付龍飛，王 娟，劉永洛，封強(qiáng)鎖，姚 蕾

（西安熱工研究院有限公司，西安710054）

探索表征電力用油劣化變質(zhì)指標(biāo)和評(píng)判方法是目前國(guó)內(nèi)外油品檢測(cè)領(lǐng)域和電廠化學(xué)領(lǐng)域的研究熱點(diǎn)，也是極具挑戰(zhàn)性的研究領(lǐng)域之一。電力用油如汽輪機(jī)油及抗燃油等在運(yùn)行中均不可避免地會(huì)劣化變質(zhì)，油品劣化變質(zhì)后必然會(huì)產(chǎn)生油泥，即油中劣化產(chǎn)物縮合后形成的大分子產(chǎn)物[1]。在電力用油的生產(chǎn)監(jiān)督實(shí)踐過(guò)程中發(fā)現(xiàn)油泥含量能夠表征油品的劣化程度， 因此在各種電力用油維護(hù)管理導(dǎo)則及質(zhì)量監(jiān)督標(biāo)準(zhǔn)中都明確要求檢測(cè)并降低油泥的含量[2]。

傳統(tǒng)的油泥檢測(cè)方法， 因其檢測(cè)過(guò)程繁瑣、用時(shí)過(guò)長(zhǎng)（需要幾天才能出結(jié)果）且需要精密儀器，使其無(wú)法應(yīng)用于油泥的快速檢測(cè)，制約了油泥檢測(cè)在油質(zhì)監(jiān)督中的重要作用[3]。對(duì)此，提出基于圖像處理的油泥快速檢測(cè)系統(tǒng)，可對(duì)電力用油的油泥含量進(jìn)行準(zhǔn)確檢測(cè)。系統(tǒng)采用CCD 圖像傳感器對(duì)電力用油中油泥進(jìn)行采集，運(yùn)用邊緣檢測(cè)算法進(jìn)行圖像提取，最終基于樣本數(shù)據(jù)庫(kù)進(jìn)行油泥含量的準(zhǔn)確檢測(cè)。系統(tǒng)以邊緣檢測(cè)算法為核心，高分辨率CCD 圖像傳感器作為檢測(cè)元件采集信息，低畸變、大景深的雙遠(yuǎn)心鏡頭作為成像元件，實(shí)現(xiàn)油泥含量的快速檢測(cè)。

1 系統(tǒng)結(jié)構(gòu)及檢測(cè)原理

1.1 檢測(cè)原理

油泥快速檢測(cè)系統(tǒng)的檢測(cè)原理如圖1所示。

圖1 系統(tǒng)的檢測(cè)原理Fig.1 Detection principle of the system

采用CCD 相機(jī)采集油泥圖像，圖像信息以數(shù)字信號(hào)的形式傳輸?shù)角度胧接?jì)算機(jī)進(jìn)行數(shù)據(jù)處理。基于LabVIEW 平臺(tái)的IMAQ Vision 圖像處理功能開(kāi)發(fā)檢測(cè)程序[4]，對(duì)采集到圖像數(shù)據(jù)進(jìn)行處理、分析、顯示及結(jié)果保存。

1.2 系統(tǒng)結(jié)構(gòu)

油泥快速檢測(cè)系統(tǒng)主要由相機(jī)、 雙遠(yuǎn)心鏡頭、平行背光源、嵌入式計(jì)算機(jī)與導(dǎo)軌支架組成。圖像采集和處理部分由高品質(zhì)感光器件的黑白CCD 相機(jī)、高分辨率雙遠(yuǎn)心鏡頭和高性能嵌入式計(jì)算機(jī)組成；光源采用均勻性好、發(fā)光方向一致性高的平行背光源。自主研發(fā)的雙遠(yuǎn)心油泥測(cè)量系統(tǒng)如圖2所示，相機(jī)和鏡頭的參數(shù)見(jiàn)表1。

圖2 油泥測(cè)量系統(tǒng)Fig.2 Detection system of sludge

雙遠(yuǎn)心鏡頭通過(guò)在光路中設(shè)置孔徑光闌，限制軸上成像光束中邊緣光線的最大傾角，使物體側(cè)和成像側(cè)的主光線平行于光軸，從而保證了較大的景深范圍和工作距離內(nèi)放大倍率恒定[5]。所采用的雙遠(yuǎn)心鏡頭具有遠(yuǎn)心度小，分辨率高，超低成像畸變以及較高的光透射率。

相機(jī)采用千兆以太網(wǎng)接口進(jìn)行圖像實(shí)時(shí)傳輸，以大型數(shù)據(jù)包傳輸形式，減少對(duì)中斷的處理，提高性能增加穩(wěn)定。

2 油泥檢測(cè)軟件設(shè)計(jì)

2.1 相機(jī)標(biāo)定

相機(jī)標(biāo)定是視覺(jué)測(cè)量中的前提條件，是轉(zhuǎn)換目標(biāo)像素圖像坐標(biāo)到世界坐標(biāo)的重要過(guò)程。透鏡的畸變效應(yīng)是其固有特征，任何鏡頭都存在畸變，在實(shí)際使用中， 普通鏡頭需采集若干張標(biāo)定板的圖片，通過(guò)標(biāo)定算法獲得相機(jī)的內(nèi)參數(shù)和外參數(shù)，根據(jù)此參數(shù)矯正畸變的圖像，從而得到被測(cè)物的實(shí)際參數(shù)，但是雙遠(yuǎn)心鏡頭具有超低畸變（如＜0.06%），在檢測(cè)過(guò)程中可忽略。在此選用光學(xué)玻璃材質(zhì)的13×12 陣列棋盤(pán)格作為標(biāo)定板， 其圖案大小為3 mm×3 mm，圖案精度為0.001 mm。根據(jù)檢測(cè)標(biāo)定的實(shí)際幾何尺寸及其對(duì)應(yīng)的像素?cái)?shù)量，計(jì)算出像素當(dāng)量。

2.2 程序結(jié)構(gòu)

基于LabVIEW 平臺(tái)IMAQ Vision 圖像處理功能開(kāi)發(fā)的油泥檢測(cè)系統(tǒng)程序流程如圖3所示。采集到被測(cè)油泥樣品圖像后，先采用濾波的方法對(duì)圖像進(jìn)行預(yù)處理，去除圖片中的噪聲，然后采用圖像分割技術(shù)提取出目標(biāo)區(qū)域，將目標(biāo)與背景分離，根據(jù)提取出的目標(biāo)區(qū)域?qū)Ρ粶y(cè)物油泥情況進(jìn)行特征提取處理，并進(jìn)行特征參數(shù)計(jì)算，最終輸出計(jì)算的油泥結(jié)果。

圖3 油泥檢測(cè)系統(tǒng)程序流程Fig.3 Program flow chart of sludge detection system

2.3 特征提取

玻璃試管中油泥的圖像邊緣是其灰度變化比較劇烈的區(qū)域，因此油泥檢測(cè)的核心是油泥邊緣的提取，即圖像邊緣檢測(cè)。常用的邊緣檢測(cè)算子包括Roberts，Sobel，Canny 等，其中Canny 算子綜合使用量高斯函數(shù)及一階差分等計(jì)算方法，具有較高的信噪比及良好的定位性能。在此采用了Canny 邊緣檢測(cè)算子進(jìn)行邊緣特征的提取，其運(yùn)算流程如圖4所示。

圖4 Canny 邊緣檢測(cè)算子流程Fig.4 Flow chart of Canny edge detection operator

Canny 算子開(kāi)始利用高斯濾波函數(shù)平滑圖像去噪，然后采用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度幅值和方向，并經(jīng)過(guò)非極大值抑制的運(yùn)算過(guò)程，且采用2個(gè)閾值th1 和th2 對(duì)非極大值抑制圖像進(jìn)行處理，連接邊緣線，完成Canny 算子的邊緣檢測(cè)。

2.4 特征計(jì)算

在準(zhǔn)確獲取油泥圖像的邊緣特征后，根據(jù)圖像處理的方法測(cè)量油泥的投影面積、高度及寬度的像素參數(shù)，結(jié)合標(biāo)定出的像素當(dāng)量，最終計(jì)算出實(shí)際對(duì)應(yīng)參數(shù)值。由于油泥上面存在差異，因此需對(duì)油泥上界面進(jìn)行有效特征提取計(jì)算，首先根據(jù)提取到的圖像對(duì)上界面進(jìn)行景深范圍內(nèi)前后沿提取，判斷上界面是否符合直接特征計(jì)算要求，根據(jù)判斷結(jié)果執(zhí)行相應(yīng)的有效高度計(jì)算，特征參數(shù)計(jì)算流程如圖5所示。

圖5 特征參數(shù)計(jì)算流程Fig.5 Flow chart of characteristic parameter calculation

基于預(yù)先建立的油泥含量樣本數(shù)據(jù)庫(kù)信息，結(jié)合測(cè)量的油泥圖像參數(shù)，計(jì)算出所采集圖像的油泥含量。

3 系統(tǒng)檢測(cè)結(jié)果

基于LabVIEW 的程序開(kāi)發(fā)分為前面板開(kāi)發(fā)和程序框圖開(kāi)發(fā)。前面板主要完成人機(jī)交互界面接口，如設(shè)置名稱、顯示結(jié)果、顯示圖像等，可實(shí)現(xiàn)檢測(cè)過(guò)程的直觀展示， 油泥檢測(cè)系統(tǒng)操作界面如圖6所示。

圖6 油泥檢測(cè)系統(tǒng)操作界面Fig.6 Operating interface of sludge detection system

前面板中，交互控件對(duì)應(yīng)于程序框圖中的輸入及者輸出端口，按照油泥檢測(cè)功能，采用IMAQ Vision 工具包在程序框圖中進(jìn)行軟件設(shè)計(jì)， 通過(guò)合理使用循環(huán)結(jié)構(gòu)、事件結(jié)構(gòu)及順序結(jié)構(gòu)，完成了圖像采集、圖像預(yù)處理、特征提取、特征計(jì)算、結(jié)果顯示等功能。油泥測(cè)量結(jié)果見(jiàn)表2。

由表2可知，基于LabVIEW 的油泥檢測(cè)系統(tǒng)具有較小的測(cè)量誤差、 檢測(cè)結(jié)果能真實(shí)表征油泥含量。造成誤差的原因是系統(tǒng)安裝、定位及樣本數(shù)據(jù)庫(kù)的數(shù)量等因素，合理的定位安裝及足夠樣本數(shù)據(jù)可進(jìn)一步提高檢測(cè)準(zhǔn)確性。

表2 油泥測(cè)量結(jié)果及分析Tab.2 Sludge measurement results and analysis

4 結(jié)語(yǔ)

研制了一套電力用油油泥含量檢測(cè)系統(tǒng)，解決了現(xiàn)階段油泥檢測(cè)的時(shí)效性問(wèn)題， 提高了檢測(cè)效率。以電力用油的油泥含量為檢測(cè)對(duì)象，通過(guò)設(shè)計(jì)圖像采集系統(tǒng)采集油泥圖像，并通過(guò)千兆網(wǎng)絡(luò)傳輸至嵌入式計(jì)算機(jī)中，計(jì)算機(jī)通過(guò)圖像處理、分析圖像特征計(jì)算特征參數(shù)，最終檢測(cè)出電力用油的油泥含量。試驗(yàn)結(jié)果表明，基于LabVIEW 的油泥檢測(cè)系統(tǒng)可以完成油泥含量的測(cè)量， 具有較高的準(zhǔn)確性。鑒于電力用油油泥含量可以表征油品的老化程度，基于LabVIEW 的油泥含量圖像測(cè)量將具有十分廣泛的應(yīng)用前景。