一種柴油車煙氣黑度自動檢測裝置制造方法
【專利摘要】一種柴油車煙氣黑度自動檢測裝置，由圖像采集單元、圖像預處理單元、車輛速度和加速度測量單元、車牌識別單元、黑度識別單元組成。本發明采用激光法獲取柴油車速度和加速度數據以輔助黑度識別，在刷上白漆的測試路段上使用垂直拍攝的方法獲取柴油車車牌圖像和煙氣圖像，通過圖像預處理與黑度識別獲取柴油車車牌信息和林格曼黑度級別。
【專利說明】一種柴油車煙氣黑度自動檢測裝置【技術領域】
[0001]本發明涉及一種柴油車煙氣黑度自動檢測裝置，屬于環境【技術領域】。
【背景技術】
[0002]目前國內的柴油車黑度檢測裝置大部分都是主觀模擬檢測儀器，主要通過純光學或光電結合的物理手段來實現。大部分省市環保部門均選用價格低廉的主觀模擬檢測儀器來檢測柴油車煙氣黑度，其測試準確性和可靠性很難保證。大量的數據統計表明，未經訓練的觀察人員之間有0.5-0.6的林格曼級數差別，經過訓練的觀察人員之間也有0.28-0.32的林格曼級數差別。而且所有的檢測儀器都要求測試車輛的行駛工況是給定的，沒有針對柴油車不同的行駛工況給出相應的檢測結果，具有很大的局限性。
[0003]現有的柴油車煙氣黑度測試主要有對照法、測煙望遠鏡觀測及光電測煙法三種方式，它們都存在一定的局限性。對照法要求觀測時，煙氣圖至觀察者眼睛的距離不大于2m，一般在1.5m左右，憑觀測者的主觀判斷確定黑度級數值；測煙望遠鏡將林格曼黑度圖安裝在精通內，與目鏡距離很小，在很大程度上影響了觀測者對黑度的準確判斷；光電測煙法要求以晴朗的天空為背景，在陰霾和多云或云層薄厚不勻的天氣條件下，干擾較大，測試效果較差。
【發明內容】
[0004]本發明的技術解決問題:克服現有技術的不足，提供一種柴油車煙氣黑度自動檢測裝置，采用垂直拍攝方式，對不同行駛狀態的柴油車煙氣黑度進行自動檢測，識別出行駛車輛排放煙氣黑度是否超標。
[0005]本發明的技術解決方案:本發明采用激光法獲取柴油車速度和加速度數據以輔助黑度識別，在刷上白漆的測試路段上使用垂直拍攝的方法獲取柴油車車牌圖像和煙氣圖像，通過圖像預處理與黑度識別獲取柴油車車牌信息和林格曼黑度級別。
[0006]柴油車煙氣黑度自動檢測裝置，包括圖像采集單元、圖像預處理單元、車輛速度和加速度測量單元、車牌識別單元、黑度識別單元，其中:
[0007]圖像采集單元由安裝在道路上方的C⑶黑白攝像機、視頻采集卡和位于工控機內的處理器組成。CCD黑白攝像機拍攝的視頻通過視頻采集卡轉換為相應格式的圖像，傳送到工控機內的處理器進行圖像預處理操作。
[0008]圖像預處理單元包括煙雨區域提取單元、背景亮度識別單元以及灰度概率統計單元。圖像預處理單元處理過的圖像才能用于林格曼黑度級的識別。 [0009]煙羽圖像提取需要排除圖像非煙羽部分對煙羽部分的干擾，根據經驗切除圖像前段5cm的圖像并選取1Ocm的煙羽圖像進行分析，然后采用基于Sobel算子的邊緣檢測方法將煙羽圖像和背景圖像區分開，即確定煙羽圖像的邊緣。該算子包含兩組3*3矩陣，分別為橫向及縱向，將之與圖像做平面卷積，即可得到橫向和縱向的邊緣檢測的圖像灰度值Gx和Gy0通過公式
【權利要求】
1.一種柴油車煙氣黑度自動檢測裝置，其特征在于:包括圖像采集單元、圖像預處理單元、車輛速度和加速度測量單元、車牌識別單元、黑度識別單元； 圖像采集單元包括云臺圖像攝像機單元、視頻圖像預覽單元以及圖像壓縮及抓拍單元，其完成待測目標煙氣圖像的采集及圖像的壓縮編碼和存儲；圖像采集單元能按照檢測前端PC或黑度識別單元PC輸入的控制指令對CXD攝像機進行有效控制及調整； 圖像預處理單元包括煙雨區域提取單元、背景亮度識別單元以及灰度概率統計單元，其完成有效煙羽區域的選取、背景亮度扣除及其灰度概率密度統計功能； 車輛速度和加速度測量單元包括位于道路兩側排列的三組半導體激光器與光電探測器、計時處理模塊；每一組半導體激光器都保持發射連續的光束，其相對的光電探測器在接收后保持高電平；當車輛行駛通過測試區時三組半導體激光器發出的光束先后被遮擋，光電探測器沒接收到光束而輸出低電平；每個光電探測器輸出的跳變沿都會觸發計時處理模塊，根據遮擋時間計算出車輛行駛的速度和加速度；計時處理模塊具有與黑度識別單元的通信功能，將檢測到的車輛速度與加速度數據傳送給黑度識別單元以輔助黑度識別；當車輛車尾通過第三組半導體激光器和光電探測器時觸發云臺攝像機開始工作抓拍車輛尾氣圖； 車牌識別單元包括車牌攝像機、視頻捕捉卡及牌照抓拍處理和識別模塊；車牌攝像機安裝在道路上方，完成對被測車輛的車牌圖像獲取，車牌攝像機與視頻捕捉卡連接，傳送車輛的車牌圖像；牌照抓拍處理和識別模塊對車牌攝像機拍攝的車輛圖片進行處理，獲取車輛的車牌信息，并將結果傳送至黑度識別單元； 黑度識別單元包括圖像灰度統計單元、單幀灰度識別單元以及計算結果分析單元，其實現對預處理后的煙羽圖像林格曼黑度級的識別。
2.根據權利要求1所述 的柴油車煙氣黑度自動檢測裝置，其特征在于:采用垂直拍攝方式，黑度識別過程采用基于模式識別的方法，無需人工參與，完全是一個自動識別的過程，為了提高識別的準確度，采用神經網絡學習方法對機器進行訓練；BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程；采用的學習規則是最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使參考值與識別值的誤差平方和最小；由于黑度識別與車輛的行駛狀態密切相關，在車輛靜止與運動時檢測差異極大，所以有必要采用一種方法來識別車輛行駛狀態以輔助黑度識別；通過大量實驗發現，車輛的速度與加速度是行駛狀態的主要因素并直接影響著黑度識別，采用遞推增廣最小二乘算法對其嚴格的數學關系進行辨識，最終給出車輛在不同行駛狀態下的林格曼黑度級別。
3.根據權利要求1所述的柴油車煙氣黑度自動檢測裝置，其特征在于:還包括煙羽圖像提取單元，其需要排除圖像非煙羽部分對煙羽部分的干擾，根據經驗切除圖像前段5cm的圖像并選取IOcm的煙羽圖像進行分析，然后采用基于Sobel算子的邊緣檢測方法將煙羽圖像和背景圖像區分開，即確定煙羽圖像的邊緣；該算子包含兩組3*3矩陣，分別為橫向及縱向，將之與圖像做平面卷積，即可得到橫向和縱向的邊緣檢測的圖像灰度值GjJPGy ;通過公式
4.根據權利要求1所述的柴油車煙氣黑度自動檢測裝置，其特征在于: 包括灰度概率密度統計單元，利用灰度直方圖來求得圖像灰度分布，假設煙羽圖像的灰度直方圖的橫坐標是灰度為r，縱坐標為灰度概率密度函數PJr)，若圖像中煙氣部分區域的總像素數為η,具有r灰度的像素數為IV則灰度概率密度函數為Pjr) = nr/η。
5.根據權利要求1所述的柴油車煙氣黑度自動檢測裝置，其特征在于:選取的有效煙羽區域圖像經過背景亮度扣除和灰度概率密度統計，由于具有256個灰度級，所以得到一個256*1維的輸出向量P，向 量P將作為后續模式識別的特征向量使用。
【文檔編號】G01J3/46GK103808723SQ201410070139
【公開日】2014年5月21日 申請日期:2014年2月27日 優先權日:2014年2月27日
【發明者】康宇, 姜超, 呂文君, 胥琳靜 申請人:中國科學技術大學
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
