一种基于机器视觉的家具厂木屑粉尘监测方法与流程

本发明涉及计算机视觉及信息，具体为一种基于机器视觉的家具厂木屑粉尘监测方法。

背景技术：

1、家具是日常生活中必不可少的物品。通常情况下，家具在家具厂的生产过程中，家具厂内都会产生粉尘，如果粉尘不及时的处理，工厂则容易出现爆炸的情况，目前，家具厂粉尘的检测方法有光透射法、静电法以及光散射法。

2、光透射法，是根据光强度的衰减程度来测量空气中粉尘的浓度。目前，利用光透射法原理设计的粉尘浓度检测装置也已经在市面上出现，如光电透射式粉尘测试仪。这种仪器主要有四部分构成:显示仪表、光电探测器、控制器和稳压电源。其中稳压电源提供了光源的直流电源,这样有利于提高光源输出的稳定性。光电探测器部分由光电转换元件、发射光源、调零装置、保护镜头等构成。控制器是由电信号调节部分和恒温炉温度控制部分组成，电位差计作为其显示仪表。光电转换元件使用的是硅光电池，其容易受到外界的影响，因此需要将其放置在可调的恒温炉内，保证其不受外界环境温度的干扰。但是利用光透射法设计的粉尘浓度检测装置必须先进行经过标定,标定之后才能够使用,并且需要在使用一段后就要进行重新标定这样可以降低其测量误差。这种粉尘浓度测量装置仅限于浓度比较高粉尘浓度测量。

3、很多种方法设计的粉尘浓度检测装置都很难应用在煤矿井下这一特殊环境中，装置的维护成本比较高，此外测量准确度较低，并且仪器使用寿命较短，这些问题使得现存的粉尘浓度检测装置很难完成对煤矿井下粉尘浓度的实时在线测量，很难保证煤矿井下的安全生产。通过研究静电传感器和粉尘浓度的基础上发现了又一测量粉尘浓度检测的方法-静电法，粉尘浓度与静电传感器电流输出在一定测量范围内成线性关系。静电传感器输出的电流值随着粉尘颗粒所带电量以及粉尘颗粒大小的变化而变化，如果粉尘颗粒较小并且带电量多那么传感器输出值就越大。但是这一测量值也受很多因素的干扰，比如煤矿井下的环境温湿度、风速等；一般情况下，如果环境温度越高，那么达到静电饱和时，粉尘的浓度越大；环境风速越大，粉尘颗粒带电量急剧增长。

4、光散射法，利用光散射方法测量煤矿井下粉尘浓度，众所周知光在同种均匀介质中沿直线转播，但是当光线通过不均匀的介质时，就会偏离其原来传播方向而向各个方向散开。光散射法测量粉尘浓度其原理是指光照射在含尘空气中时，由于含尘空气不是均匀介质，就会产生光散射现象。通过测量散射光的强度最终测量粉尘浓度。

5、但是，现有技术中，上述传统的粉尘监测方法虽然较为精确，但是实时性差、覆盖面不全，测量过程较为繁琐，需要耗费大量的人力与物力，并且在突然出现大面积粉尘团时无法准确测量，也无法全工时、快速地对粉尘进行实时监测与定位，导致后续无法及时有效地对粉尘进行控制和消除，对此，有待进一步改善。

6、因此，基于上述技术问题，本领域的技术人员有必要研发一种基于机器视觉的家具厂木屑粉尘监测方法。

技术实现思路

1、本发明目的是提供一种基于机器视觉的家具厂木屑粉尘监测方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于机器视觉的家具厂木屑粉尘监测方法技术方案，具体步骤如下：s1：在家具厂现场环境张贴两张标识物，一张标识物竖直张贴，另一张标识物水平放置；

4、s2：摄像头拍摄两张标识物，对摄像头画面进行解码，输入目标检测算法，定位标识物的具体位置；

5、s3：识别到标识物的基础上对两张标识物的饱和度及对比度进行测量；

6、s4：通过图像相似度算法综合计算两张标识物的饱和度对比度差异以及相似度，判断家具厂生产环境是否存在粉尘堆积。

7、作为一种优选的技术方案，所述s1步骤中：标识物张贴的位置，s11:标识物张贴位置接近摄像头画面，3.0～5.0m；s12：调整标识物位置，使得摄像头角度尽量正对标识物；s13：两张标识物的位置靠近，使得标识物的反光贴颜色在相机画面上一致。

8、作为一种优选的技术方案，所述s2步骤中：架设在生产现场的摄像头需要满足支持rtsp、gb28181协议，部署高度在2.8～3.5m，俯仰角小于30°。

9、作为一种优选的技术方案，所述s3步骤中：处理采集的视频素材，对素材进行标注，标出水平以及竖直张贴的标识物，制作成数据集。将数据集送入yolov5视觉算法进行训练，得到具有对洁净及粉尘覆盖状态下标识物检测能力的pytorch模型，将其转换为适用于国产npu设备的cambricon模型。通过目标检测模型得到标识物在画面中的具体位置后，将其截图进行比对。

10、作为一种优选的技术方案，所述pandora-220边缘智能分析盒摄像头组成局域网连接。

11、作为一种优选的技术方案，所述s4步骤中：强化图像的高频或低频分量，可以突出图像中感兴趣的部分，将图像从bgr颜色空间转换为hsv颜色空间，再将hsv图像分割成单独的通道，选择第二个通道计算平均饱和度，接着进行灰度转化，将图像转换为灰度格式，计算图像的平均对比度，且使用余弦相似度来计算目标标识物的图像相似度，余弦相似度是一种衡量两个向量方向上相似程度的度量方法，其计算结果介于-1到1之间，结合两张图像的对比度以及饱和度以计算相似度的过程中，需要将每张图像转换为对应的对比度和饱和度向量。通过对图像进行色彩空间转换，分别计算每个通道的均值或其它统计数据，得到这两个向量，利用余弦相似度的公式来计算它们之间的相似度，依据计算得到的余弦值(即相似度值)来判断现场环境的粉尘堆积情况。

12、与现有技术相比，本发明的有益效果是：该发明，(1)解决了传统检测方法检测耗时长、实时性差的问题。基于计算机视觉的粉尘检测算法耗时短、效率高、成本低，处理一帧图像平均耗时250ms，能够做到实时、可连续的不间断检测。与此同时部署方便，操作方式简单，能快速的实现多点位的粉尘堆积监测，有效解决传统方法检测覆盖面不全的问题。

13、(2)实时性好、覆盖面全，测量过程较为简单，不需要要耗费大量的人力与物力，并且在突然出现大面积粉尘团时可以实现准确测量，还可以全工时、快速地对粉尘进行实时监测与定位，及时有效地对粉尘进行控制和消除。

技术特征：

1.一种基于机器视觉的家具厂木屑粉尘监测方法，其特征在于，具体步骤如下：s1：在家具厂现场环境张贴两张标识物，一张标识物竖直张贴，另一张标识物水平放置；

2.根据权利要求1所述的一种基于机器视觉的家具厂木屑粉尘监测方法，其特征在于：所述s1步骤中：标识物张贴的位置，s11:标识物张贴位置接近摄像头画面，3.0～5.0m；s12：调整标识物位置，使得摄像头角度尽量正对标识物；s13：两张标识物的位置靠近，使得标识物的反光贴颜色在相机画面上一致。

3.根据权利要求1所述的一种基于机器视觉的家具厂木屑粉尘监测方法，其特征在于：所述s2步骤中：架设在生产现场的摄像头需要满足支持rtsp、gb28181协议，部署高度在2.8～3.5m，俯仰角小于30°。

4.根据权利要求1所述的一种基于机器视觉的家具厂木屑粉尘监测方法，其特征在于：所述s3步骤中：处理采集的视频素材，对素材进行标注，标出水平以及竖直张贴的标识物，制作成数据集。将数据集送入yolov5视觉算法进行训练，得到具有对洁净及粉尘覆盖状态下标识物检测能力的pytorch模型，将其转换为适用于国产npu设备的cambricon模型。通过目标检测模型得到标识物在画面中的具体位置后，将其截图进行比对。

5.根据权利要求4所述的一种基于机器视觉的家具厂木屑粉尘监测方法，其特征在于：所述pandora-220边缘智能分析盒摄像头组成局域网连接。

6.根据权利要求1所述的一种基于机器视觉的家具厂木屑粉尘监测方法，其特征在于：所述s4步骤中：强化图像的高频或低频分量，可以突出图像中感兴趣的部分，将图像从bgr颜色空间转换为hsv颜色空间，再将hsv图像分割成单独的通道，选择第二个通道计算平均饱和度，接着进行灰度转化，将图像转换为灰度格式，计算图像的平均对比度，且使用余弦相似度来计算目标标识物的图像相似度，余弦相似度是一种衡量两个向量方向上相似程度的度量方法，其计算结果介于-1到1之间，结合两张图像的对比度以及饱和度以计算相似度的过程中，需要将每张图像转换为对应的对比度和饱和度向量。通过对图像进行色彩空间转换，分别计算每个通道的均值或其它统计数据，得到这两个向量，利用余弦相似度的公式来计算它们之间的相似度，依据计算得到的余弦值(即相似度值)来判断现场环境的粉尘堆积情况。

技术总结本发明涉及计算机视觉及信息技术领域，公开了一种基于机器视觉的家具厂木屑粉尘监测方法技术方案，具体步骤如下：S1：在家具厂现场环境张贴两张标识物，一张标识物竖直张贴，另一张标识物水平放置；S2：摄像头拍摄两张标识物，对摄像头画面进行解码，输入目标检测算法，定位标识物的具体位置；S3：识别到标识物的基础上对两张标识物的饱和度及对比度进行测量；S4：通过图像相似度算法综合计算两张标识物的饱和度对比度差异以及相似度。本发明实时性好、覆盖面全，测量过程较为简单，不需要要耗费大量的人力与物力。技术研发人员：王河生,黄锦程,韦参乐,姬会东,沈建兰受保护的技术使用者：南京四维向量科技有限公司技术研发日：技术公布日：2024/9/12