【学术论文】基于背景差分法的尾气烟度检测系统设计

摘要

随着机动车尾气的大量排放,为减少大气污染,对尾气进行相关的检测也越来越重要。为自动检测机动车尾气黑度,设计并实现了一种对尾气图片使用图像处理的方法进行林格曼级数检测的系统。通过对汽车尾气进行拍照处理,获得机动车尾气黑度的林格曼级数。同时可以将检测结果通过4G网发送给手机APP,手机端也能控制检测系统进行拍照,获取分析结果,打印报告。该研究为机动车尾气黑度检测提供了一种可行的方案,具有一定的现实意义。

中文引用格式: 薛梦,郧建平,梁赫西,等. 基于背景差分法的尾气烟度检测系统设计[J].电子技术应用,2019,45(5):85-88.
英文引用格式: Xue Meng,Yun Jianping,Liang Hexi,et al. Design of automobile exhaust detection system based on background difference[J]. Application of Electronic Technique,2019,45(5):85-88.

0 引言

国内对机动车尾气的烟气黑度检测的方法大部分是检测人员使用模拟检测设备进行测量[1]。在实际检测操作中,检测人员的熟练程度会对检测结果产生一定的影响,同时对检测人员进行专业的训练也需要一定的成本。机动车的烟度检测主要有三种方式,分别是对照法、测烟望远镜和基于光电的测烟法。对照法要求在检测时,烟气图至检测人员眼睛的距离在2 m以内,实际操作中一般采取1.5 m左右,被检测机动车的尾气黑度等级值依据检测人员的主观判断;使用测烟望远镜会因为林格曼黑度图被安装在望远镜的镜筒内而影响检测人员的判断。基于光电的测烟法对天气的依赖程度较高,常用于天气较为晴朗的情况下,而阴霾、多云天气会对检测结果有较大程度的影响。对机动车尾气黑度检测采用自动化处理,可以使得检测更为便捷与准确[2]。对机动车的检测结果亦可以进行报告打印,同时进行电子存储。

本文设计并实现了基于背景差分法的机动车尾气检测系统。通过对尾气进行拍摄、处理、分析得到尾气的林格曼黑度值,克服了现有技术的缺陷。为方便操作,检测也可以通过手机来实现远程控制。该设计为检测车辆尾气黑度提供了一种简便可行的方案[3-6]

1 系统整体设计

基于可见光的尾气检测系统结构如图1所示,由三部分组成:手机控制APP、检测系统(控制板和摄像头)、打印与通信系统。手机控制APP部分主要功能为:对烟度检测设备进行相关设置与显示;通信系统实现手机端与烟度检测控制端进行通信,手机端可以将设置信息发送到检测端,也可以控制拍摄图拍的数量;控制端可以向手机端发送图片拍摄成功标记,也可以发送尾气检测结果。

尾气烟度检测控制端主控芯片使用的是ARM架构的RK3399,该芯片由CortexA72和CortexA53组成大小核,主频可达2 GHz,性能上可完成对尾气的实时拍摄。为了更好地支持图像处理,该芯片还搭载了Mali T860的GPU(Graphics Processing Unit)。芯片集成H.265(高达2 Mb/s的传输速度传送720P普通高清音视频传送)的解码方式和H.264的编码方式,使得检测系统能够采集连续且清晰的尾气图像。尾气检测终端运行嵌入式Linux操作系统来完成对硬件资源管理[7-8]。打印机通过串口接入烟度检测设备,对检测的结果进行打印。手机APP与烟度检测系统的通信通过电信网络,使得检测人员可以进行远距离操控。

2 系统核心部分设计

2.1 使用背景差分法检测尾气区域

为检测车辆的尾气黑度,需要对采集的图像进行处理,提取图像中的尾气烟雾区域,获得林格曼黑度等级[9-12]。为解决这个问题,本系统采用背景差分法来确定尾气烟雾区域[13]。该算法具有实现简单、计算速度快的特点,因而响应速度快,是常用的区域检测技术。同时该算法不易受光线影响,有益于对尾气的检测。因为系统检测对象是尾气区域,是非动态对象模型,故对算法中的背景固定为检测前未排放尾气时图片,无需对背景模型不停地更新,提高了系统的响应速度。检测区域为:

式中,(x,y)为图像像素点的坐标,该坐标系以图片长为X轴,图片宽为Y轴建立。G(x,y,t)为采集的图片,B(x,y,t)为背景图片。对连续拍摄的两张图片差分,也肯定存在干扰。为了滤除干扰,可以通过分析差分图像的直方图得到阈值T。

利用图像采集部分采集图片,然后利用改进了的背景差分法识别图中尾气区域,算法处理前后的图像效果如图2所示,可见背景差分法能较好地对尾气进行提取。

2.2 控制检测设计

检测控制端程序基于Qt框架进行开发,主要包括通信、相机控制和图像处理。在系统启动后,通过添加一个脚本完成对尾气检测程序的启动[14]。程序的启动过程如图3所示。程序启动后进行相机设备枚举,并进行初始化,开启图片采集的线程。相机相关属性设置从本地配置文件中获取或者设置为默认值,其他信息从本地读取上一次操作的备份。信息备份文件在填写或接收到手机端发送的被检测车辆信息时生成,并在初始化显示屏后读取并显示。

4G模块接收到拍照请求后,进行车辆尾气图片的采集。采集成功则给手机端返回信息,并将该图片编号。当图片数量达到设置值后,再接收到拍照请求将返回图片采集已完成的信息。尾气图片采集完成后调用图像处理函数,进行尾气区域的提取,并与标准林格曼图进行比较,获得林格曼黑度值。处理完毕后,生成检测报告。手机端可以通过获取分析来获得被检测车辆的尾气检测结果。打印机可以将检测报告进行打印。

2.3 拦截短信和彩信

为了让手机APP实时收发短信和彩信,需要对Android系统短信和彩信进行拦截与读取[15]。为管理短信服务(Short Message Service)和彩信服务(Multimessage Service),Android系统在MMSSMS数据库中维护了13张表。每张表为不同的功能服务,如inbox用于存储接收到的短信内容,outbox用于存储发送短信的内容等。接收短信彩信的解析路径为“content://sms/inbox”和“content://mms/part”,获取短信彩信内容后,判定是不是尾气检测终端发送过来的内容。短信彩信的接收通知问题,解决方案有轮循和注册广播接收器。第一种方案,以一定的时间间隔去MMSMS数据库中查找相应的字段来获取通知。这种方案存在效率低下的问题,通过使用观察者模式监视收件箱来对这一缺陷进行改进。第二种方案,在Android系统中注册一个广播接收器,在接收到短信或者彩信时进行广播,APP去遍历广播接收器。这种方案存在一个权限问题,对于系统的安全性管理,手机厂商并没有一个统一的规范,故其在定制Android系统时,可能仅给预装软件发送广播事件。综合比较两种方案,选择改进后的轮询方式,因为注册广播接收器这个功能对系统具有强依赖性。

3 系统测试

对手机和检测终端之间的通信进行测试。打开手机APP,设置检测信息,图4所示为相应的设置信息。点击发送设置按钮,将设置信息发送到检测端。检测端接收到数据后,先进行编码转换,然后利用正则匹配来提取各项信息。提取完后将信息备份到本地,然后显示在检测端的显示屏上,如图5所示。

测试完通信功能后,对系统进行整体性测试。图6所示为使用手机APP设置相应的信息并采集完图片。也可以直接通过尾气检测端设置,图片的采集通过界面上的相机按钮来进入操作界面。图7为最后的检测结果图,可以将结果发送到手机端。

4 结束语

本文设计并实现了基于背景差分法的尾气检测系统,通过对尾气的成像以及图像处理,能有效地对机动车尾气的黑度进行自动化检测。该检测系统具有简单易操作、快捷、成本低的特点,可在机动车尾气黑度检测场景下使用。在实际使用过程中,可从报告的存储和尾气区域的检测部分进行改进。由于检测报告存储在本地,需要定期取出,后期可以使用数据库来存储。还有就是优化尾气区域检测算法,使其可以适应更为复杂的环境。

参考文献

[1] 孙鹏.固定污染源排放烟气黑度的测定——林格曼烟气黑度图法(HJ/T 398-2007)有效性复审意见[J].环境与可持续发展,2017,42(2):123-124.

[2] 中国科学技术大学.一种柴油车烟气黑度自动检测装置:中国,CN201410070139.3[P].2014-05-21.

[3] 李海卜.基于ARM的嵌入式烟雾检测系统设计[D].秦皇岛:燕山大学,2012.

[4] VICENTE J,GUILLEMANT P.An image processing technique for automatically detecting forest fire[J].International Journal of Thermal Sciences,2002,41(12):1113-1120.

[5] 刘峰,刘光远,龙正吉,等.一种新型的激光烟雾浓度检测系统研究[J].激光与光电子学进展,2014,51(12):147-152.

[6] ZHU J,CHOI M Y,MULHOLLAND G W,et al.Measurement of visible and near-IR optical properties of soot produced from laminar flames[J].Proceedings of the Combustion Institute,2002,29(2):2367-2374.

[7] 宋宝华.Linux设备驱动开发详解[M].北京:人民邮电出版社,2010.

[8] 拉芙.Linux内核设计与实现[M].北京:机械工业出版社,2011.

[9] 宗世朋.基于视频图像的烟雾检测系统的设计与实现[D].成都:电子科技大学,2013.

[10] 王新玲.基于图像的烟雾浓度检测技术研究[D].太原:中北大学,2012.

[11] WIDMANN J F,YANG J C,BUNDY M,et al.A laboratory apparatus for the measurement of optical extinction coefficients of postflame soot in the infrared[J].Review of Scientific Instruments,2003,74(2):938-944.

[12] Zhang Xiaoying,Lai Cheng,Chen Xuyi.A similarity study on the infrared radiation of solid rocket plume in different reduced-scale sizes[C].IEEE Aerospace Conference,2015.

[13] 屈晶晶,辛云宏.连续帧间差分与背景差分相融合的运动目标检测方法[J].光子学报,2014,43(7):219-226.

[14] 门佳.Linux Shell脚本攻略[M].北京:人民邮电出版社,2014.

[15] 张倩倩.基于Android短信服务的手机安全监控系统的设计与实现[D].天津:天津大学,2012.

作者信息:

薛  梦,郧建平,梁赫西,艾  勇,周凌林,裘兆炳

(武汉大学 电子信息学院,湖北 武汉 430072)

 

(0)

相关推荐