一种基于视频图像和闪烁频率的火焰检测系统的制作方法

本发明涉及一种基于视频图像和闪烁频率的火焰检测系统。

背景技术：

随着科技的发展，市场上火焰检测单元绝大多数是基于燃烧火焰闪烁频率简单算法处理对火焰进行判断，其功能主要是围绕燃烧器是否着火进行设计，容易造成漏看、偷看现象，特别是大型火力发电机组燃烧器之间安装比较紧凑，漏看很难避免。

以上不足，有待改进。

技术实现要素：

为了克服现有的技术的不足,本发明提供一种基于视频图像和闪烁频率的火焰检测系统。

本发明技术方案如下所述：

一种基于视频图像和闪烁频率的火焰检测系统，包括至少一个火焰检测单元、数据处理中心及云端；

所述火焰检测单元包括镜头组件、分光组件、可见光采集器、红外采集器及处理模块，所述镜头组件与所述分光组件连接，所述分光组件与所述可见光采集器和所述红外采集器均连接，所述可见光采集器和所述红外采集器均与所述处理模块连接；

所述处理模块与所述数据处理中心连接，所述数据处理中心与所述云端连接。

进一步地，所述基于视频图像和闪烁频率的火焰检测系统还包括电源模块，所述电源模块与所述处理模块连接。

进一步地，所述处理模块包括嵌入式数据处理器、视频解码器及采样器，所述可见光采集器与所述视频解码器连接，所述红外采集器与所述采样器连接，所述视频解码器和所述采样器均与所述嵌入式数据处理器连接。

进一步地，所述处理模块还包括存储器，所述存储器与所述嵌入式数据处理器连接。

进一步地，所述基于视频图像和闪烁频率的火焰检测系统还包括数据网络接口，所述嵌入式数据处理器与所述数据网络接口连接，所述数据网络接口与所述数据处理中心连接。

进一步地，所述基于视频图像和闪烁频率的火焰检测系统还包括输出接口，所述嵌入式数据处理器与所述输出接口连接，所述输出接口连接dcs系统。

进一步地，所述基于视频图像和闪烁频率的火焰检测系统还包括i/o接口，所述处理模块与所述i/o接口，所述i/o接口连接外部设备。

进一步地，所述可见光采集器为光学镜头。

进一步地，所述光学镜头的前端设有滤波镜片。

进一步地，所述红外采集器采集红外闪烁频率值为1hz～500hz。

根据上述方案的本发明，其有益效果在于：

（1）本发明提供的基于视频图像和闪烁频率的火焰检测系统，可以根据不同的燃烧器、不同的燃烧功率提供智能的火焰检测算法，除了提供常规的判断依据外，可以彻底避免漏看、偷看现象；

（2）通过火焰温度场信息、闪烁频率利用智能算法得到燃烧质量指标，提供优化燃烧策略，可成为燃烧优化系统关键的组成部分，达到节能效果，优化环保排放指标；

（3）利用云端强大的数据处理和技术能力可以实时的、动态的监控所有的燃烧器状态，通过对大数据的深度学习为各个燃烧器提供专家系统，为客户提供智慧燃烧策略。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的基于视频图像和闪烁频率的火焰检测系统结构示意图一；

图2为本发明的基于视频图像和闪烁频率的火焰检测系统结构示意图二；

图3为本发明的基于视频图像和闪烁频率的火焰检测方法流程示意图一；

图4为本发明的基于视频图像和闪烁频率的火焰检测方法流程示意图二。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接或者间接位于该另一个部件上。当一个部件被称为“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。术语“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置为基于附图所示的方位或位置，仅是为了便于描述，不能理解为对本技术方案的限制。术语“第一”、“第二”仅用于便于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明技术特征的数量。“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请参阅图1，一种基于视频图像和闪烁频率的火焰检测系统，包括至少一个火焰检测单元、数据处理中心及云端；

所述火焰检测单元包括镜头组件、分光组件、可见光采集器、红外采集器及处理模块，所述镜头组件与所述分光组件连接，所述分光组件与所述可见光采集器和所述红外采集器均连接，所述可见光采集器和所述红外采集器均与所述处理模块连接；

所述处理模块与所述数据处理中心连接，所述数据处理中心与所述云端连接。

本实施例提供的基于视频图像和闪烁频率的火焰检测系统的工作原理如下：

本发明提供的基于视频图像和闪烁频率的火焰检测系统，将燃烧的火焰通过分光组件分成可见光和红外两种分别进行检测和应用，一路用可见光采集器将燃烧火焰的可见光部分进行成像，并通过图像处理技术得到燃烧火焰的温度场分布，一路用红外采集器检测到燃烧火焰的闪烁频率来判断各类燃烧器是否着火，通过可见光处理后的温度场与闪烁频率对燃烧质量进行综合性的判断。

其核心思想是将可见光采集器得到的rgb值转换成与温度场相关的颜色空间，动态显示燃烧区的温度分布；用红外采集器检测的数据进行傅里叶变换，得到火焰闪烁的频率空间，再结合温度场和闪烁频率的分布科学评价燃烧质量，达到判断是否着火的情况下，利用燃烧质量的数据指导燃烧调整。

处于硬件底层的核心算法具有深度学习能力，实现不同燃料、不同工况下自适应检测。

布置在不同位置的火焰检测单元将各自的特征数据传送至数据处理中心，并进行身份识别，数据处理中心利用人工智能算法进行综合处理后，将结果告知燃烧调整人员，以实现所有燃烧器处于最佳运行状态。

数据处理中心将火焰检测单元的特征数据传送至云端，云端可实现复杂的智能算法，对数据进行离线分析，云端将处理结果和最优控制策略传回各个控制中心。

本发明提供的基于视频图像和闪烁频率的火焰检测系统的有益效果为：

（1）本发明提供的基于视频图像和闪烁频率的火焰检测系统，可以根据不同的燃烧器、不同的燃烧功率提供智能的火焰检测算法，除了提供常规的判断依据外，可以彻底避免漏看、偷看现象；

（2）通过火焰温度场信息、闪烁频率利用智能算法得到燃烧质量指标，提供优化燃烧策略，可成为燃烧优化系统关键的组成部分，达到节能效果，优化环保排放指标；

（3）利用云端强大的数据处理和技术能力可以实时的、动态的监控所有的燃烧器状态，通过对大数据的深度学习为各个燃烧器提供专家系统，为客户提供智慧燃烧策略。

请参阅图2，在一个实施例中，所述基于视频图像和闪烁频率的火焰检测系统还包括电源模块，所述电源模块与所述处理模块连接。电源模块的设置用于为整个处理模块提供电能。

请参阅图2，在一个实施例中，所述处理模块包括嵌入式数据处理器、视频解码器及采样器，所述可见光采集器与所述视频解码器连接，所述红外采集器与所述采样器连接，所述视频解码器和所述采样器均与所述嵌入式数据处理器连接。

可见光采集器将采集到的图像信息发送至视频解码器，视频解码器对图像信息解码，然后将解码后的图像信息发送至嵌入式数据处理器；

红外采集器将采集到红外信息发送至采样器，采样器对红外信息进行采样以获取ad采样信号，然后将获取的ad采样信号发送至嵌入式数据处理器；

嵌入式数据处理器中预制特定算法，对图像与温度场建立相关性、快速傅里叶变换得到整个闪烁频谱空间，通过温度场和闪烁频率信息判断燃烧火焰质量。

建立视频图像与火焰温度场的关系：t(x,y,t)=g(r,g,b,x,y,t)。

其中t(x,y,t)是视频范围的温度场函数，x、y是平面坐标，t是实时时间。

g(r,g,b,x,y,t)是根据视频图像r、g、b值转换到温度场的函数，是一个空间矩阵转换函数。

建立火焰温度场与燃烧质量的关系：h1(t)=f1(g(r,g,b,x,y,t))。

闪烁频率与燃烧器特征及燃烧质量的关系为：h2(t)=f2(f,t)；

其中，f是频谱空间函数。

嵌入式数据处理器综合温度场燃烧质量指标h1(t)和基于燃烧红外闪烁频率的燃烧质量指标h2(t)得到综合的燃烧质量指标h(t)，以此作为燃烧质量的最终指标，围绕燃烧指标的期望值指导运行人员进行燃烧调整，其关系为：h(t)=a1h1(t)+a2h2(t)。其中a1、a2是权值，可以通过算法针对不同的对象自适应调整权值。

在一个实施例中，基于视频图像和闪烁频率的火焰检测系统同时布置了多个燃烧器，也就需要安装多套火焰检测单元，数据处理中心会根据多个燃烧器的检测数据结果进行整体优化，以保证整个火焰检测单元在最佳运行状态。数据处理中心将火焰检测单元的特征数据传送至云端，进行大数据分析，对检测数据进行深度学习，优化多功能火焰检测单元的数学模型，并为客户提供燃烧优化专家系统，为客户提供智慧燃烧调整策略。

请参阅图2，在一个实施例中，所述处理模块还包括存储器，所述存储器与所述嵌入式数据处理器连接。

请参阅图2，在一个实施例中，所述基于视频图像和闪烁频率的火焰检测系统还包括数据网络接口，所述嵌入式数据处理器与所述数据网络接口连接，所述数据网络接口与所述数据处理中心连接。

请参阅图2，在一个实施例中，所述基于视频图像和闪烁频率的火焰检测系统还包括输出接口，所述嵌入式数据处理器与所述输出接口连接，所述输出接口连接dcs系统。基于视频图像的温度场信息通过视频传输到dcs控制中心，以等温线形式动态显示，实现燃烧火焰温度场信息的可视化。

优选地，输出接口的输出电流范围可以为4ma～20ma。

请参阅图2，在一个实施例中，所述基于视频图像和闪烁频率的火焰检测系统还包括i/o接口，所述处理模块与所述i/o接口，所述i/o接口连接外部设备。

优选地，通过i/o接口输出的信号包括火焰开关量输出、系统故障输出。

在一个实施例中，所述可见光采集器为光学镜头。

在一个实施例中，所述光学镜头的前端设有滤波镜片。滤波镜片的设置过滤掉部分白光，以便于清晰的检测到火焰边缘的图像。

优选地，所述光学镜头为ccd摄像机。

在一个实施例中，所述红外采集器采集红外闪烁频率值为1hz～500hz。

优选地，红外采集器为红外传感器。

优选地，镜头组件能够长期在高温辐射环境下运行，镜头组件的前端设有冷却装置；镜头组件同时满足光纤成像检测和直窥检测两种条件下工作。

请参阅图3、图4，本发明还提供一种基于视频图像和闪烁频率的火焰检测方法，包括：

步骤s10：设备初始化，具体为：启动镜头组件，镜头组件用于获取目标火焰；

步骤s20：对目标火焰进行采集，具体为：对目标火焰进行视频图像采集，同时对目标火焰进行红外射线采集；

步骤s30：获取目标火焰的综合燃烧质量，具体为：对采集到的视频图像进行数据处理，得到火焰温度场分布，同时对采集到的红外射线进行傅里叶变换得到火焰闪烁频率，并根据火焰温度场和所述火焰闪烁频率，获得综合燃烧质量；

步骤s40：判断燃烧器是否着火，具体为：根据综合燃烧质量，判断燃烧器是否着火；

当燃烧器未着火时，进行步骤s50，步骤s50为：控制中心熄火保护；

当燃烧器着火时，进行步骤s60，步骤s60为：判断是否需要优化燃烧；

当不需要优化燃烧时，进行步骤s70，步骤s70为：调整燃烧策略；

当需要优化燃烧时，进行步骤s80，步骤s80为：输出火焰状态，并同时返回步骤s20。

本实施例提供的基于视频图像和闪烁频率的火焰检测方法的有益效果为：

将目标火焰分别进行视频图像采集和红外射线采集，并根据视频图像和红外射线获取目标火焰的综合燃烧质量，从而使得对燃烧器是否着火判断得更加的准确，提高了工作效率和工作质量；优化燃烧策略的设置，可成为燃烧优化系统关键的组成部分，达到节能效果，优化环保排放指标。

在一个实施例中，在步骤s30之后，还包括步骤s90，步骤s90为：数据处理中心利用人工智能算法进行综合处理后，将处理结果告知燃烧调整人员，并进行所述步骤s70。

在一个实施例中，在步骤s90之后，还包括步骤s100，步骤s100为：数据处理中心将燃烧器的特征数据传送至云端，云端对数据进行离线分析，将处理结果告知燃烧调整人员，并进行所述步骤s70。

在一个实施例中，在步骤s40之后，还包括步骤s110，步骤s110为：基于火焰温度场的火焰质量和火焰闪烁频率的火焰质量，综合判断是否需要优化燃烧，然后进行所述步骤s60。

在一个实施例中，在步骤s110之后进行所述步骤s90。

在一个实施例中，在步骤s20中，采用分光组件将目标火焰分成视频图像和红外射线。

在一个实施例中，在步骤s20中，采用光学镜头采集目标火焰的视频图像，采用红外传感器采集红外射线。

优选地，所述光学镜头为ccd摄像机。

在一个实施例中，在步骤s30中，视频图像与火焰温度场的关系为：t(x,y,t)=g(r,g,b,x,y,t)；

其中，t(x,y,t)是视频范围的温度场函数，x、y是平面坐标，t是实时时间；

g(r,g,b,x,y,t)是根据视频图像r、g、b值转换到温度场的函数，是一个空间矩阵转换函数。

在一个实施例中，在步骤s30中，火焰温度场与燃烧质量的关系为：h1(t)=f1(g(r,g,b,x,y,t))；

闪烁频率与燃烧器特征及燃烧质量的关系为：h2(t)=f2(f,t)；

其中，f是频谱空间函数。

在一个实施例中，综合燃烧质量的关系为：h(t)=a1h1(t)+a2h2(t)；

其中，a1、a2是权值，针对不同的对象自适应调整权值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。