋向位置权重因子表示为ns，则有：bq为第一相似窗口w1与第二相似窗口w2所在特征区域的区域烟雾浓度指数，当第一相似窗口w1与第二相似窗口w2处于同一个特征区域时，区域烟雾浓度指数bq值取当前特征区域的bq值；当第一相似窗口w1与第二相似窗口w2分别处于两个特征区域时，区域烟雾浓度指数bq值则选择第二相似窗口w2所在特征区域的区域烟雾浓度指数bq值，yj为第一相
似窗口w1的中心像素点的第一纵坐标值，ys为第二相似窗口w2中心像素点的第二纵坐标值。趋向位置权重因子ns越大，说明对应区域中处于高位的像素点受烟雾影响更大；趋向位置权重因子越小，说明对应区域中的像素点受烟雾影响越小。
37.步骤s103，基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数；由于焚烧炉内空间复杂、气流混乱，烟雾在趋向烟雾抽取设备处或是处于离散分布时，可能会存在小范围的烟雾堆积情况，所以还需要对局部区域内的烟雾浓度进行进一步的判断。烟雾本质上为小颗粒的集合体，烟雾浓度较大区域则是烟雾颗粒聚集度较大的区域，而烟雾颗粒会对光产生散射，颗粒越是密集，整体对光的散射越严重，最终导致获取到的焚烧炉内的灰度图像由于烟雾浓度的影响而产生偏色现象。本实施例通过偏色指数降低偏色现象的影响。
38.首先，基于灰度值确定所述检索窗口第一相似窗口、第二相似窗口亮颗粒、暗颗粒确定第一相似窗口的色相指数和第二相似窗口的色相指数；具体地，遍历所述检索窗口内所有的像素点，获得各个像素点的灰度值，基于最大灰度值和最小灰度值确定对应检索窗口内部的亮暗颗粒区分阈值；最大灰度值tmax和最小灰度值标记为tmin，将亮暗颗粒区分阈值表示为t。基于所述暗亮颗粒区分阈值确定检索窗口内的暗颗粒和亮颗粒，并记录暗颗粒数量、亮颗粒数量以及颗粒总数，将第一相似窗口w1内暗颗粒数量记录为n1，第一相似窗口w1内颗粒总数记录为k，将第二相似窗口w2内暗颗粒数量记录为n2，第二相似窗口w2内颗粒总数记录为l；由于第一相似窗口w1与第一相似窗口w1的大小是一致的，因此两个窗口内的颗粒总数一致，因此将第一相似窗口w2内颗粒总数记为m，将第二相似窗口w2内颗粒总数也记为m；计算第一相似窗口内暗颗粒与第一相似窗口中心的第一欧式距离，将第一欧式距离表示为d1u，其中，u=1,2,..n1；计算第二相似窗口内暗颗粒与第二相似窗口中心的第二欧式距离，将第二欧式距离表示为d2v，其中，v=1,2,..n2；基于第一相似窗口内暗颗粒数量n1、颗粒总数k、以及第一欧式距离d1u确定第一相似窗口w1的色相指数，同理确定第二相似窗口的色相指数：基于第二相似窗口内暗颗粒数量n2、颗粒总数l、以及第二欧式距离d2v确定第二相似窗口w2的色相指数。
39.将第一相似窗口w1的色相指数表示为t1，将第二相似窗口w2的色相指数表示为t2则有：则有：确定各个色相指数后，计算所述第一相似窗口的色相指数和第二相似窗口的色相指数的差值；将差值表示为t1-t2。再将所述差值绝对值的平方确定为所述第一相似窗口、第二相似窗口间的偏色指数。将偏色指数表示为ps，则：当第一相似窗口、第二相似窗口间的偏色指数ps越大，说明两个窗口间的色相差异越大，两个窗口较为不相似。当第一相似窗口、第二相似窗口间的偏色指数ps越小，说明两个窗口较为相似。
40.步骤s104，基于所述趋向位置权重因子ns和所述偏色指数ps确定像素点的灰度值权值；将坐标为(x,y)的像素点的灰度值权值表示为w(x,y)，则有：其中，z（x）为归一化参数，ns为趋向位置权重因子，ps为偏色差异度， h为平滑参数。当灰度图像中的烟雾浓度分布有趋向性时，高位区域内的像素点获得更小的灰度值权值，低位区域的像素点获得更大的灰度值权值。当相似窗口间的偏色差异度ps越大，获得的灰度值权值越小；相似窗口间的偏色差异度ps越小，获得的灰度值权值越大。
41.步骤s105，基于所述灰度值权值通过nlm算法对所述灰度图像进行去烟雾处理，获得去烟雾图像，以供基于所述去烟雾图像确定焚烧炉内部状态。
42.非局部均值滤波nlm使图像中的冗余信息得到了有效地利用，在滤除噪声的同时将图像的细节特征进行了最大程度的保留。nlm算法先在整幅图像中寻找相似窗口，再根据相似窗口的相似度大小来赋予其不同的权值，以此来实现图像去噪。
43.获得像素点的灰度值权值后，将所述灰度图像中各个像素点的灰度值与对应的灰度值权重的乘积确定为对应像素点的校正灰度值；当确定所有像素点的校正灰度值后，将所述灰度图像中各个像素点的灰度值用对应的校准灰度值代替获得去烟雾图像。
44.将得到的更为清晰的去烟雾图像传输监控设备画面中，让监控人员能够更直观、更清晰的查看当前焚烧炉内部的情况，并对焚烧炉内部的状态进行更加有效、准确的监控。
45.本实施例通过上述方案，获取焚烧过程中焚烧炉内的rgb图像，将所述rgb图像转换成灰度图像；基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子；基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数；基于所述趋向位置权重因子和所述偏色指数确定像素点的灰度值权值；基于所述灰度值权值对所述灰度图像进行去烟雾处理，获得去烟雾图像，以供基于所述去烟雾图像确定焚烧炉内部状态。如图5所示，其示出了本发明实施例的去烟雾图像。如此，基于灰度图像建立相似窗口，进而获得灰度值权重，并基于灰度值权重获得校正灰度值，以供基于校正灰度值获得去烟雾图像，提高了焚烧炉内的图像清晰度，有助于提升对焚烧程度判断的准确度。
46.以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种焚烧炉视觉辅助监控方法，其特征在于，所述方法包括：获取焚烧过程中焚烧炉内的rgb图像，将所述rgb图像转换成灰度图像；基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子；基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数；基于所述趋向位置权重因子和所述偏色指数确定像素点的灰度值权值；基于所述灰度值权值对所述灰度图像进行去烟雾处理，获得去烟雾图像，以供基于所述去烟雾图像确定焚烧炉内部状态。2.根据权利要求1所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标确定趋向位置权重因子之前，还包括：对所述灰度图像进行角点检测，基于像素检测窗口中角点的数量及各个角点与像素检测窗口中心点的距离确定像素点所在像素检测窗口的角点离散程度；对所述灰度图像进行分区，基于所述像素点所在像素检测窗口的角点离散程度确定特征线段的烟雾趋向度，并基于所述烟雾趋向度和烟雾覆盖度确定各个区域的烟雾浓度指数。3.根据权利要求2所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述对所述灰度图像进行角点检测，基于像素检测窗口中角点的数量及各个角点与像素检测窗口中心点的距离确定像素点所在像素检测窗口的角点离散程度包括：对所述灰度图像进行harris角点检测，获得所述灰度图像中所有的角点；在所述灰度图像中以每个像素点为中心构建预设大小的像素检测窗口；获得所述像素检测窗口中各个角点与像素检测窗口中心点距离；基于角点与中心点的距离及所述像素检测窗口中角点的数量确定像素点所在像素检测窗口的角点离散程度。4.根据权利要求2所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述对所述灰度图像进行分区，基于所述像素检测窗口的离散程度确定特征线段的烟雾趋向度，并基于所述烟雾趋向度和烟雾覆盖度确定各个区域的烟雾浓度指数包括：对所述灰度图像分割成若干个区域，并基于金字塔形状标记结果确定特征线段；基于像素检测窗口的离散程度以及相邻像素检测窗口的离散程度确定在对应区域属于各个特征线段的烟雾趋向度；基于各个特征区域的角点数量和像素点总数确定烟雾覆盖度；将所述烟雾趋向度与所述烟雾覆盖度的乘积确定为对应特征区域的区域烟雾浓度指数。5.根据权利要求1所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子包括：以所述灰度图像中的每个像素点为中心建立检索窗口和第一相似窗口，并在所述检索窗口内以每一个像素点为中心建立第二相似窗口；确定第一相似窗口中心像素点的第一纵坐标值以及第二相似窗口中心像素点的第二
纵坐标值，并确定所述第一纵坐标值与所述第二纵坐标值的纵坐标值乘积；将所述纵坐标乘积的烟雾浓度指数次方确定为趋向位置权重因子。6.根据权利要求1所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于灰度值确定所述第一相似窗口与所述第二相似窗口间的偏色指数包括：基于灰度值确定所述检索窗口第一相似窗口、第二相似窗口亮颗粒、暗颗粒确定第一相似窗口的色相指数和第二相似窗口的色相指数；计算所述第一相似窗口的色相指数和第二相似窗口的色相指数的差值；将所述差值绝对值的评分确定为所述第一相似窗口、第二相似窗口间的偏色指数。7.根据权利要求6所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于灰度值确定所述检索窗口第一相似窗口、第二相似窗口亮颗粒、暗颗粒确定第一相似窗口的色相指数和第二相似窗口的色相指数包括：基于暗亮颗粒区分阈值确定检索窗口内的暗颗粒和亮颗粒，并记录暗颗粒数量、亮颗粒数量以及颗粒总数；基于第一相似窗口内暗颗粒数量、颗粒总数、以及第一欧式距离确定第一相似窗口的色相指数，同理确定第二相似窗口的色相指数。8.根据权利要求7所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于暗亮颗粒区分阈值确定检索窗口内的暗颗粒和亮颗粒，并记录暗颗粒数量、亮颗粒数量以及颗粒总数之前，还包括：遍历所述检索窗口内所有的像素点，获得各个像素点的灰度值，基于最大灰度值和最小灰度值确定对应检索窗口内部的亮暗颗粒区分阈值。9.根据权利要求7所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于第一相似窗口内暗颗粒数量、颗粒总数、以及第一欧式距离确定第一相似窗口的色相指数之前，还包括：计算第一相似窗口内暗颗粒与第一相似窗口中心的第一欧式距离，计算第二相似窗口内暗颗粒与第二相似窗口中心的第二欧式距离。10.根据权利要求1所述的一种焚烧炉视觉辅助监控方法，其特征在于，所述基于所述灰度值权值对所述灰度图像进行去烟雾处理，获得去烟雾图像包括：将所述灰度图像各个像素点的灰度值与对应的灰度值权重的乘积确定为对应像素点的校正灰度值；当确定所有像素点的校正灰度值后，将所述灰度图像中各个像素点的灰度值用对应的校准灰度值代替获得去烟雾图像。

技术总结
本发明公开了一种焚烧炉视觉辅助监控方法，属于图像处理技术领域，该方法包括：获取焚烧过程中焚烧炉内的RGB图像并转换成灰度图像；基于预先建立的第一相似窗口、第二相似窗口所在区域的烟雾浓度指数和窗口中心点的纵坐标值确定趋向位置权重因子；基于灰度值确定窗口间的偏色指数；基于趋向位置权重因子和偏色指数确定像素点的灰度值权值；基于灰度值权值对灰度图像进行去烟雾处理，获得去烟雾图像，以供基于去烟雾图像确定焚烧炉内部状态。如此，基于灰度图像建立相似窗口，进而获得灰度值权重，并基于灰度值权重获得校正灰度值，以供基于校正灰度值获得去烟雾图像，提高了焚烧炉内的图像清晰度，有助于提升对焚烧程度判断的准确度。断的准确度。断的准确度。


技术研发人员：黄立刚 张跃进
受保护的技术使用者：苏州科尔珀恩机械科技有限公司
技术研发日：2023.08.28
技术公布日：2023/9/23