劉 振 蔣紅海何邦華 唐 軍 劉 澤 袁銳波 周 冰

（1.昆明理工大學(xué)機電工程學(xué)院 昆明 650500）（2.云南中煙工業(yè)有限責(zé)任公司技術(shù)中心 昆明 650032）

1 引言

煙葉制絲過程中，加料的均勻性是加料霧化過程的一個重要評價指標(biāo)，與提升煙葉的品質(zhì)呈正相關(guān)［1］。加料霧化［2］粒度直接影響著煙葉的吸收料液的均勻性。本文基于數(shù)字化圖像處理技術(shù)［3］精密測量液霧粒度。圖像處理技術(shù)已經(jīng)成為非接觸測量［4］的主要手段。文獻(xiàn)［5］是通過圖像的前期處理把單次曝光的粒子像點等效成圓形像點，然后把像素數(shù)轉(zhuǎn)化成實際尺寸［6］。目前劉海龍等［7］采用模糊測量法測量氣液旋風(fēng)分離器液滴粒度。梁永坤等［8］使用快速相機并借助圖像處理技術(shù)研究液液霧化特性，得出在水流量變化時，形成液滴粒徑的范圍及變化趨勢。本文基于數(shù)字化圖像處理技術(shù)搭建圖像采集實驗平臺，圖像處理軟件Halcon和高速攝像機通訊，實時采集噴嘴軸向和軸向截面圖像并測量液霧粒度。

2 圖像采集平臺的搭建

2.1 圖像采集平臺

圖像采集平臺如圖1所示，該系統(tǒng)主要由高速攝像機、自由空間、加料噴嘴、背光源、PC、激光發(fā)射器等組成。為了更好地研究噴嘴的霧化效果，需要在解耦狀態(tài)下研究噴嘴液相流的霧化機理，因此要搭建一個噴嘴自由霧化的平臺。根據(jù)料液噴嘴出口直徑為3.8mm，噴嘴的空間擴散度及霧化體積且在保證霧化效果受自由空間邊界影響情況下，最終確定長度為2.4m，寬度與高度為1.5m的自由空間并在1.5m×1.5m端沿自由空間中心軸線開口，以便放置噴嘴。將噴嘴軸向區(qū)域劃分區(qū)間，高速攝像機選用型號為FASTCAMMiniUX50/100，可以達(dá)到100萬個像素、160000fps的性能。本項目采用的大功率激光光源是12V大功率調(diào)焦藍(lán)光激光模組，波長為450nm，功率可達(dá)10W，可提供0.5mm～5mm的激光束及扇形光面。

圖1 圖像采集平臺

2.2 實驗內(nèi)容

調(diào)整噴嘴角度為0°，料液溫度45℃、55℃、65℃，氣體壓力0.25MPa、0.35MPa、0.45MPa，料液流量為20kg/h，30kg/h，40kg/h等工況下做正交實驗。在2.4m×1.5m平面劃分了等分區(qū)域，實驗分區(qū)采集軸向和截面激光圖像。實時采集A、B、D區(qū)域軸向和軸向激光截面圖像。為了獲得通過噴嘴軸線鉛錘面上的液滴狀態(tài)，需要在此鉛錘面上布置對焦標(biāo)定板，對焦標(biāo)定板除了使高速相機焦點對準(zhǔn)此鉛垂面外，還要進(jìn)一步達(dá)到尺寸標(biāo)定的目的，即換算像素尺寸與物理尺寸之間的關(guān)系。如圖2所示。

3 測量方法

本文使用圖像處理軟件Halcon開發(fā)的測量算法主要分為：圖像采集、特征識別、測量粒度。該測量方法流程如圖3所示。

圖2 采集圖像區(qū)域

圖3 測量流程圖

3.1 圖像采集

高速攝像機通過以太網(wǎng)連接和PC實時通訊，采集圖像并保存到相應(yīng)路徑下。圖像會有一定的畸變［9］，使用Photron軟件對相機進(jìn)行調(diào)焦和標(biāo)定［10］。相機標(biāo)定界面如圖4所示。標(biāo)定板外形尺寸50mm×50mm，刻度總長30mm×30mm，刻度精度1.0μm。通過相機監(jiān)測軟件軟件（PFV）調(diào)整曝光率，A區(qū)、B區(qū)、D區(qū)對應(yīng)的軸向圖像曝光率為1/5000s、1/16000s、1/8000s，激光截面圖像曝光率為1/2000s，1/1500s，1/500s。

3.2 圖像處理

3.2.1 圖像預(yù)處理

圖4 高速相機標(biāo)定界面

首先把原圖像轉(zhuǎn)化成灰度圖像。由于圖像在獲取或傳輸過程中，成像傳感器受到外部環(huán)境的干擾或者自身的性能發(fā)生改變便產(chǎn)生了數(shù)字圖像噪聲，需要對圖像平滑去噪處理。中值濾波器屬于非線性數(shù)字濾波器，經(jīng)常被用于降低減少圖像中的噪聲。它是把該像素鄰域中的像素點灰度中值替代該像素的灰度值，即

通過對在（x，y）像素進(jìn)行中值計算，將其設(shè)定為圖像的灰度值，可有效地降低減少圖像噪聲。背光源和激光截面圖像采用的為3×3的中值濾波算子模板濾波，能達(dá)到預(yù)期效果。

為了把液霧特征和背景分開，識別液霧粒子，在ROI區(qū)域使用閾值分割識別液霧粒子。閾值分割是利用灰度頻率分布信息將圖像f分割成不相交的非空子集R1，R2，…Rm，并且每個子集內(nèi)的像素灰度級分布在一個連續(xù)的灰度段。本文閾值分割表示為

其式中T為二值化閾值，f(x，y)為圖像像素點陣中(x，y)點的灰度，p(x，y)為該點鄰域的某種局部性質(zhì)如連通性。

由于液霧粒子會有少數(shù)粘連，本文利用數(shù)學(xué)形態(tài)學(xué)對粘連液霧進(jìn)行分割。數(shù)學(xué)基本形態(tài)學(xué)運算如下：設(shè)A、C等符號表示灰度圖像。

1）膨脹運算

A被B膨脹，記為C=A⊕B，運算結(jié)果為

其中 b(iˇ，j)表示對所有的 B(i，j)取最大值。

2）腐蝕運算

A被B腐蝕，記為C=AΘB，運算結(jié)果為

其中b(i^，j)表示對所有的 B(i，j)取最小值。

3）開操作

用B對A進(jìn)行開運算，記為C=A?B，運算結(jié)果為

4）閉操作

用A對B進(jìn)行閉運算，記為C=A·B，運算結(jié)果為

預(yù)處理分割結(jié)果如圖5所示。

圖5 分割特征液霧

3.2.2 液霧特征識別與填充

特征區(qū)域的面積、緊密度（Compachtness）和中心坐標(biāo)是軸向液霧粒子圖像通過圖像預(yù)處理后得出的重要特征，是液霧粒子識別的重要參數(shù)。面積是預(yù)處理后得到不同的區(qū)域，然后將這些區(qū)域連通，得到的連通區(qū)域總數(shù)。面積是反映圖像中目標(biāo)區(qū)域的最常用特征之一。對于一個圖像區(qū)域R，其面積A表示為

緊密度是面積和周長之間的比值，通過比值的大小來確定目標(biāo)物體區(qū)域形狀的復(fù)雜程度特征量，其公式定義如下：

式中：C表示緊密度；A表示區(qū)域面積；S表示區(qū)域周長。

緊密度的值域為［0，1］。

粒子中心坐標(biāo)一般是離散型的，它是對目標(biāo)物體區(qū)域內(nèi)的像素點的位置坐標(biāo)求取平均值。粒子中心坐標(biāo)如下：

通過上述特征參數(shù)識別得到的單個液霧粒子可能存在空洞，本文要標(biāo)記特征粒子連通區(qū)域并填充空洞。如圖6所示。

圖6 特征粒子識別與填充

3.3 平均粒徑測量

3.3.1 液霧軸向粒度測量

由于高速攝像機像素較高，采集到的粒子近似于圓形，可將粒子像點等效成圓形。每個區(qū)域提取液霧粒子個數(shù)至少為3510個。液霧軸向測量采用的是液霧粒度平均半徑：1）計算液霧粒子特征的最小外接圓半徑；2）計算相應(yīng)液霧粒子內(nèi)切圓半徑；3）計算其平均半徑。

該測量方法把提取出的液霧粒子的像素數(shù)轉(zhuǎn)化為實際尺寸。實際值長度尺寸單位（mm）與像素單位（pixel）之間標(biāo)定系數(shù)：

液霧粒度計算公式：

A區(qū)標(biāo)定系數(shù)k=0.0902mm/pixel，B區(qū)標(biāo)定系數(shù)k=0.0645mm/pixel，D區(qū)標(biāo)定系數(shù)k=0.0580mm/pixel。

3.3.2 液霧激光截面粒度測量

本方法利用料液的光散射和成像特性，激光光源平面與被測料液液霧軸向運動方向平行。通過調(diào)節(jié)相機曝光時間，采集液霧軌跡序列圖像。對識別出來的液霧特征并計算特征粒子最小外接矩形。選擇矩形較短邊為特征粒子的粒度，如圖7所示。

液霧粒度計算公式：

A區(qū)標(biāo)定系數(shù)k=0.0950mm/pixel，B區(qū)標(biāo)定系數(shù)k=0.1091mm/pixel，D區(qū)標(biāo)定系數(shù)k=0.1410mm/pixel。

圖7 激光截面粒度測量

4 測量方法驗證

在氣體壓力為0.25MPa工況下，背光源軸向與激光截面兩種方法測量平均粒度如圖8所示，誤差計算公式為

X(j)為軸向平均粒度，Y(j)為截面平均粒度。計算誤差約為3.5%，驗證了測量方法的有效性。

圖8 軸向與截面平均粒度

5 測量結(jié)果及分析

圖9 不同區(qū)域液霧粒徑分布

各個工況下，隨著液霧向前推進(jìn)，液霧粒度會變小，液霧粒度分布基本符合正態(tài)分布（如圖9所示）。如圖10，在相同氣體壓力和溫度下，隨著料液流量增大，粒度分布累積曲線斜率越小，平均粒徑越大。在55℃-0.35MPa-20kg/h工況下，粒度分布變化最快。如圖11，在相同流量下，隨著氣壓的增大，粒度分布曲線變化越快。在55℃-0.45MPa-30kg/h工況下，粒度分布變化最快。料液溫度（粘度）對粒度分布影響較小。

圖10 相同氣壓和溫度

圖11 相同料液流量

6 結(jié)語

本圖像采集系統(tǒng)能實時采集圖像并用圖像處理軟件halcon開發(fā)識別并測量液霧粒度程序。兩種方法測量誤差為3.5%，驗證了測量方法的有效性和可行性。測量結(jié)果可為噴嘴霧化的數(shù)值模擬驗證提供可靠的數(shù)據(jù)。

［1］陳良元.煙草生產(chǎn)工藝技術(shù)［M］.鄭州：河南科學(xué)技術(shù)出版社，2002：19-22.

CHEN Liangyuan.Tobacco production technology［M］.Zhengzhou：Henan science and Technology Press，2002：19-22.

［2］曹建明.液體噴霧學(xué)［M］.北京：機械工業(yè)出版社，2005：168-192.

CAO Jianming.Liquid Sprays［M］.Beijing：Machinery In?dustry Press，2005：168-192

［3］史春建，邱白晶，湯伯敏.基于高速圖像的霧滴尺寸分布統(tǒng)計與運動分析［J］.農(nóng)業(yè)機械學(xué)報，2006，37（5）：63-66.

SHI Chunjian，ZHOUBaijing，TANG Bomin.Statistical analysis and motion analysis of droplet size distribution based on high speed image［J］.Journal of agricultural ma?chinery，2006，37（5）：63-66.

［4］毛靖儒，施紅輝，王璧玉.氣液兩相流中霧滴尺寸的測量［J］.汽輪機技術(shù)，1990，32（3）：49-55.

MAO Jingru，SHI Honghui，WANG Biyu.Measurement of droplet size in gas-liquid two-phase flow［J］.Steam turbine technology，1990，32（3）：49-55.

［5］黃成杰，吳志軍，李治龍.粒子圖像速度粒度同場測量基礎(chǔ)與實驗驗證［J］.吉林大學(xué)學(xué)報（工學(xué)版），2010，40（4）：1106-1111.

HUANG Chengjie，WU Zhijun，LI Zhilong.Fundamentals of particle velocity and size measurement in same field and its experimental validation［J］.Jilin University（Engi?neeringand TechnologyEdition），2010，40（4）：1106-1111.

［6］杜永成，楊立，劉天.基于數(shù)字粒子圖像測速的水霧粒徑測量算法及實驗［J］.中國光學(xué)，2013，6（3）：409-414.

DU Yongcheng，YANG Li，LIU Tian.Algorithm and exper?iment of particle size measurement based on digital parti?cle image velocimetry［J］.Chinese Optics，2013，6（3）：409-414.

［7］劉海龍，陳孝震，蔡小舒.基于軌跡圖像的氣液旋風(fēng)分離器液滴粒度、濃度、速度的在線測量［J］.化工學(xué)報，2012，63（6）：1729-1734.

LIU Hailong，CHEN Xiaozhen，CAI Xiaoshu.On line mea?surement of droplet size，concentration and velocity of gas-liquid cyclone separator based on trajectory image［J］.Journal of Chemical Engineering，2012，63（6）：1729-1734.

［8］梁永坤，彭正標(biāo)，袁竹林.液液霧化特性與粒徑分布規(guī)律［J］.化工學(xué)報，2007，58（8）：1935-1942.

LIANG Yongkun，PENG Zhengbiao，YUAN Zhulin.Char?acteristics of liquid atomization and particle size distribu?tion［J］.Journal of Chemical Engineering，2007，58（8）：1935-1942.

［9］Carsten Steger，Markus Ulrich，Christian Wiedemann.機器視覺算法與應(yīng)用［M］.楊少榮等譯.北京：清華大學(xué)出版社，2008：257-261.

Carsten Steger，Markus Ulrich，Christian Wiedemann.Ma?chine vision algorithms and Applications［M］.Beijing：Ts?inghua University Press，2008：257-261.

［10］趙小松，張宏偉，張國雄，等.攝像機標(biāo)定技術(shù)的研究［J］.機械工程學(xué)報，2002，38（3）：149-151.

ZHAO Xiaosong，ZHANG Hongwei，ZHANG Guoxiong，et al.Research on camera calibration technology［J］.Journal of Mechanical Engineering，2002，38（3）：149-151.