[发明专利]一种实时的烟尘颗粒在线监测系统

权利要求书

1.一种实时的烟尘颗粒在线监测系统，其特征是，包括图像采集模块、微处理器模块和自动预警模块，所述图像采集模块用于采集烟道内的烟尘图像，所述微处理器模块用于对采集得到的烟尘图像进行处理和分析，所述自动预警模块用于在判断烟尘颗粒浓度超出安全阈值范围时进行预警。

2.根据权利要求1所述的一种实时的烟尘颗粒在线监测系统，其特征是，所述图像采集模块安装在能反映排入大气中的烟尘颗粒情况的烟道中。

3.根据权利要求2所述的一种实时的烟尘颗粒在线监测系统，其特征是，所述图像采集模块包括图像传感器单元和照明单元，所述图像传感器单元用于采集烟道内的烟尘图像，所述照明单元用于在图像传感器采集烟尘图像时进行照明。

4.根据权利要求3所述的一种实时的烟尘颗粒在线监测系统，其特征是，所述微处理器模块包括采集控制单元、图像处理单元和烟尘颗粒识别单元，所述采集控制单元用于控制图像采集模块的图像传感器单元和照明单元进行烟尘图像的采集，所述图像处理单元用于分割所述烟尘图像，从而得到图像中的烟尘颗粒区域和背景区域，所述烟尘颗粒识别单元用于根据烟尘图像的分割结果进行烟尘颗粒识别，从而判断烟道内的烟尘颗粒浓度。

5.根据权利要求4所述的一种实时的烟尘颗粒在线监测系统，其特征是，所述图像处理单元采用多阈值分割法对所述烟尘图像进行分割，从而得到图像中的烟尘颗粒区域和背景区域，具体包括：

(1)对烟尘图像进行滤波处理，从而去除烟尘图像中的噪声干扰；

(2)采用改进的粒子群优化算法确定烟尘图像分割的多阈值组合，具体为：

a.对粒子群优化算法中的速度和位置更新公式进行改进，定义第i个粒子表示为一个d维的向量x_i＝(x_i1,x_i2,…,x_id),则粒子群的位置和速度更新公式为：

x_id(k+1)＝x_id(k)+v_id(k+1)*T_k

Tk=Tmax(1-k1+kmax)2]]>

vid(k+1)=wikvid(k)+c1r1(pid(k)-xid(k))+c2r2(pgd(k)-xid(k))+c3r3(xid(k)-pw(k))]]>

式中，x_id(k+1)为粒子i的第d维在k+1次迭代时的位置，x_id(k)为粒子i的第d维在k次迭代时的位置，T_k为粒子飞行所用的时间，T_max为粒子飞行的最长时间，k为粒子的当前迭代次数，k_max为粒子的最大迭代次数，c₁、c₂和c₃是学习因子，v_id(k)是粒子i的第d维的速度，p_id(k)是粒子i的第d维的最优位置，p_w(k)是粒子i的第d维的最差位置，p_gd(k)是全体粒子的第d维的最优解，r₁、r₂和r₃是0到1之间的随机数；

是粒子群算法中的惯性权重因子，则采用的计算公式为：

wik=w0+a(1-hik)+bsk2]]>

式中，w₀是惯性权重的初值，是第k次迭代时第i个粒子的进化速度因子，s^k是第k次迭代时种群的聚集程度因子，a和b分别是进化速度因子和聚集程度因子的权重，且a+b＝1；

进化速度因子的计算公式为：

hik=|min{f(pbik-1),f(pbik)}max{(pbik-1),f(pbik)}|]]>

式中，表示第k次迭代中第i个粒子的历史最好适应度，表示第k-1次迭代中第i个粒子的历史最好适应度；

聚集程度因子s^k的计算公式为：

sk=Σi=1n(|fi-f‾k|2)n]]>

式中，f_i是粒子i的适应度，是第k次迭代时粒子的平均适应度，n是粒子群中粒子的个数；

(3)采用改进的粒子群算法寻找分割图像的最佳阈值组合[t₁,t₂,…,t_c]，定义图像分割的适应度函数h为：

h=-(Σi=0t1Piq0lnPiq0+Σi=t1t2Piq1lnPiq1+...+Σi=tc-1tcPiqc-1lnPiqc-1)]]>

q0=Σi=0t1doq1=Σi=t1t2di......]]>

qc-1=Σi=tc-1tcdi]]>

式中，P_i为灰度级i的像素点的概率，q₀为分割阈值(0,t₁)范围内的像素点总数，q₁为分割阈值(t₁,t₂)范围内的像素点总数，q_c-1为分割阈值(t_c-1,t_c)范围内的像素点总数,d_i为灰度级为i的像素点数。