孟德欣

摘 要： 針對如何在塔式太陽能發(fā)電系統(tǒng)中快速確定故障定日鏡的問題，通過對采集到的定日鏡場圖像進行圖像二值化等預處理操作，利用形態(tài)學開閉運算消除陰影、支架等無關信息，得到形態(tài)學去噪后的目標圖像，提取每個定日鏡連通分量，并與定日鏡場正常圖像進行灰度值比較，從而識別并標注出灰度值異常的故障定日鏡。為檢驗本算法，選取了定日鏡現(xiàn)場圖像為測試圖像進行仿真實驗，結果顯示，形態(tài)學圖像處理技術在定日鏡場故障診斷中具有較高的準確性和可靠性。

關鍵詞： 定日鏡場； 圖像處理； 二值化； 形態(tài)學； 故障診斷

中圖分類號：TP391.9 文獻標志碼：A 文章編號：1006-8228（2014）11-01-03

Research on heliostat fault diagnose method based on morphological image processing

Meng Dexin

（Electronic Information Engineering Department Ningbo Polytechnic， Ningbo， Zhejiang 315800， China）

Abstract： In order to determine the problem of heliostat fault in the solar power tower system quickly， a method of heliostat fault diagnosis based on morphological image processing is proposed. Through processing by binarization operation on the solar power tower heliostat field image， eliminating the shadow and support details by using morphological opening and closing operation， each heliostat connected components are extracted， compared with gray value anomaly. The simulation experiment is carried on. The results illustrate that the fault diagnosis of heliostat field by morphological image processing technology has high accuracy and reliability.

Key words： heliostat field； image processing； binarization； morphology； fault diagnose

0 引言

在煤、石油和天然氣等不可再生的化石燃料日趨減少的情況下，人們對可再生的新能源開發(fā)和利用日益迫切。太陽能作為一種清潔的可再生能源，正日益成為人類使用能源結構的重要組成部分。目前太陽能利用有光電轉換和光熱轉換兩種方式。光電轉換的基本原理是利用光生伏特效應將太陽輻射能直接轉換為電能，這種發(fā)電方式效率低，成本高；光熱轉換的基本原理是將太陽輻射所產生的熱能加以利用。塔式太陽能發(fā)電系統(tǒng)利用眾多能夠獨立跟蹤太陽的定日鏡，將光線聚焦到固定在塔頂部的吸熱器上，并以熱能的形式帶動汽輪機、發(fā)電機來發(fā)電[1]。塔式太陽能發(fā)電系統(tǒng)具有集熱原理簡單、易實現(xiàn)的特點，適合大規(guī)模進行并網發(fā)電。

定日鏡作為塔式太陽能發(fā)電系統(tǒng)重要裝置，根據(jù)每天不同時刻太陽的位置，計算機控制中心自動計算并調整定日鏡的角度，使得所有的定日鏡將陽光反射到吸熱器上。考慮到發(fā)電站往往由幾百個，甚至成千上萬個定日鏡組成定日鏡場的龐大規(guī)模，定日鏡工作過程中還需頻繁調整角度，極易發(fā)生故障，造成定日鏡的反射光不能有效匯集到吸熱器上，從而影響發(fā)熱效率。傳統(tǒng)的定日鏡故障診斷有人工巡檢和傳感器兩種方式。人工巡檢效率低，還易受到天氣、地理環(huán)境和技術水平等諸多因素的影響。傳感器方式自動化、實時檢測定日鏡的方位角、高度角等狀態(tài)數(shù)據(jù)，但由于每個定日鏡都需安裝傳感器，成本較高。所以如何快速確定發(fā)生故障的定日鏡，設計一種自動化高效的定日鏡故障診斷系統(tǒng)就成為太陽能工程設計的關鍵技術之一。

目前，國內外專家學者對定日鏡的研究主要集中在結構設計、控制系統(tǒng)等方面，在故障診斷方法上沒有取得突破性進展。如G.Sassi研究了利用控制電機自動控制定日鏡，該裝置有傳感器控制、時鐘控制和程序控制等幾種方式，自動跟蹤太陽的方法[2]。王成昱等人基于傳感器獲取定日鏡傳動裝置的狀態(tài)數(shù)據(jù)，利用RBF神經網絡輸出齒輪剝落、齒輪磨損、齒輪擦傷、齒輪斷裂、齒面點蝕和齒面塑性變形等齒輪故障模式[3]。本文通過研究塔式太陽能發(fā)電站的攝像系統(tǒng)采集到的鏡場圖像數(shù)據(jù)，利用形態(tài)學圖像處理技術，提出一種定日鏡故障診斷方法，并以定日鏡現(xiàn)場圖像進行仿真實驗，實驗結果表明該方法可行有效，為我國太陽能發(fā)電站建設中定日鏡故障自動檢測提供了一種新思路和技術手段。

1 定日鏡故障診斷流程

塔式太陽能發(fā)電站通過在中央吸熱塔上安裝攝像系統(tǒng)，實時采集定日鏡場的圖像數(shù)據(jù)。發(fā)生故障的定日鏡與正常工作的定日鏡相比其外觀會明顯不同，發(fā)生姿態(tài)的定日鏡由于不能自動跟蹤太陽，其方向角、高度角等狀態(tài)會出現(xiàn)異常，反映在采集圖像上就是正常工作的定日鏡灰度值較大，發(fā)生故障的定日鏡灰度值較小，亮度相對較暗[4]。計算機通過對鏡場圖像處理分析，從而確定是否有定日鏡發(fā)生故障及故障定日鏡的位置。

基于形態(tài)學圖像處理的定日鏡故障診斷方法的核心部分是圖像處理算法，即在采集圖像數(shù)據(jù)中，如何通過圖像處理技術，識別并標注出故障定日鏡為維修調試人員提供參考。我們首先對采集圖像中進行預處理，包括圖像二值化以及利用先驗知識獲取感興趣的定日鏡場目標區(qū)域。考慮到定日鏡場圖像中的陰影、支架及控制電路等細節(jié)信息無關，利用形態(tài)學開閉運算方法與于消除，獲得去噪后的定日鏡圖像，提取每個定日鏡連通分量，并與定日鏡場正常圖像進行灰度值比較，找出灰度值異常的故障定日鏡并標注出其位置，從而實現(xiàn)定日鏡的故障診斷。

本文提出的定日鏡故障診斷流程如圖1所示。

[終止][開始][采集定日鏡場圖像][獲取定日鏡目標區(qū)域圖像][圖像二值化預處理][形態(tài)學開閉運算消除陰影、支架等無關的細節(jié)信息][設別、標注故障定日鏡][輸出故障定日鏡]

圖1 定日鏡故障的診斷流程

2 定日鏡圖像處理

2.1 圖像預處理

在定日鏡場圖像采集過程中，外部環(huán)境因素對圖像質量將會產生極大的影響。如白天和晚上不同的光照條件，晴天和陰天不同氣候條件，以及背景復雜度等，直接影響形狀判別和故障診斷。所以，對圖像進行必要的預處理非常有必要。

圖像預處理包括圖像二值化以及獲取定日鏡目標區(qū)域圖像等步驟。假設圖像G在[0，M]范圍內有N個灰度級，則其直方圖定義為離散函數(shù)：

⑴

其中，k=1，2，…，N，lk表示[0，M]范圍內的第k級亮度，mk表示灰度級為lk的圖像中的像素數(shù)。對于unit8類圖像N個灰度級來說，范圍上限M值為255。

實際操作中，經常需要歸一化直方圖，即使用所有圖像元素h（lk）除以像素總數(shù)T，如下公式：

⑵

⑶

由概率論的有關知識可知，p（lk）表示灰度級lk出現(xiàn)的頻數(shù)。

在對圖像進行歸一化直方圖分析的基礎上，圖像二值化的關鍵是確定閾值。從圖像背景中提取定日鏡對象的簡單有效方法就是選取一個閾值t來分離，逐行掃描圖像，當灰度值大于閾值t時即確定為定日鏡對象點，其余為背景點。在灰度直方圖分析的基礎上自動確定圖像二值化的閾值，圖像的亮度和對比度會明顯增強，對于分割圖像有著重要作用。

定日鏡場圖像閾值處理公式如下：

⑷

其中，f（x，y）為閾值處理后的圖像，當采集圖像g（x，y）中的像素點取值大于閾值t時，賦值為1，反之賦值為0。

圖像二值化可以使得圖像變得簡單，雖然圖像像素會有一定的損失，但這有利于圖像的進一步處理，而且由于數(shù)據(jù)量的減小，更能凸顯感興趣的目標區(qū)域，便于后續(xù)的圖像處理。

本文結合灰度直方圖，經過對所要處理的圖像反復進行實驗來確定閾值，具體閾值選取步驟如下。

⑴ 計算圖像灰度直方圖。

⑵ 為閾值設置初始化值T0。

⑶ 利用t0分割圖像，灰度值大于t0的像素集記為f1，灰度值小于t0的像素集記為f2。

⑷ 計算f1和f2各自的灰度均值M1，M2。

⑸ 計算新閾值t1，t1=（M1+M2）/2，代替t0。

⑹ 重復步驟⑶到步驟⑸，直到連續(xù)迭代過程中的閾值差Δt小于預先設定的參數(shù)C。

考慮到塔式太陽能發(fā)電站的攝像設備和定日鏡場的相對位置固定，則定日鏡場范圍、每個定日鏡大小及中心坐標也在一定范圍內，本文結合了定日鏡中心坐標等先驗知識確定定日鏡目標區(qū)域。

2.2 形態(tài)學運算消除陰影、支架等細節(jié)信息

形態(tài)學是一種基于集合論的數(shù)學方法，形態(tài)學圖像處理指用一定大小和形狀的結構元素去探測圖像，獲取圖像連通性以及方向性等結構信息。形態(tài)學的基本運算有膨脹、腐蝕、開和閉運算等。其中，膨脹和腐蝕時形態(tài)學圖像處理的基礎，許多形態(tài)學圖像處理算法都是基于這兩種最基本的運算[5]。

設f表示二維離散空間的二值圖像，B表示結構元素。使用結構元素B對f進行膨脹，記為fB，其定義為：

⑸

其中，是B的映像，點z對集合B的映像的平移記為（）z，從定義看出，膨脹表示在平移結構元素B的過程中所有結構元素的原點與f圖像中為1值的像素重疊的部分。

使用結構元素B對f進行腐蝕，記為，其定義為：

⑹

其中，fc為f的補集，從定義看出腐蝕表示在平移結構元素B的過程中，所有結構元素原點與f圖像中為1值的像素相重疊的部分，其中要求B不能與f圖像中為0值的背景像素有重疊。

在膨脹、腐蝕運算的基礎上，開運算的定義如下：

⑺

閉運算的定義如下：

⑻

由式⑺、式⑻可知，開運算是先腐蝕后膨脹，可以用來消除孤立點和毛刺，即與結構元素相比尺寸較小的亮細節(jié)被去除。閉運算是先膨脹后腐蝕，可以通過選擇適當?shù)慕Y構元素填補細小的空洞，將相鄰目標連接起來，即與結構元素相比尺寸較小的暗細節(jié)被去除[6]。

實踐證明單獨使用腐蝕和膨脹算子一般得不到滿意的結果，采用開閉運算構成形態(tài)學組合算子，可以較好地即保持圖像細節(jié)特征的同時有效地抑制噪聲。開閉運算具有等冪性，即通過選取適當?shù)慕Y構元素一次濾波操作即可以把噪聲去除干凈，重復多次運算的效果等同于一次運算，這也正是開閉運算的特點[7]。本文采用開、閉運算的組合算子來消除陰影、支架等細節(jié)信息，其定義如下：

⑼

定日鏡場目標圖像中每個定日鏡都連通的，利用形態(tài)學開閉運算操作可以提取定日鏡。

2.3 識別、標注故障定日鏡

因攝像設備安裝在吸熱器所處的中央塔上，故在定日鏡場圖像中，正常的定日鏡圖像其灰度值都較大，而發(fā)生故障的定日鏡其灰度值則跟周圍的其余定日鏡存在明顯差異。實驗中，首先獲取定日鏡正常狀態(tài)下分割圖，并在每一個定日鏡位置處計算其質心。圖像中的每一個定日鏡連通分量的中心位置質心確定后，則故障定日鏡的識別主要在定位到的定日鏡質心一定范圍內做處理，計算出定日鏡質心周圍一定范圍內的灰度值?？紤]到正常定日鏡的灰度值較高，而故障定日鏡的灰度值較低，通過計算質心周圍一定像素的灰度差值，如果大于預先的設置值，則認為是故障定日鏡；反之則認為是正常狀態(tài)。

算法過程如下。

⑴ 初始化輸入定日鏡數(shù)s，灰度閾值Δc。

⑵ 計算定日鏡正常狀態(tài)圖像G中的每個定日鏡質心Qk（k=1，2，…，S）。

⑶ 計算每個定日鏡質心Qk周圍12*12區(qū)域內的灰度均值Mk。

⑷ 將當前處理圖像f與正常狀態(tài)圖像G相差，計算質心Mk在f和G圖像中的灰度差，計算結果計為C=（Mk）f-（Mk）G（k=1，2，…，S）。

⑸ 輸出C>ΔC的質心Qk。

⑹ 重復步驟⑶-⑸，直到k=S。

3 試驗結果與分析

為了驗證本文所述方法的有效性，本文在Matlab 2012軟件平臺上選取了DLR（德國宇航中心）的定日鏡場圖像進行仿真[8]。實驗過程如圖2所示，其中原圖像分辨率為8182*3396的彩色圖像，將該圖像轉換為二值圖像，并選取了其中200*130大小的區(qū)域作為目標圖像進行仿真實驗，在原始圖像圖2（a）中選取2個定日鏡，在其上添加灰度噪聲模擬為故障定日鏡。結構元素B的選取決定了定日鏡分割提取效果。結合定日鏡圖像的結構特征，實驗中選用尺寸為6*6的圓形結構元素得到了滿意的實驗效果。

從圖2可看出，利用該方法識別出故障定日鏡并在圖像中用紅色星號外加白色橢圓加以標注，實驗結果表明本文方法有效。

4 結束語

定日鏡是塔式太陽能發(fā)電系統(tǒng)的重要裝置，及時發(fā)現(xiàn)故障定日鏡并將其維修或更換，對提高發(fā)電效率有著重要意義。本文利用形態(tài)學圖像處理技術對定日鏡場圖像進行二值化、去噪和形態(tài)學分割等操作，實現(xiàn)了故障定日鏡的識別和標注，仿真實驗驗證了該方法的有效性。本文方法可以避免人工巡檢的弊端，對保障太陽能發(fā)電站的可靠運行具有一定的參考價值。

參考文獻：

[1] 宋洋.塔式太陽能熱發(fā)電鏡場攝像機系統(tǒng)的設計與開發(fā)[D].浙江大

學碩士學位論文，2013.

[2] SASSI G. Some notes on shadow and blockage effects[J]. Solar

Energy，1983.31（3）：331-333

[3] 王成昱，萬定生，郭鐵錚.RBF神經網絡在定日鏡場故障診斷中的應

用[J].信息技術，2011.1：6-13

[4] 金立軍，胡娟，閆書佳.基于圖像的高壓輸電線間隔棒故障診斷方法[J].

高電壓技術，2013.39（5）：1040-1044

[5] 潘建平，鄔明權.基于數(shù)學形態(tài)學的道路提取[J].計算機工程與應用，

2008.44（11）：232-234.

[6] 徐國保，王驥，趙桂艷等.基于數(shù)學形態(tài)學的自適應邊緣檢測新算法[J].

計算機應用，2009.29（4）：997-999

[7] 張錚，王艷平，薛桂香.數(shù)字圖像處理與機器視覺-Visual C++與

Matlab實現(xiàn)[M].人民郵電出版社，2012.

[8] Heliostat field： over 2，000 movable mirrors[OL]. http：//www.dlr.

de/en/Portaldata/1/Resources/portal_news/newsarchiv2009_4/juelich_heliostatfeld.jpg.