一种吸油烟机吸烟性能评估方法与流程

本发明涉及一种吸油烟机，尤其是一种吸油烟机吸烟性能评估方法。

背景技术：

吸油烟机吸烟性能是其重要技术指标之一。由于油烟机风量、风压、功率等可直接测量量都不能作为判别油烟机吸烟性能的好坏的直接指标。目前，吸油烟机国际标准IEC 61591、德国工业标准DIN 44971，以及国家标准GB/T 17713-2011均利用“气味降低度”作为油烟机吸烟性能的数字化定量测试方法。已有标准中，利用丁酮作为油烟的替代品进行“气味降低度”测试，由于丁酮的严重毒性，该方法必须设计封闭的模拟空间，同时，由于丁酮的强吸附性能，为避免对测试结果的影响，对模拟空间中物体材料的抗丁酮吸附性有较高的要求。

目前，已有文献中，用于评估吸油烟机吸油烟性能的技术手段有：气相色谱仪、红外分光光度计、气体传感器和荷电量检测仪等。

气相色谱仪作为专业实验室气体样本测量仪器，具有高分离性能和高检测精度，能在一次检测中，直接给出样本成分和含量，即同时实现样本的定性和定量检测。但这种检测需要专业的检测人员，同时对吸油烟机吸烟性能来说，并不直接关注样本的具体成分和量值，需要关注的油烟的总体存在量。

红外分光光度法检测的特征性强、操作简便、能分析各种状态的试样、分析灵敏度较高。但是定量分析误差较大，如果测试过程中操作不当，会造成较大偏差，无法用于油烟排放浓度的现场检测，检测周期较长。测量精度受采样过程、设备以及操作人员经验等因素的影响较大。

气体传感器体积小，操作简单，实时性强，易于构建分布式网络，并实现现场检测，是目前气体检测中最常用的方法。但气体传感器寿命较短，一般都在1～2年，根据应用要求，需定期进行校准。

荷电量检测方法能实现现场检测、实时读数，操作简单方便，全自动测量，检测精度高，数据重复性好，避免了现场环境或人为操作带来的影响。但是检测结果受湿度影响较大，不适合湿度较大的油烟检测。

技术实现要素：

本发明所要解决的技术问题是针对上述现有技术存在的问题，提供一种适于在开放空间条件下快速检测、结果直观的吸油烟机吸烟性能评估方法。

本发明解决上述技术问题所采用的技术方案为：一种吸油烟机吸烟性能评估方法，其特征在于：通过视频录制设备对吸油烟机周围的区域进行拍摄录制，然后将得到的视频图像进行处理，包括如下步骤：

1)读取视频帧：以帧为单位读取视频录制设备录制的视频；

2)获取视频相关参数并画出待分析区域；

3)以帧为单位进行处理：

3.1)判断当前图像是否为第一帧；

3.1.1)如果是第一帧，则将当前的RGB图像转化为灰度图，然后再进行滤波；

3.1.2)如果不是第一帧，则将当前的RGB图像转化为灰度图，然后再进行滤波，滤波后的图像通过背景差分法进行处理，从而得到油烟轮廓；

3.2)判断当前图像是否是最后一帧，如果是则结束，如果不是则回到步骤3.1)；

根据上述图像处理后的结果进行吸油烟机吸烟性能评估。

优选的，步骤2)中待分析区域包括吸油烟机下方的第一区域、吸油烟机上方和两侧的第二区域(Q2)；根据图像处理后的结果，得到逃逸量和耗时，其中CON为逃逸量，G_max为第一区域内每一帧图像灰度值之和的最大值，G为第二区域内检测出的油烟轮廓内区域灰度值；耗时指油烟轮廓区域内灰度值之和从预设的灰度阈值开始上升、然后下降到灰度阈值整个过程所用的时间；在产生油烟条件相同的条件下，耗时越少则性能越好，逃逸量则表明性能越好。

优选的，步骤3.1.2)中的背景差分法，包括如下步骤：

首先，利用公式D_K(x,y)＝|F_k(x,y)-F_bk(x,y)|将当前帧图像滤波后的灰度图与滤波后的背景帧(第一帧)的灰度图相减得到帧差图像，其中，D_K(x,y)为帧差图像；F_k(x,y)为当前帧，F_bk(x,y)为背景帧：

然后，进行二值化处理和形态学处理，并对所得结果进行区域连通性分析，以此检索出油烟轮廓。

优选的，步骤3.1.1)和3.1.2)中的滤波为中值滤波，对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。

与现有技术相比，本发明的优点在于：通过录制高分辨油烟扩散视觉图像，对图像进行处理能够给出直观的数字化检测结果，检测结果更加直观。通过比较在相同油烟产生条件下，不同吸油烟机油烟扩散所消耗时间和油烟逃逸量就可以对不同吸油烟机的吸烟性能进行定量评估，避免了利用丁酮作为“气味降低度”测试的缺陷，和专业人员的繁杂操作，减少人为误差，可重复性和效率较高，能够在开放空间条件下实现检测过程无接触、快速测量，且操作简单。

附图说明

图1为本发明的吸烟性能评估方法所检测的吸油烟机使用环境、检测区域示意图；

图2为本发明的吸烟性能评估方法的监测方法流程图；

图3-1为图1在第一个实验油烟产生时的状态图；

图3-2为图3-1状态时的抽烟量表征波形图；

图3-3为图3-1状态时的油烟逃逸量表征波形图；

图4-1为图1在第一个实验油烟产生逃逸时的的状态图；

图4-2为图4-1状态时的抽烟量表征波形图；

图4-3为图4-1状态时的油烟逃逸量表征波形图；

图5-1为图1在第一个实验油烟生成和处理过程结束的状态图；

图5-2为图5-1状态时的抽烟量表征波形图；

图5-3为图5-1状态时的油烟逃逸量表征波形图；

图6-1为图1在第二个实验油烟产生时的状态图；

图6-2为图6-1状态时的抽烟量表征波形图；

图6-3为图6-1状态时的油烟逃逸量表征波形图；

图7-1为图1在第二个实验没有产生逃逸油烟的状态图；

图7-2为图7-1状态时的抽烟量表征波形图；

图7-3为图7-1状态时的油烟逃逸量表征波形图；

图8-1为图1在第二个实验油烟生成和处理过程结束的状态图；

图8-2为图8-1状态时的抽烟量表征波形图；

图8-3为图8-1状态时的油烟逃逸量表征波形图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

一种吸油烟机吸烟性能评估方法，参见图1，该方法通过采用视频录制设备对吸油烟机1周围的区域进行拍摄录制，采用高分辨率图像采集设备采集油烟生成及扩散图像，实现高分辨率油烟扩散视觉检测，全程记录油烟的产生和扩散过程。在本实施例中，视频录制设备采用SONY的型号为FDR-AX30的录像机，录制条件为开放条件下的模拟厨房实验室，在油烟产生前开始录制，在油烟消失后停止录制。

通过基于Visual Studio 2012和OpenCV的油烟扩散记录分析算法和软件，对上述录制的油烟视频进行图像处理去除噪声和干扰，利用图像背景差分法及形态学处理来捕获油烟扩散区域，并在视频中直观的标示出来。通过计算油烟扩散区域灰度图像的灰度值来评估空气中油烟的含量和浓度。本实施例中主要用到的OpenCV的函数如表1所示：

表1 OpenCV中的函数及功能

参见图2，视频的监测方法，包括如下步骤：

1)读取视频帧：以帧为单位读取视频录制设备录制的视频；

2)获取视频相关参数并画出待分析区域：在本实施例中，感兴趣的区域为吸油烟机1周围的区域，包括吸油烟机1下方的第一区域Q1，吸油烟机1上方和两侧的第二区域Q2；

3)以帧为单位进行处理：

3.1)判断当前图像是否为第一帧；

3.1.1)如果是第一帧，则申请内存并初始化，将当前的RGB图像转化为灰度图，然后再进行滤波；

3.1.2)如果不是第一帧，则将当前的RGB图像转化为灰度图，然后再进行滤波，滤波后的图像通过背景差分法进行处理，具体的：

首先利用公式D_K(x,y)＝|F_k(x,y)-F_bk(x,y)|将当前帧图像滤波后的灰度图与滤波后的背景帧(第一帧)的灰度图相减得到帧差图像，其中，D_K(x,y)为帧差图像；F_k(x,y)为当前帧，F_bk(x,y)为背景帧：

然后进行二值化处理和形态学处理，并对所得结果进行区域连通性分析，当某一连通的区域的面积大于某一给定阈值，则成为检测目标，并认为该区域就是目标的区域范围，就可以确定目标的轮廓，由此可检索出油烟轮廓；背景差分法可以较好的在视频序列图像中检测出运动目标，且检测的结果比较完整，由于是将当前图像帧与背景图像帧作差来检测出运动目标，背景差分所采集到的背景图像会有环境噪声和干扰的存在，如背景图像中物体的波动、光照的突然变化、摄像机的抖动对原场景的影响等，会出现假的运动目标点，影响到运动目标的检测效果，背景差分法检测运动目标速度快，易于实现，检测准确；

3.2)判断当前图像是否是最后一帧，如果是则结束，如果不是则回到步骤3.1)。

在本实施例中，灰度图滤波采用中值滤波法，对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。而形态学处理则包括基本的四个运算：腐蚀、膨胀、开启和闭合。

通过上述步骤，可计算油烟含量(CON)，油烟含量指的是在检测出的轮廓范围内，将图像的灰度值求和，然后进行归一化处理：其中，以G表示检测出的油烟轮廓内的每一帧图像的灰度值，G_max表示检测到的第一区域Q1内的每一帧图像灰度值之和的最大值。0<CON<1，从0到1表示油烟含量增大。本发明中，灰度值指图像滤波后的灰度值。抽烟量为吸油烟机1下方第一区域Q1内检测出的油烟轮廓区域内灰度值G之和除以G_max；

可通过下述参量评估吸油烟机1的性能：

1)逃逸量：吸油烟机1上方和两侧的第二区域Q2内检测出的油烟轮廓区域内灰度值G之和除以G_max；

2)耗时：预设一个灰度阈值，如0.2G_max，当整个画面中油烟轮廓区域内灰度值之和从0.2G_max开始上升到下降到0.2G_max这个过程中的时间，表示整个抽烟过程所需要的时间。

在产生油烟条件相同的条件下，耗时越少表明抽烟效果(性能)越好，并结合油烟逃逸量来评估在相同油烟产生条件下不同吸油烟机1吸烟效果的好坏。

参见图3～8，相同的油烟产生条件下分别录制开吸油烟机1和不开油烟机1的视频(视频帧大小为3840×2160，帧率25Frames/s)，对视频中油烟含量实时检测并画出油烟含量和逃逸量的曲线图(横轴表示帧数，纵轴表示油烟含量(CON))，在左边视频中将待分析区域(ROI)内的油烟用包络线直观的显示出来。同时，自动记录油烟扩散耗时。

从处理后的视频对比可明显看出吸油烟机1的吸油烟效果。在没开吸油烟机1条件下，分别截取油烟刚产生、油烟扩散至吸油烟机1有逃逸、油烟扩散结束情况下的视频处理结果如图3-1～5-3所示。在开吸油烟机条件下，类似截取油烟刚产生、油烟扩散至烟机(由于吸油烟机1工作，无逃逸)、油烟扩散结束情况下的视频处理结果如图6-1～8-3所示。第一区域Q1内油烟扩散用点、段线包络，第二区域Q2内油烟扩散用段线包络。

由以上实验结果可以看出，没开吸油烟机1情况下的油烟扩散耗时6040ms，且产生较多逃逸油烟。开吸油烟机1情况下油烟扩散耗时4480ms，没有逃逸油烟产生。

实验结果表明，高分辨油烟扩散视觉图像检测方法与传统方法相比，避免了利用丁酮作为“气味降低度”测试的缺陷，和专业人员的繁杂操作，减少人为误差，可重复性和效率较高，能够在开放空间条件下实现检测过程无接触、快速测量，且操作简单，能够给出直观的数字化检测结果，检测结果更加直观。通过比较在相同油烟产生条件下，不同吸油烟机油烟扩散所消耗时间和油烟逃逸量就可以对不同吸油烟机的吸烟性能进行定量评估。并且，这种高分辨油烟扩散视觉图像检测方法能够为吸油烟机设计和性能评估提供直接数字化依据。