徐站桂

(長沙電力職業(yè)技術學院 湖南長沙 410131)

采用常規(guī)檢測方法對燃煤機組爐膛火焰進行檢測時，因多種原因使檢測結果存在誤檢的情況。本文采用數(shù)字圖像處理方法對火焰圖像中所包含的火焰燃燒狀況信息進行分析處理，從而判斷其燃燒狀態(tài)。

1 火焰圖像數(shù)字化

通過攝像采集到的爐膛實際火焰圖像F(x，y)，進行圖像處理的第一步就是采樣：用實際火焰圖像F(x，y)與空間采樣函數(shù)S(x，y)相乘，就可得到一個空間上的數(shù)字化圖像。此矩陣就是實際火焰圖像經(jīng)轉換后而得的數(shù)字圖像，其行、列對應圖像中的一個像素，而矩陣中元素的值對應此像素點的灰度值。如下圖1：

2 鄰域平均法濾波

為了驗證系統(tǒng)濾波算法消除噪聲的效能，人為的在圖像上加上一些噪聲。濾波效果如圖2：

圖2 鄰域平均

3 灰度線性變換增強

為了突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息，可利用灰度變換修改目標圖像像素的灰度，以達到有用信號增強、無用信號減弱的目的?；叶茸儞Q的點運算可把輸入圖像。按指定的線性變換曲線轉換成另一幅圖像輸出。兩幅圖像的區(qū)別在于其相應像素點上的灰度值按某一規(guī)則發(fā)生了改變。灰度線性變換如圖3：

圖1 采樣函數(shù)

圖3 灰度線性變換曲線

圖像灰度線性變換后的結果如圖4所示，可看出對比度得到加強。

圖4 灰度線性變換

4 火焰圖像分割

在火焰燃燒檢測中，根據(jù)燃燒狀態(tài)的不同常常將火焰分成不同的區(qū)域進行研究，或需對指定的某個區(qū)域進行研究，為這一目的就要對火焰圖像進行分割。實現(xiàn)火焰圖像分割有效而方便的方法是根據(jù)設定的亮度閾值點，把圖像分割為幾個亮度值不同的區(qū)域。對于用灰度值表示的火焰數(shù)字圖像，可按式中進行轉換以實現(xiàn)分割。以下為閾值分割，分割出灰度大于110的圖像。圖像分割效果如圖5：

圖5 火焰圖像分割

5 亮度均值特征值提取

當爐膛燃燒狀況發(fā)生改變時，可從火焰圖像的一些特征值如亮度、溫度場分布、火焰頻率等反應出來。同理可用特征值的大小來衡量燃燒狀況。按火焰頻譜分析方法即可得到其頻譜特征，從而判斷火焰燃燒狀況。

6 燃燒火焰頻譜分析

要對火焰圖像采用數(shù)字圖像處理方法來判斷火焰燃燒的穩(wěn)定性，則要使進入計算機的信號必然是離散信號。事實上通過圖像采集卡得到的視頻錄像，并經(jīng)提取幀而得到的爐膛火焰圖像，本身表示的就是離散信號了。對于一組長度為N的火焰強度信號，經(jīng)傅里葉變換(DTFT)可獲得該時域信號在頻域上的對應表示，轉換公式。

在實際中，可能很難根據(jù)火焰輻射強度時間序列來識別穩(wěn)定燃燒和不穩(wěn)定燃燒工況下，但穩(wěn)定燃燒和不穩(wěn)定燃燒工況在頻譜分布圖上卻有著明顯的不同。當頻譜計算得到的結果顯示火焰的低頻波動能量變大時，意味著燃燒的穩(wěn)定程度惡化，按此趨勢可能爐膛最終會熄火。由此可知：低頻分量譜幅值的大小可以用于識別火焰燃燒是否穩(wěn)定。

7 結語

以Matlab圖像處理軟件為平臺，通過采用合理的手段，依據(jù)圖像處理的方法，對火焰圖像進行分析從而計算出火焰頻譜分布情況，以實現(xiàn)對爐膛火焰的檢測。從經(jīng)濟的角度來說，圖像火焰檢測也將優(yōu)于傳統(tǒng)的火焰檢測。為進一步提高爐膛火焰檢測的準確性，可同時綜合考慮如溫度場分布等其它火焰特征值。

[1]徐寶昌，張丁元，程亮.基于圖像的火焰穩(wěn)定性判別方法研究.計算機工程與應用.2012，48（9）：168－169.

[2]Lijun Xu,Yong Yan.An Improved Algorithm for the Measurement of Flame Oscillation Frequency.IEEE TRANSACTIONS ON INSTRUMENTATIONANDMEASUREMENT,2007，56（5）：2087－2091.

[3]陳兵,陳升忠,吳龍標等.單輸人功率譜統(tǒng)計檢測算法的研究，自然科學進展，2006，12(6):631-634.