一种基于机器视觉的煤渣含碳量快速自动检测技术

金 昊，严 方，黎 宾

(1.广西电力职业技术学院 动力工程系，南宁 530007； 2.广西大学 电气工程学院，南宁 530007)

一种基于机器视觉的煤渣含碳量快速自动检测技术

金 昊1，严 方2，黎 宾1

(1.广西电力职业技术学院 动力工程系，南宁 530007； 2.广西大学 电气工程学院，南宁 530007)

针对传统煤渣含碳量检测技术过程繁琐、时间长、不能在线检测等缺陷，介绍一种基于机器视觉的煤渣含碳量快速自动检测技术。该技术通过采集煤渣采集装置中的图像数据，经过CCD图像灰度处理、边缘识别及提取、灰度特征值提取、灰度特征值标定等，快速识别出煤渣含碳量。实验结果表明，煤渣含碳量在2%～16%时，该技术的煤渣含碳量分辨率在1%以内。工业锅炉的煤渣含碳量通常在8%～16%，煤渣热损失在4%～8%，因此该技术对于工业锅炉的送风量调控具有工程指导意义。

机器视觉； 煤渣含碳量； 快速检测技术

0 引 言

煤渣是最常见的工业固体废物之一，为燃煤锅炉或其他燃煤设备排放的固体废渣，又称炉渣。为了降低能耗，提高煤炭燃烧的热效率，减少环境污染，装配有燃煤锅炉的企业大多需要需要对煤的燃烧效率进行检测和控制[1-3]。目前最常用的煤渣含碳量检测方法为化学灼烧失重法[1]，即对煤渣进行取样、烘干、碾磨，然后放在马弗炉中，从低温(100 ℃)到高温(815 ℃)灼烧若干小时，最后用称重量差的办法来计算含碳量[4-5]。整个含碳量检测过程非常烦琐，且检测时间长，需要配置专类设备和专类技术人员，不适宜实时检测和控制。另外，比较常见的煤渣含碳量检测方法有微波法和放射法等[8]，但通常指飞灰含碳量的检测[6-7]。

煤渣主要成分有碳、二氧化硅、氧化铝(铁、钙、镁)等，实验表明，煤渣的含碳量与灰度统计值具有一定的对应关系，因此现场运行人员通常用灰度值经验判断煤炭的燃烧效率。基于机器视觉的煤渣含碳量快速自动检测技术就是基于该原理设计的，可用于在线检测的煤渣含碳量检测技术[9-11]。该技术通过采集煤渣采集装置中的图像数据，经过CCD图像灰度处理、边缘识别及提取、灰度特征值提取、灰度特征值标定等，快速识别出煤渣含碳量，用于指导工业锅炉煤渣热损失控制[12-13]。实验结果表明，该技术的煤渣含碳量分辨率在1%以内。工业锅炉的煤渣含碳量通常在8%～16%，煤渣热损失在4%～8%，因此该技术对于工业锅炉的送风量调控具有工程指导意义。

1 煤渣含碳量灰度检测试验

煤渣主要成分有碳、二氧化硅、氧化铝(铁、钙、镁)等，碳为黑色，其他成分大多为白色、红色，其中氧化镁在煤渣中含量通常较低，对煤渣灰值影响较小，氧化镁含量较高的煤种灼烧后会呈现弱黄红色。

试验采用南宁某热电联产锅炉常用的3种煤，分别标识为煤种1～3，煤种、煤质参数如表1所示。

表1 煤种煤质参数 %

燃烧试验设计步骤如下：

(1) 原煤磨成细粉放置试验锅炉中进行反复多次完全燃烧或灼烧，煤灰化验至含碳量0%后结束燃烧或灼烧。

(2) 原煤磨成细粉，以煤灰10 g作为基数，分别将原煤煤粉按一定比例进行掺杂，并充分混合，得到试验样粉，将样粉含碳量分别设计为0%～16%。

(3) 样粉进行试验编号，按含碳量从大到小，煤种1～3按顺序分别标识为A01～A17，B01～B17，C01～C17。

(4) 样粉放置进2 mm×2 mm的白色方盒中，进行CCD图像识别。CCD摄像头采用640×480像素。

(5) CCD图像经过灰度化、边缘检测、轮廓提取，将2 mm×2 mm的灰样区识别出来。

(6) 对轮廓区域内的CCD图像进行直方图统计。

2 煤渣含碳量灰度检测CCD图像识别过程

2.1CCD图像灰度化

为了方便对采样煤粉区域进行识别以及进行煤样灰度直方图统计，需要对CCD图像进行灰度化。图像灰度化方法根据实际需求有最大值法、平均值法、加权平均值法以及非线性变换法等。为了对图像的亮度值进行统计，试验采用了加权平均值法，

(1)

式中：Y分量的物理意义是点的亮度，由该值反映亮度的变化趋势，即由白到黑的变化过程。由于煤渣炭为黑色，其他成分大多为白色，个别成分为红色，故亮度变化值可以作为含碳量检测依据，可以根据RGB和YUV颜色空间的变化关系建立亮度Y与R、G、B的关联关系。

2.2CCD图像边缘检测

为了减少灰样托盘底色对检测结果的影响，试验采用白色托盘作为灰样CCD图像采样器皿。由于光线以及摄像头质量等问题，在灰度值较小的情形下，灰样与白色托盘不容易辨识，如图1所示。因此边缘检测算法采取了比较复杂的流程。

试验边缘检测算法首先采用灰值形态学梯度，将边缘轮廓更加锐化，如图1(a)所示。从图片处理来看，此次锐化基本上复原了托盘的原始形状。由于边缘受到光照影响，还较难于分辨，采用Kristch算子进行噪声处理，如图1(c)所示。为了进一步对图像进行锐化分割，采用阈值分割算法进行轮廓提取，此时图像基本已成为二色图像,如图1(d)所示。将边缘联通区域小的及未形成联通区域的噪声去除，并在临域内补齐因噪声影响而缺失的边缘，得到图1(f)的边缘。

2.2.1灰值形态学梯度

图像的某一点灰度梯度值如果较大，则表示在该点处的明暗值过渡快，即该点可能为边缘区域或者邻域。灰值形态学梯度计算公式为：

GRAD(f)=(f⊕g)-(fΘg)

(2)

(B)x={c|c=b+x,b∈X}

灰度梯度的实质就是利用扁平结构元素作图像的腐蚀和膨胀变换，相当于获得一个极大、极小滤波器的效果。因此可以利用形态学梯度，在每一个点通过扁平结构元素来确定改点邻域上的极大和极小值的差值。灰值形态学梯度与阈值技术相结合，能较好获取图像的边缘(见图1(f))。 图1(d)和图1(f)表明，利用形态学梯度，可以使得输入图像中灰度级的跃变更为急剧，形成类似二值的效果。

(a) 灰样CCD图像灰值化

(b) 灰值形态学梯度

(c) Kristch算子

(d) 交互式阈值分割算法二值图像

(e) 阈值分割边缘提取

(f) 智能边缘提取图1 灰样图片边缘提取流程以及算法效果

2.2.2Kristch算子边缘提取

算子使用8个模板来确定梯度和梯度的方向。用KN～KNW分别与图像的各对应元素相乘，并通过计算结果的最大值作为中央像素的极大值边缘。8个卷积核形成了Krisch算子，也就是相当于图像的每个元素都进行了8个特定边缘方向的梯度检测，取8个方向的最大值作为该点的输出值，因此Kristch算子是一种最佳匹配的边缘检测算子。

Krisch算子采用以下8种形式的模板：

图像中的每个位置图素都要经过8个模板的卷积分计算作用，并以最大值作为输出，指向最大值的梯度方向就是边缘的方向。实际上可采用以下快速算法：

m(i,j)=max{1,max{|5sk-3tk|:

k=0,1,…,7}}

(3)

式中：

tk=ak+3+ak+4+…+ak+7

sk=ak+ak+1+ak+2

2.2.3最大类间方差图像切割算法

最大类间方差法因为其简单易实现、稳定有效而广为使用。实现方法为通过直方图对图像进行阈值分割成为两组，当分割两组的方差最大时将该点选择为阈值。最大类间方差法实质是通过类别方差来表征边缘和背景，因为方差可以作为灰度分布均匀性的量度。如果被分割的图像方差值差别越大，表明构成该图像两部分的差别就越大，因此通过类间方差最大达到产生最佳的边缘目标类与背景类的分离性能。

设原始灰度图像灰度级共L级，则图像的全部像素数为：

N=n0+n1+…+nL-1

(4)

归一化直方图，则，

(5)

按灰度级在阈值k点将图像分割分为两类，分别标记为C0和C1，概率计算如下：

(6)

(7)

C0和C1类所有像素点的灰度级平均值计算如下：

(8)

(9)

类间方差计算如下：

(10)

3 煤渣含碳量的灰度方差标定方法

煤渣灰度与含碳量具有一定的关联关系[2]，一般来讲，含碳量越高，煤渣灰度平均值越大。图像边缘内C类各点的概率计算如下：

(11)

所有像素点的灰度级平均值计算如下：

(12)

则C类方差可以如下计算：

(13)

通过实验以及图像处理，得到含碳量与图样灰度的方差和均值间的关系如表2所示。

表2 灰样含碳量标定

4 结 论

通过3种煤的灰样含碳量标定计算，结论如下：

(1) 灰样的灰度均值能作为含碳量值标定，且在4%～8%的区间具有良好的分辨率。作为将排渣含碳量控制在4%～8%的工业锅炉，具有较好的标定结果。

(2) 不同样粉在相同含碳量情况下其灰度均值是不一样的，但其灰度变化趋势是一致的，在含镁等红色物质含量接近以及原煤含碳量接近的情形下，其灰度均值是接近的。

(3) 0～2%的阶段，由于灰渣含弱黄红色的氧化镁，使得灰度均值偏大，含碳量不可区分。但对于目标将排渣含碳量控制在4%～8%的工业锅炉，不会影响其标定。如果结合方差值，也能实现从0～2%的标定。

(4) 从实验结果看，原煤煤炭含碳量越大，在同样含碳量灰样下，其对应的灰度值会相应较低一些。

从工程的角度来看，采用煤渣的灰度均值和方差共同标定灰渣的含碳量是可行的。但在实验过程中，煤粉研磨的细度，CCD摄像头的分辨率，摄像头安装高度，灯光强度等都会对样粉的灰度均值计算产生一定的影响，但总体变化趋势是一致的，由于篇幅限制不一一列出相应的原始实验数据。故如何将样粉的灰度均值与含碳量严格标定，还需要进一步的理论研究。

[1] 武 林,邓跃全,孙 婷，等.粉煤灰/煤渣砖氡污染防治的研究[J].新型建筑材料,2015,42(3):88-91.

[2] 温丽瑗,陈小平,朱建帆，等.高碳含量煤渣物性及机械活化试验研究[J].建筑技术,2016,47(11):1005-1007.

[3] 方 旭,王 晓,王 晗，等.不同种类煤渣与高铬材料的反应[J].耐火材料,2014(5):343-347.

[4] 武 林,邓跃全,孙 婷，等.重钙粉对粉煤灰/煤渣轻质墙板氡污染的研究[J].非金属矿,2015(2):59-62.

[5] 赵世冉,张凯峰,米 钰，等.煤渣-陶粒混凝土挤压内墙板的试验研究[J].新型建筑材料,2014,41(12):20-22.

[6] 梁延鹏,李 红,曾鸿鹄，等.天然煤渣吸附水中β-HCH的动力学和热力学研究[J].科学技术与工程,2016,16(22):291-294.

[7] 赵晓明,李金来,李 伟，等.液态排渣煤渣的高附加值利用[J].化工进展,2014(8):2206-2210.

[8] 赵世贤,蔡斌利,孙红刚，等.水煤浆气化炉煤渣对高铬砖侵蚀的热力学模拟[J].耐火材料,2015,(1):13-16.

[9] 江嘉运,赵 明,刘亚冰，等.煤渣轻集料混凝土自保温复合砌块的生产工艺[J].新型建筑材料,2014,41(1):10-14.

[10] 夏 群,易 磊,朱平华，等.掺煤渣的再生混凝土保温空心砌块力学行为与热工性能研究[J].混凝土,2016(9):106-110.

[11] 王锡春,黄石旺,刘正日，等.煤渣在烤烟生产上的应用研究[J].农学学报,2014,4(11):49-54,58.

[12] 李健,王圣毫,张铁岩，等.在线测量煤粉中含碳量的方法研究[J].国外电子测量技术，2009, 28(9):32-34.

[13] 王景海，基于图像处理技术的锅炉底渣含碳量检测方法研究[D].天津：华北电力大学，2014：30-39.

AFastAutomaticDetectionTechnologyfortheCarbonContentofCinderBasedonMachineVision

JINHao1，YANFang2,LIBin1

(1.Department of Power Engineering, Guangxi Electric Polytechnic Institute, Nanning 530007, China; 2.Institute of Electrical Engineering，Guangxi University, Nanning 530007, China)

The traditional coal carbon content detection technology is a complicated process, it needs long time, and cannot be measured on-line and other defects.Hence, this paper introduces a fast automatic detection technology of the carbon content of cinder based on machine vision.The technology collects image data by acquisition device in coal cinder, after CCD image gray processing, edge detection and extraction, feature extraction, gray feature value calibration, the carbon content of cinder can be quickly identified.The method can be used to guide the industrial boiler cinder heat loss control.Experimental results show that when the carbon content of cinder is within 2%～16%, the accuracy of coal carbon resolution can reach 1%.Industrial boiler cinder carbon content is usually around 8%～16%, cinder heat loss is about 4%～8%, so it has guiding significance for the air supply control of industrial boiler.

machine vision; carbon content of cinder; fast automatic detection technology

TK 16；TK 39

A

1006-7167(2017)10-0024-04

2017-01-16

国家自然科学基金项目(98705646545)；广西壮族自治区节能技术改造财政奖励项目资助(GXJN20130107)

金 昊(1984-)，男，广西南宁人，硕士，讲师，研究方向：传感器应用及检测技术。Tel.：18176875622；E-mail: zhaofang1972425@126.com