一種吸油煙機吸煙性能評估方法與流程
本發明涉及一種吸油煙機，尤其是一種吸油煙機吸煙性能評估方法。
背景技術：
吸油煙機吸煙性能是其重要技術指標之一。由于油煙機風量、風壓、功率等可直接測量量都不能作為判別油煙機吸煙性能的好壞的直接指標。目前，吸油煙機國際標準IEC 61591、德國工業標準DIN 44971，以及國家標準GB/T 17713-2011均利用“氣味降低度”作為油煙機吸煙性能的數字化定量測試方法。已有標準中，利用丁酮作為油煙的替代品進行“氣味降低度”測試，由于丁酮的嚴重毒性，該方法必須設計封閉的模擬空間，同時，由于丁酮的強吸附性能，為避免對測試結果的影響，對模擬空間中物體材料的抗丁酮吸附性有較高的要求。
目前，已有文獻中，用于評估吸油煙機吸油煙性能的技術手段有：氣相色譜儀、紅外分光光度計、氣體傳感器和荷電量檢測儀等。
氣相色譜儀作為專業實驗室氣體樣本測量儀器，具有高分離性能和高檢測精度，能在一次檢測中，直接給出樣本成分和含量，即同時實現樣本的定性和定量檢測。但這種檢測需要專業的檢測人員，同時對吸油煙機吸煙性能來說，并不直接關注樣本的具體成分和量值，需要關注的油煙的總體存在量。
紅外分光光度法檢測的特征性強、操作簡便、能分析各種狀態的試樣、分析靈敏度較高。但是定量分析誤差較大，如果測試過程中操作不當，會造成較大偏差，無法用于油煙排放濃度的現場檢測，檢測周期較長。測量精度受采樣過程、設備以及操作人員經驗等因素的影響較大。
氣體傳感器體積小，操作簡單，實時性強，易于構建分布式網絡，并實現現場檢測，是目前氣體檢測中最常用的方法。但氣體傳感器壽命較短，一般都在1～2年，根據應用要求，需定期進行校準。
荷電量檢測方法能實現現場檢測、實時讀數，操作簡單方便，全自動測量，檢測精度高，數據重復性好，避免了現場環境或人為操作帶來的影響。但是檢測結果受濕度影響較大，不適合濕度較大的油煙檢測。
技術實現要素：
本發明所要解決的技術問題是針對上述現有技術存在的問題，提供一種適于在開放空間條件下快速檢測、結果直觀的吸油煙機吸煙性能評估方法。
本發明解決上述技術問題所采用的技術方案為：一種吸油煙機吸煙性能評估方法，其特征在于：通過視頻錄制設備對吸油煙機周圍的區域進行拍攝錄制，然后將得到的視頻圖像進行處理，包括如下步驟：
1)讀取視頻幀：以幀為單位讀取視頻錄制設備錄制的視頻；
2)獲取視頻相關參數并畫出待分析區域；
3)以幀為單位進行處理：
3.1)判斷當前圖像是否為第一幀；
3.1.1)如果是第一幀，則將當前的RGB圖像轉化為灰度圖，然后再進行濾波；
3.1.2)如果不是第一幀，則將當前的RGB圖像轉化為灰度圖，然后再進行濾波，濾波后的圖像通過背景差分法進行處理，從而得到油煙輪廓；
3.2)判斷當前圖像是否是最后一幀，如果是則結束，如果不是則回到步驟3.1)；
根據上述圖像處理后的結果進行吸油煙機吸煙性能評估。
優選的，步驟2)中待分析區域包括吸油煙機下方的第一區域、吸油煙機上方和兩側的第二區域(Q2)；根據圖像處理后的結果，得到逃逸量和耗時，其中CON為逃逸量，Gmax為第一區域內每一幀圖像灰度值之和的最大值，G為第二區域內檢測出的油煙輪廓內區域灰度值；耗時指油煙輪廓區域內灰度值之和從預設的灰度閾值開始上升、然后下降到灰度閾值整個過程所用的時間；在產生油煙條件相同的條件下，耗時越少則性能越好，逃逸量則表明性能越好。
優選的，步驟3.1.2)中的背景差分法，包括如下步驟：
首先，利用公式DK(x,y)＝|Fk(x,y)-Fbk(x,y)|將當前幀圖像濾波后的灰度圖與濾波后的背景幀(第一幀)的灰度圖相減得到幀差圖像，其中，DK(x,y)為幀差圖像；Fk(x,y)為當前幀，Fbk(x,y)為背景幀：
然后，進行二值化處理和形態學處理，并對所得結果進行區域連通性分析，以此檢索出油煙輪廓。
優選的，步驟3.1.1)和3.1.2)中的濾波為中值濾波，對脈沖噪聲有良好的濾除作用，特別是在濾除噪聲的同時，能夠保護信號的邊緣，使之不被模糊。
與現有技術相比，本發明的優點在于：通過錄制高分辨油煙擴散視覺圖像，對圖像進行處理能夠給出直觀的數字化檢測結果，檢測結果更加直觀。通過比較在相同油煙產生條件下，不同吸油煙機油煙擴散所消耗時間和油煙逃逸量就可以對不同吸油煙機的吸煙性能進行定量評估，避免了利用丁酮作為“氣味降低度”測試的缺陷，和專業人員的繁雜操作，減少人為誤差，可重復性和效率較高，能夠在開放空間條件下實現檢測過程無接觸、快速測量，且操作簡單。
附圖說明
圖1為本發明的吸煙性能評估方法所檢測的吸油煙機使用環境、檢測區域示意圖；
圖2為本發明的吸煙性能評估方法的監測方法流程圖；
圖3-1為圖1在第一個實驗油煙產生時的狀態圖；
圖3-2為圖3-1狀態時的抽煙量表征波形圖；
圖3-3為圖3-1狀態時的油煙逃逸量表征波形圖；
圖4-1為圖1在第一個實驗油煙產生逃逸時的的狀態圖；
圖4-2為圖4-1狀態時的抽煙量表征波形圖；
圖4-3為圖4-1狀態時的油煙逃逸量表征波形圖；
圖5-1為圖1在第一個實驗油煙生成和處理過程結束的狀態圖；
圖5-2為圖5-1狀態時的抽煙量表征波形圖；
圖5-3為圖5-1狀態時的油煙逃逸量表征波形圖；
圖6-1為圖1在第二個實驗油煙產生時的狀態圖；
圖6-2為圖6-1狀態時的抽煙量表征波形圖；
圖6-3為圖6-1狀態時的油煙逃逸量表征波形圖；
圖7-1為圖1在第二個實驗沒有產生逃逸油煙的狀態圖；
圖7-2為圖7-1狀態時的抽煙量表征波形圖；
圖7-3為圖7-1狀態時的油煙逃逸量表征波形圖；
圖8-1為圖1在第二個實驗油煙生成和處理過程結束的狀態圖；
圖8-2為圖8-1狀態時的抽煙量表征波形圖；
圖8-3為圖8-1狀態時的油煙逃逸量表征波形圖。
具體實施方式
以下結合附圖實施例對本發明作進一步詳細描述。
一種吸油煙機吸煙性能評估方法，參見圖1，該方法通過采用視頻錄制設備對吸油煙機1周圍的區域進行拍攝錄制，采用高分辨率圖像采集設備采集油煙生成及擴散圖像，實現高分辨率油煙擴散視覺檢測，全程記錄油煙的產生和擴散過程。在本實施例中，視頻錄制設備采用SONY的型號為FDR-AX30的錄像機，錄制條件為開放條件下的模擬廚房實驗室，在油煙產生前開始錄制，在油煙消失后停止錄制。
通過基于Visual Studio 2012和OpenCV的油煙擴散記錄分析算法和軟件，對上述錄制的油煙視頻進行圖像處理去除噪聲和干擾，利用圖像背景差分法及形態學處理來捕獲油煙擴散區域，并在視頻中直觀的標示出來。通過計算油煙擴散區域灰度圖像的灰度值來評估空氣中油煙的含量和濃度。本實施例中主要用到的OpenCV的函數如表1所示：
表1 OpenCV中的函數及功能
參見圖2，視頻的監測方法，包括如下步驟：
1)讀取視頻幀：以幀為單位讀取視頻錄制設備錄制的視頻；
2)獲取視頻相關參數并畫出待分析區域：在本實施例中，感興趣的區域為吸油煙機1周圍的區域，包括吸油煙機1下方的第一區域Q1，吸油煙機1上方和兩側的第二區域Q2；
3)以幀為單位進行處理：
3.1)判斷當前圖像是否為第一幀；
3.1.1)如果是第一幀，則申請內存并初始化，將當前的RGB圖像轉化為灰度圖，然后再進行濾波；
3.1.2)如果不是第一幀，則將當前的RGB圖像轉化為灰度圖，然后再進行濾波，濾波后的圖像通過背景差分法進行處理，具體的：
首先利用公式DK(x,y)＝|Fk(x,y)-Fbk(x,y)|將當前幀圖像濾波后的灰度圖與濾波后的背景幀(第一幀)的灰度圖相減得到幀差圖像，其中，DK(x,y)為幀差圖像；Fk(x,y)為當前幀，Fbk(x,y)為背景幀：
然后進行二值化處理和形態學處理，并對所得結果進行區域連通性分析，當某一連通的區域的面積大于某一給定閾值，則成為檢測目標，并認為該區域就是目標的區域范圍，就可以確定目標的輪廓，由此可檢索出油煙輪廓；背景差分法可以較好的在視頻序列圖像中檢測出運動目標，且檢測的結果比較完整，由于是將當前圖像幀與背景圖像幀作差來檢測出運動目標，背景差分所采集到的背景圖像會有環境噪聲和干擾的存在，如背景圖像中物體的波動、光照的突然變化、攝像機的抖動對原場景的影響等，會出現假的運動目標點，影響到運動目標的檢測效果，背景差分法檢測運動目標速度快，易于實現，檢測準確；
3.2)判斷當前圖像是否是最后一幀，如果是則結束，如果不是則回到步驟3.1)。
在本實施例中，灰度圖濾波采用中值濾波法，對脈沖噪聲有良好的濾除作用，特別是在濾除噪聲的同時，能夠保護信號的邊緣，使之不被模糊。而形態學處理則包括基本的四個運算：腐蝕、膨脹、開啟和閉合。
通過上述步驟，可計算油煙含量(CON)，油煙含量指的是在檢測出的輪廓范圍內，將圖像的灰度值求和，然后進行歸一化處理：其中，以G表示檢測出的油煙輪廓內的每一幀圖像的灰度值，Gmax表示檢測到的第一區域Q1內的每一幀圖像灰度值之和的最大值。0<CON<1，從0到1表示油煙含量增大。本發明中，灰度值指圖像濾波后的灰度值。抽煙量為吸油煙機1下方第一區域Q1內檢測出的油煙輪廓區域內灰度值G之和除以Gmax；
可通過下述參量評估吸油煙機1的性能：
1)逃逸量：吸油煙機1上方和兩側的第二區域Q2內檢測出的油煙輪廓區域內灰度值G之和除以Gmax；
2)耗時：預設一個灰度閾值，如0.2Gmax，當整個畫面中油煙輪廓區域內灰度值之和從0.2Gmax開始上升到下降到0.2Gmax這個過程中的時間，表示整個抽煙過程所需要的時間。
在產生油煙條件相同的條件下，耗時越少表明抽煙效果(性能)越好，并結合油煙逃逸量來評估在相同油煙產生條件下不同吸油煙機1吸煙效果的好壞。
參見圖3～8，相同的油煙產生條件下分別錄制開吸油煙機1和不開油煙機1的視頻(視頻幀大小為3840×2160，幀率25Frames/s)，對視頻中油煙含量實時檢測并畫出油煙含量和逃逸量的曲線圖(橫軸表示幀數，縱軸表示油煙含量(CON))，在左邊視頻中將待分析區域(ROI)內的油煙用包絡線直觀的顯示出來。同時，自動記錄油煙擴散耗時。
從處理后的視頻對比可明顯看出吸油煙機1的吸油煙效果。在沒開吸油煙機1條件下，分別截取油煙剛產生、油煙擴散至吸油煙機1有逃逸、油煙擴散結束情況下的視頻處理結果如圖3-1～5-3所示。在開吸油煙機條件下，類似截取油煙剛產生、油煙擴散至煙機(由于吸油煙機1工作，無逃逸)、油煙擴散結束情況下的視頻處理結果如圖6-1～8-3所示。第一區域Q1內油煙擴散用點、段線包絡，第二區域Q2內油煙擴散用段線包絡。
由以上實驗結果可以看出，沒開吸油煙機1情況下的油煙擴散耗時6040ms，且產生較多逃逸油煙。開吸油煙機1情況下油煙擴散耗時4480ms，沒有逃逸油煙產生。
實驗結果表明，高分辨油煙擴散視覺圖像檢測方法與傳統方法相比，避免了利用丁酮作為“氣味降低度”測試的缺陷，和專業人員的繁雜操作，減少人為誤差，可重復性和效率較高，能夠在開放空間條件下實現檢測過程無接觸、快速測量，且操作簡單，能夠給出直觀的數字化檢測結果，檢測結果更加直觀。通過比較在相同油煙產生條件下，不同吸油煙機油煙擴散所消耗時間和油煙逃逸量就可以對不同吸油煙機的吸煙性能進行定量評估。并且，這種高分辨油煙擴散視覺圖像檢測方法能夠為吸油煙機設計和性能評估提供直接數字化依據。
- 還沒有人留言評論。精彩留言會獲得點贊！