一種基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)，該方法包括：實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像；對獲取的所述視頻幀圖像進行預處理；對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。本發(fā)明可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風機的靜葉片進行跟蹤，實現(xiàn)引風機開度狀態(tài)的實時監(jiān)控，進一步地，還能夠將跟蹤結果結合引風機現(xiàn)場儀表的反饋進行靜葉故障的診斷，并對異常狀態(tài)進行報警。本申請能夠有效避免因引風機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導致的電廠運行工況的失衡。
【專利說明】
一種基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)
技術領域
[0001]本發(fā)明涉及引風機靜葉監(jiān)視技術領域，特別是涉及一種基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)。
【背景技術】
[0002]日常生活中，我們主要是利用我們的視覺器官來認知世界，與靜止物體相比，人們更容易留意運動的物體。這些物體通過成像設備就成為所需要的視頻圖像。圖像中不僅有靜態(tài)的物體還有運動目標的物體。在圖像處理時候，圖像視頻幀一般是二維的，這樣真實世界的三維圖像直接轉變成視頻圖像的二維。通過對視頻圖像中的運動目標的時空域的圖像處理，就完成了目標的檢測和跟蹤。
[0003]國內從上世紀80年代就著手跟蹤技術的研究，但是主要集中于理論層面上的研究。在90年代目標跟蹤進入了一個新的階段，有了一些相關的成果，如應用在奧運期間中國科學院研究的智能視頻監(jiān)控系統(tǒng)等等。2012年，關于智能監(jiān)控方面的研討會議已經(jīng)逐步開展。整個發(fā)展趨勢是將三維空間的目標物體，轉化為二維空間的視頻圖像，通過圖像處理算法更精確的發(fā)現(xiàn)二維視頻圖像中的目標物體，以實現(xiàn)對目標狀態(tài)的實時跟蹤，如果目標狀態(tài)異常就會及時報警，以減輕目標異常帶來的嚴重后果。
[0004]隨著我國電力行業(yè)的高速發(fā)展，全國火電裝機容量以每年8%的速度快速增長，新上機組的額定功率也日益增大，對引風機的要求隨之增高。作為火力發(fā)電的重要輔機，引風機的運行工況直接影響鍋爐正常的熱力循環(huán)，對電廠的安全運行具有非常重要的作用。由于長期工作于鍋爐煙道中，且煙氣雜質多、溫濕度高以及連續(xù)運行等因素，引風機靜葉卡澀或拉桿斷裂等故障時有發(fā)生，是電廠故障率比較高的設備之一。當引風機靜葉出現(xiàn)卡澀或拉桿斷裂時，此時若電廠運行人員發(fā)現(xiàn)不及時，卻仍進行升/降負荷操作，會出現(xiàn)爐膛燃燒不穩(wěn)、負壓擺動、引風機出力偏差大甚至搶風等現(xiàn)象。此時，如若仍未發(fā)現(xiàn)引風機設備故障，盲目加大引風機出力指令會加劇鍋爐工況的惡化，甚至導致MFT的發(fā)生。
[0005]目前，火電廠主要通過加強運行人員巡檢，提高操作員的監(jiān)控質量，出現(xiàn)故障時快速冷靜分析處理等措施來規(guī)避此類事故的發(fā)生。然而，這類被動措施并不能及時有效地發(fā)現(xiàn)引風機靜葉故障來降低事故風險及影響范圍。

【發(fā)明內容】

[0006]本發(fā)明的目的是提供一種基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)，目的在于通過實時對引風機的靜葉片進行跟蹤，實現(xiàn)對引風機開度狀態(tài)的實時監(jiān)控，解決現(xiàn)有技術中不能及時有效發(fā)現(xiàn)弓I風機靜葉故障的問題。
[0007]為解決上述技術問題，本發(fā)明提供一種基于視頻的引風機靜葉監(jiān)視方法，包括:
[0008]實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像；
[0009]對獲取的所述視頻幀圖像進行預處理；
[0010]對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0011]對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。
[0012]可選地，所述對獲取的所述視頻幀圖像進行預處理包括:
[0013]對所述視頻幀圖像進行灰度化處理，并采用非線性中值濾波器對隨機噪聲進行過濾。
[0014]可選地，所述對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線包括:
[0015]通過自適應閾值邊緣檢測算法對所述視頻幀圖像進行靜葉葉片的邊緣檢測，并基于Hough變換將檢測到的邊緣點識別為直線。
[0016]可選地，所述對檢測到的靜葉葉片的邊緣進行跟蹤包括:
[0017]將當前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進行匹配，以確定同一直線在當前視頻幀中的位置。
[0018]可選地，在所述對檢測到的靜葉葉片的邊緣進行跟蹤之后還包括:
[0019]接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；
[0020]當所述靜葉實際開度不變或反向變化時，判定引風機靜葉發(fā)生故障，生成故障狀態(tài)?目息O
[0021]可選地，還包括:
[0022]對靜葉識別結果以及故障狀態(tài)信息進行實時顯示。
[0023]本發(fā)明還提供了一種基于視頻的引風機靜葉監(jiān)視系統(tǒng)，包括:
[0024]獲取模塊，用于實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像；
[0025]預處理模塊，用于對獲取的所述視頻幀圖像進行預處理；
[0026]邊緣檢測模塊，用于對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0027]開度檢測模塊，用于對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。
[0028]可選地，所述開度檢測模塊具體用于:
[0029]將當前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進行匹配，以確定同一直線在當前視頻幀中的位置。
[0030]可選地，還包括:
[0031]故障檢測模塊，用于在所述對檢測到的靜葉葉片的邊緣進行跟蹤之后，接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當所述靜葉實際開度不變或反向變化時，判定引風機靜葉發(fā)生故障，生成故障狀態(tài)信息。
[0032]可選地，還包括:
[0033]顯示模塊，用于對靜葉識別結果以及故障狀態(tài)信息進行實時顯示。
[0034]本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)，通過實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像;將獲取的視頻幀圖像進行預處理;對視頻幀圖像進行靜葉葉片的邊緣檢測，對檢測到的邊緣點識別為直線;對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)，可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風機的靜葉片進行跟蹤，實現(xiàn)引風機開度狀態(tài)的實時監(jiān)控，進一步地，還能夠將跟蹤結果結合引風機現(xiàn)場儀表的反饋進行靜葉故障的診斷，并對異常狀態(tài)進行報警。本申請能夠有效避免因引風機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導致的電廠運行工況的失衡。
【附圖說明】
[0035]為了更清楚的說明本發(fā)明實施例或現(xiàn)有技術的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0036]圖1為本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法的一種【具體實施方式】的流程圖；
[0037]圖2為本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法的另一種【具體實施方式】的流程圖；
[0038]圖3為引風機系統(tǒng)的組成結構框圖；
[0039]圖4(a)為原始灰度圖像；
[0040]圖4(b)為降噪后的灰度圖像；
[0041]圖4(c)為閾值化后的二值圖像；
[0042]圖4(d)為自適應邊緣檢測的二值圖像；
[0043]圖5(a)為靜葉開度0%時的檢測結果圖；
[0044]圖5(b)為靜葉開度0%時的二值圖；
[0045]圖5(c)為靜葉開度25%時的檢測結果圖；
[0046]圖5(d)為靜葉開度25%時的二值圖；
[0047]圖5(e)為靜葉開度50%時的檢測結果圖；
[0048]圖5(f)靜葉開度50%時的二值圖；
[0049]圖5(g)為靜葉開度75%時的檢測結果圖；
[0050]圖5(h)為靜葉開度75%時的二值圖；
[0051 ]圖5(i)為靜葉開度92%時的檢測結果圖；
[0052]圖5(j)為靜葉開度92%時的二值圖；
[0053]圖6為本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法中故障診斷的流程圖；
[0054]圖7為本發(fā)明實施例提供的基于視頻的引風機靜葉監(jiān)視系統(tǒng)的結構框圖。
【具體實施方式】
[0055]為了使本技術領域的人員更好地理解本發(fā)明方案，下面結合附圖和【具體實施方式】對本發(fā)明作進一步的詳細說明。顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0056]本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法的一種【具體實施方式】的流程圖如圖1所示，該方法包括:
[0057]步驟SlOl:實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像；
[0058]步驟S102:對獲取的所述視頻幀圖像進行預處理；
[0059]步驟S103:對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0060]步驟S104:對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。
[0061]本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法，通過實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像;將獲取的視頻幀圖像進行預處理;對視頻幀圖像進行靜葉葉片的邊緣檢測，對檢測到的邊緣點識別為直線;對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法，可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風機的靜葉片進行跟蹤，實現(xiàn)引風機開度狀態(tài)的實時監(jiān)控，進一步地，還能夠將跟蹤結果結合引風機現(xiàn)場儀表的反饋進行靜葉故障的診斷，并對異常狀態(tài)進行報警。本申請能夠有效避免因引風機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導致的電廠運行工況的失衡。
[0062]在上述實施例的基礎上，本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法中步驟SlOl對獲取的所述視頻幀圖像進行預處理的過程可以具體為:
[0063]對所述視頻幀圖像進行灰度化處理，并采用非線性中值濾波器對隨機噪聲進行過濾。
[0064]視頻幀的預處理主要實現(xiàn)圖像的邊緣檢測。首先對幀圖像進行灰度化處理，然后采用非線性濾波器，具體可以采用中值濾波對灰度幀圖像的隨機噪聲進行過濾。
[0065]由于靜葉的光滑金屬平面屬性，容易成視頻幀中的光斑現(xiàn)象。為了消除光斑對邊緣檢測的影響，本方法實施例采用自適應閾值邊緣檢測方法。自適應閾值邊緣檢測方法通過給每個像素一個閾值，無論在高光區(qū)域還是比較暗的區(qū)域都能有較好的邊緣檢測效果。
[0066]由于基于Hough變換計算量小、魯棒性高以及適用性好的特點，本系統(tǒng)主要采用基于Hough變換方法實現(xiàn)邊緣檢測。
[0067]因此，本實施例中步驟S102對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線的過程可以具體為:
[0068]通過自適應閾值邊緣檢測算法對所述視頻幀圖像進行靜葉葉片的邊緣檢測，并基于Hough變換將檢測到的邊緣點識別為直線。
[0069]在檢測到靜葉片的邊緣后需要通過對靜葉片邊緣的跟蹤來檢測引風機的開度。對檢測到的靜葉葉片的邊緣進行跟蹤的過程可以具體為:
[0070]將當前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進行匹配，以確定同一直線在當前視頻幀中的位置。
[0071]需要指出的是，由于噪聲、攝像頭的抖動等原因會造成無法檢測到邊緣的情況，因此，當無法檢測到跟蹤直線的邊緣時，可以通過對圖像中已經(jīng)確認為有效的靜葉邊緣直線進行基于卡爾曼濾波器的跟蹤。
[0072]在上述任一實施例的基礎上，本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法在所述對檢測到的靜葉葉片的邊緣進行跟蹤之后還可以進一步包括:對靜葉是否故障進行檢測的過程，并且還可以包括對識別結果以及故障狀態(tài)信息進行實時顯示的過程。如圖2本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法的另一種【具體實施方式】的流程圖所示，該方法包括:
[0073]步驟S201:實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像；
[0074]步驟S202:對獲取的所述視頻幀圖像進行預處理；
[0075]步驟S203:對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0076]步驟S204:對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測；
[0077]步驟S205:接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；
[0078]步驟S206:當所述靜葉實際開度不變或反向變化時，判定引風機靜葉發(fā)生故障，生成故障狀態(tài)信息；
[0079]步驟S207:對靜葉識別結果以及故障狀態(tài)信息進行實時顯示。
[0080]靜葉故障診斷中，本發(fā)明依據(jù)現(xiàn)場儀表的靜葉指令且結合視頻識別結果而做出靜葉是否故障的判斷。當靜葉指令變化時，如果視頻識別的靜葉實際開度不變或者反向變化，貝IJ認為引風機靜葉執(zhí)行機構發(fā)生故障，立即以CRT報警方式通知監(jiān)控人員，以便能夠及時響應此類故障避免事故范圍的進一步擴大。
[0081]下面結合引風機系統(tǒng)，對本發(fā)明所提供的方法進行進一步詳細闡述。如圖3引風機系統(tǒng)的組成結構框圖所示，本系統(tǒng)按照組成結構分為:引風機靜葉(視頻識別對象)，攝像機，視頻處理服務器以及CRT顯示器。通過攝像機實時采集引風機靜葉視頻信息，并傳入服務器中結合圖像處理及視頻處理技術將靜葉實時狀態(tài)識別出來。接著根據(jù)視頻識別結果結合來自引風機現(xiàn)場儀表的反饋進行靜葉故障診斷，并將視頻識別結合和診斷結果顯示于CRT畫面上以實現(xiàn)狀態(tài)實時顯示與報警輸出。
[0082]該過程中，視頻幀的預處理主要實現(xiàn)圖像的邊緣檢測。本發(fā)明實施例首先對幀圖像進行灰度化處理，然后采用非線性濾波器一一中值濾波對灰度幀圖像的隨機噪聲進行過濾。然后進行邊緣檢測；由于靜葉的光滑金屬平面屬性，容易成視頻幀中的光斑現(xiàn)象。為了消除光斑對邊緣檢測的影響，本方法采用自適應閾值邊緣檢測方法。
[0083]作為一種【具體實施方式】，本方法對每個圖像中的像素計算各自的二值化閾值，采用窗口大小為7的均值作為像素的閾值，然后通過閾值與像素值差是否大于25來確定是否是邊緣點。自適應閾值邊緣檢測方法通過給每個像素一個閾值，無論在高光區(qū)域還是比較暗的區(qū)域都能有較好的邊緣檢測效果，其預處理的效果圖如圖4(a)_4(d)所示。其中，圖4(a)為原始灰度圖像；圖4(b)為降噪后的灰度圖像；圖4(c)為閾值化后的二值圖像；圖4(d)為自適應邊緣檢測的二值圖像。
[0084]基于Hough變換的靜葉葉片邊緣檢測。主要實現(xiàn)將檢測得到的圖像幀中的邊緣點識別為直線?；贖ough變換計算量小、魯棒性高以及適用性好的特點，本實施例主要采用OpenCV中的Hough變換方法。通過hough變換，圖像中直線的尋找問題就轉換為計算機最擅長的參數(shù)空間峰值尋找問題。圖像空間中的任何直線都可以表示為:
[0085]p = x cos0+y sin0(I)
[0086]其中，P表示坐標原點(0，0)到直線的垂直距離，Θ表示坐標軸X與直線的夾角。
[0087]根據(jù)式(I)即可將圖像空間(x，y)中的任一條直線變換到參數(shù)空間(ρ，θ)中的一個點。為了檢測出圖像中的直線，只需要按照式(I)遍歷圖像中的各個像素點，計算出所有(P，Θ)對后尋找(Ρ，θ)的局部最大值即可檢測出圖像中存在的直線。
[0088]采用的OpenCV函數(shù)的具體參數(shù)設置和介紹:
[0089]HoughLinesBinary(Double rhoResolut1n,Double thetaResolut1n,Int32threshold,Double minLineWidth,Double gapBetweenLines)
[0090]參數(shù):rhoRe so Iut 1n，像素相關單位的距離分辨率，本發(fā)明實施例中rhoResolut1n = I ； thetaResolut1n，角分辨率測量弧度，本發(fā)明實施例中thetaResolut1n = 0.01; threshold，如果相應的蓄能器值，貝Ij返回該函數(shù)的值，本發(fā)明實施例中threshold = 40 ;minLineWidth:線的最小寬度，本發(fā)明實施例中minLineWidth = 80 ；gapBetweenLines，線之間的最小間隙，本發(fā)明實施例中gapBetweenLines = 500;返回結果:檢測為每個通道的線段。
[0091]靜葉葉片邊緣的跟蹤和開度自動檢測。為了能夠有效的檢測到靜葉的開度，在檢測到靜葉片的邊緣后需要通過對靜葉片邊緣的跟蹤來檢測引風機的開度，邊緣跟蹤與狀態(tài)補償后的邊緣檢測結果如圖5(a)_5(h)所示。其中，圖5(a)為靜葉開度0%時的檢測結果圖；圖5 (b)為靜葉開度O %時的二值圖；圖5 (c)為靜葉開度25 %時的檢測結果圖；圖5 (d)為靜葉開度25 %時的二值圖；圖5(e)為靜葉開度50 %時的檢測結果圖；圖5(f)靜葉開度50 %時的二值圖；圖5(g)為靜葉開度75%時的檢測結果圖；圖5(10為靜葉開度75%時的二值圖；圖5(i)為靜葉開度92 %時的檢測結果圖；圖5(j)為靜葉開度92 %時的二值圖。
[0092]而對于一條圖像中的直線(y = a*x+b)，主要采用兩個參數(shù)進行表示:斜率和位置。位置可以通過直線與X軸的交點來表示，也就是b。因此，跟蹤直線就是確認當前視頻幀中檢測得到的直線(a，b)與前一幀中檢測到的直線進行匹配(a，b’).本方法采用閾值法來確認當前直線(a，b)是否是前一幀中直線(a’，b’)的運動結果。如果|a_a’ |〈thl，且|b_b’ |〈th2，則前后幀中的兩直線匹配。通過直線匹配可以確認同一直線在視頻幀序列中的位置。
[0093]為了應對檢測得到的不穩(wěn)定的非靜葉邊緣直線，本方法實施例采用視頻幀序列中直線出現(xiàn)頻率來進行確認的方法。如果跟蹤的直線偶爾出現(xiàn)，本方法并不將其看作是一條有效的直線，而是要求直線在視頻序列中持續(xù)出現(xiàn)比較長的時間后才認為是有效的靜葉邊緣直線。由于噪聲、攝像頭的抖動等原因造成無法檢測到邊緣的情況，因此，當無法檢測到跟蹤直線的邊緣時，有必要對圖像中已經(jīng)確認為有效的靜葉邊緣直線進行基于卡爾曼濾波器的跟蹤。該直線跟蹤過程就是跟蹤直線的兩個變量(a，b)的值?？柭鼮V波跟蹤的依據(jù)是首先根據(jù)系統(tǒng)的運動方程來對狀態(tài)值做預測，由于直線的運動是基本穩(wěn)定的，因此可以根據(jù)當前狀態(tài)預測下一時刻該直線的狀態(tài)(a，b)，但是該預測值存在一定的誤差，需要通過當前幀中直線的檢測結果來校正。
[0094]卡爾曼濾波就是利用預測和校正不斷迭代進行目標的跟蹤。其理論公式如下:
[0095]過程方程:X(k+l)=AX(k)+B U(k)+ff(K)(2)
[0096]測量方程:Z(k+1)=HX(k+1)+V(k+1)(3)
[0097]其中，A、B為系統(tǒng)參數(shù)，H為測量系統(tǒng)參數(shù)，W(k)和V(k+1)分別為過程和測量的噪聲。X是m行的單列矩陣，Z是η行的單列矩陣。
[0098]靜葉故障診斷及報警
[0099]在靜葉故障診斷中，本發(fā)明實施例依據(jù)現(xiàn)場儀表的靜葉指令且結合視頻識別結果而做出靜葉是否故障的判斷。當靜葉指令變化時，如果視頻識別的靜葉實際開度不變或者反向變化，則認為引風機靜葉執(zhí)行機構發(fā)生故障，立即以CRT報警方式通知監(jiān)控人員，以便能夠及時響應此類故障避免事故范圍的進一步擴大。具體診斷算法流程圖如圖6所示。
[0100]本實施例通過對視頻幀圖像進行灰度化處理，然后采用非線性濾波器一一中值濾波對灰度幀圖像的隨機噪聲進行過濾。然后進行邊緣檢測，基于Hough變換的靜葉葉片邊緣檢測與跟蹤，主要實現(xiàn)將檢測得到的圖像幀中的邊緣點識別為直線。然后，利用現(xiàn)場儀表的反饋結合視頻識別結果采用故障診斷算法進行故障診斷，并通過CRT畫面顯示靜葉實時狀態(tài)和報警輸出。
[0101]下面對本發(fā)明實施例提供的基于視頻的引風機靜葉監(jiān)視系統(tǒng)進行介紹，下文描述的基于視頻的引風機靜葉監(jiān)視系統(tǒng)與上文描述的基于視頻的引風機靜葉監(jiān)視方法可相互對應參照。
[0102]圖7為本發(fā)明實施例提供的基于視頻的引風機靜葉監(jiān)視系統(tǒng)的結構框圖，參照圖7基于視頻的引風機靜葉監(jiān)視系統(tǒng)可以包括:
[0103]獲取模塊100，用于實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像；
[0104]預處理模塊200，用于對獲取的所述視頻幀圖像進行預處理；
[0105]邊緣檢測模塊300，用于對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線；
[0106]開度檢測模塊400，用于對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。
[0107]作為一種【具體實施方式】，本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視系統(tǒng)中，開度檢測模塊可以具體用于:
[0108]將當前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進行匹配，以確定同一直線在當前視頻幀中的位置。
[0109]在上述任一實施例的基礎上，本申請實施例還可以進一步包括:
[0110]故障檢測模塊，用于在所述對檢測到的靜葉葉片的邊緣進行跟蹤之后，接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當所述靜葉實際開度不變或反向變化時，判定引風機靜葉發(fā)生故障，生成故障狀態(tài)信息。
[0111]優(yōu)選地，本實施例還可以進一步包括:
[0112]顯示模塊，用于對靜葉識別結果以及故障狀態(tài)信息進行實時顯示。
[0113]本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視系統(tǒng)，通過實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像;將獲取的視頻幀圖像進行預處理;對視頻幀圖像進行靜葉葉片的邊緣檢測，對檢測到的邊緣點識別為直線;對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視系統(tǒng)，可以根據(jù)電力工業(yè)需求，替代人工巡檢，自動實時對引風機的靜葉片進行跟蹤，實現(xiàn)引風機開度狀態(tài)的實時監(jiān)控，進一步地，還能夠將跟蹤結果結合引風機現(xiàn)場儀表的反饋進行靜葉故障的診斷，并對異常狀態(tài)進行報警。本申請能夠有效避免因引風機靜葉拉桿斷裂等故障發(fā)現(xiàn)不及時導致的電廠運行工況的失衡。
[0114]本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其它實施例的不同之處，各個實施例之間相同或相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。
[0115]專業(yè)人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術方案的特定應用和設計約束條件。專業(yè)技術人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應認為超出本發(fā)明的范圍。
[0116]結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結合來實施。軟件模塊可以置于隨機存儲器(RAM)、內存、只讀存儲器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動磁盤、CD-ROM、或技術領域內所公知的任意其它形式的存儲介質中。
[0117]以上對本發(fā)明所提供的基于視頻的引風機靜葉監(jiān)視方法及系統(tǒng)進行了詳細介紹。本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權利要求的保護范圍內。
【主權項】
1.一種基于視頻的引風機靜葉監(jiān)視方法，其特征在于，包括: 實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像； 對獲取的所述視頻幀圖像進行預處理； 對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線； 對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。2.如權利要求1所述的基于視頻的引風機靜葉監(jiān)視方法，其特征在于，所述對獲取的所述視頻幀圖像進行預處理包括: 對所述視頻幀圖像進行灰度化處理，并采用非線性中值濾波器對隨機噪聲進行過濾。3.如權利要求2所述的基于視頻的引風機靜葉監(jiān)視方法，其特征在于，所述對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線包括: 通過自適應閾值邊緣檢測算法對所述視頻幀圖像進行靜葉葉片的邊緣檢測，并基于Hough變換將檢測到的邊緣點識別為直線。4.如權利要求3所述的基于視頻的引風機靜葉監(jiān)視方法，其特征在于，所述對檢測到的靜葉葉片的邊緣進行跟蹤包括: 將當前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進行匹配，以確定同一直線在當前視頻幀中的位置。5.如權利要求1至4任一項所述的基于視頻的引風機靜葉監(jiān)視方法，其特征在于，在所述對檢測到的靜葉葉片的邊緣進行跟蹤之后還包括: 接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當所述靜葉實際開度不變或反向變化時，判定引風機靜葉發(fā)生故障，生成故障狀態(tài)信息。6.如權利要求5所述的基于視頻的引風機靜葉監(jiān)視方法，其特征在于，還包括: 對靜葉識別結果以及故障狀態(tài)信息進行實時顯示。7.一種基于視頻的引風機靜葉監(jiān)視系統(tǒng)，其特征在于，包括: 獲取模塊，用于實時獲取對引風機靜葉進行監(jiān)控的視頻幀圖像； 預處理模塊，用于對獲取的所述視頻幀圖像進行預處理； 邊緣檢測模塊，用于對所述視頻幀圖像進行靜葉葉片的邊緣檢測，將檢測到的邊緣點識別為直線； 開度檢測模塊，用于對檢測到的靜葉葉片的邊緣進行跟蹤，以實現(xiàn)對引風機靜葉開度的檢測。8.如權利要求7所述的基于視頻的引風機靜葉監(jiān)視系統(tǒng)，其特征在于，所述開度檢測模塊具體用于: 將當前視頻幀圖像中檢測到的直線的參數(shù)數(shù)據(jù)與前一幀圖像中檢測到的參數(shù)數(shù)據(jù)進行匹配，以確定同一直線在當前視頻幀中的位置。9.如權利要求7或8所述的基于視頻的引風機靜葉監(jiān)視系統(tǒng)，其特征在于，還包括: 故障檢測模塊，用于在所述對檢測到的靜葉葉片的邊緣進行跟蹤之后，接收對靜葉開度變化的指令，檢測視頻識別的靜葉實際開度；當所述靜葉實際開度不變或反向變化時，判定引風機靜葉發(fā)生故障，生成故障狀態(tài)信息。10.如權利要求9所述的基于視頻的引風機靜葉監(jiān)視系統(tǒng)，其特征在于，還包括:顯示模塊，用于對靜葉識別結果以及故障狀態(tài)信息進行實時顯示。
【文檔編號】G06K9/46GK105844268SQ201610413859
【公開日】2016年8月10日
【申請日】2016年6月13日
【發(fā)明人】張江豐, 尹峰, 羅志浩, 張永軍, 陳波, 陳衛(wèi), 汪自翔, 張鵬
【申請人】杭州意能電力技術有限公司