基于图像处理技术的风力及风向检测方法与流程

本发明涉及风平衡测试技术领域，特别是指一种基于图像处理技术的风力及风向检测方法。

背景技术：

目前，在各种需要微风检测的场景进行风平衡测试时，一种是使用生料带材质飘带，通过人工用手拿着飘带进入场景内或将飘带固定在隔板上，通过人工直接读取飘带大致的风向和角度，另一种是在飘带的旁边通过支架固定一个与飘带平行并且带有铅锤装置和标有刻度的刻度盘，通过人工读取飘带对应在刻度盘上的读数读取风向和角度。

以上两种方式有以下几点不足之处：

1.两种方式均需要人工读数，而且只能在限定的时间点读取数据，全时间段读取需耗费大量的人力；

2.配合刻度盘进行人工读取角度由于观测角度的不固定会导致读取的飘带在刻度盘上的角度不准确。

技术实现要素：

本发明提出一种基于图像处理技术的风力及风向检测方法，解决了现有技术中因人工读数有误差且效率低的问题。

本发明的技术方案是这样实现的：

一种基于图像处理技术的风力及风向检测方法，具体包括以下步骤：

s1，竖直的轻质飘带一端固定在待测空间，轻质飘带的上下端点均设有特定标识；

s2，使用正对轻质飘带的摄像设备采集轻质飘带的采样图像；

s3，基于图像处理技术对采样图像进行处理，将处理后的采用图像输入目标检测模型并进行模型迭代训练；

s4，获取轻质飘带的实时图像，在图像中标注垂直线段，将图像输入训练后的目标检测模型，检测并计算图像中轻质飘带上下端点的向量，作为评估风向的指标，计算轻质飘带上下端点的向量与垂直线段之间的夹角，作为评估风力的量化指标。

进一步的，步骤s1具体包括以下步骤：

s101，轻质飘带的一端固定在待测位置，另一端自然垂下；

s102，轻质飘带的上端点和下端点分别以颜色组合作为特定标识。

进一步的，步骤s102中，轻质飘带的上端点以颜色组合作为特定标识，其下端点以颜色组合作为特定标识。

进一步的，步骤s2具体包括以下步骤：

s201，摄像设备的中轴线与轻质飘带的垂直于地面时的中心线位于同一平面；

s202，使用摄像设备采集轻质飘带的图像。

进一步的，步骤s4具体包括以下步骤：

s401，从视频中抽帧获取轻质飘带的实时图像，在图像中标注垂直线段，获取垂直线段上下端点的坐标，记为向量2；

s402，将图像输入训练后的目标检测模型，检测并计算图像中轻质飘带上下端点的向量，记为向量1，作为评估风向的指标；

s403，基于公式cosθ＝向量1*向量2/(|向量1|×|向量2|)，计算轻质飘带上下端点的向量与垂直线段之间的夹角，作为评估风力的量化指标。

进一步的，步骤s1中竖直的轻质飘带一端固定在待测的微风环境中以进行风平衡测试。

本发明的有益效果在于：

1、采用轻质飘带，解决生料带因自身重力原因会造成测试误差的问题；

2、无需人工读数，获取轻质飘带的视频，基于机器视觉识别飘带产生的角度变化；

3、在飘带上下端点设置特定标识，避免复杂背景对轻质飘带角度检测的影响。

4.机器视觉识别比人工识别及通过读数盘读数更为精准；

5.机器视觉识别可实时保留数据，实时监测及示警的优点，可在工厂中风场环境异常时及时预警，比起人工检测待机时间长且更为精准。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于图像处理技术的风力及风向检测方法一个实施例的流程图；

图2为图1中步骤s1的流程图；

图3为图1中步骤s2的流程图；

图4为图1中步骤s3的流程图；

图5为图1中步骤s3一个实施例的流程图；

图6为图1中步骤s4的流程图；

图7为摄像设备和飘带的固定连接示意图；

图8为轻质飘带的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“竖直”、“上”、“下”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

如图1-图8所示，本发明提出了一种基于图像处理技术的风力及风向检测方法，具体包括以下步骤：

s1，竖直的轻质飘带一端固定在待测空间，所述轻质飘带的上下端点设有特定标识；

步骤s1具体包括以下步骤：

s101，轻质飘带的一端固定在待测位置，另一端自然垂下；

s102，轻质飘带的上端点和下端点分别以颜色组合或边缘形状作为特定标识。

轻质飘带的上端点以红紫黄的颜色组合作为特定标识，其下端点以绿褐蓝的颜色组合作为特定标识。由于角度的测算是以摄像头检测到的飘带上下端点为依据的，如果是简单飘带，不加标注的话，极其容易与背景图像重合，所以需要使用特殊图像的标注，上端点“红紫黄”、下端点“绿褐蓝”，一般情况下这样的颜色组合是不容易与背景颜色重合的，即使用这样的标注方式可以提高上下端点识别的精确度，不易产生误差。

轻质飘带的颜色组合如下表所示：

实施例中文本描述上下端点的颜色可用表中代号表示，非实施例中描述也可用代号表示，但不局限于此几种颜色，其他与背景颜色不重合和的颜色组合也可以。

s2，使用正对轻质飘带的摄像设备采集轻质飘带的视频，从视频中抽帧得到采样图像；

步骤s2具体包括以下步骤：

s201，摄像设备的中轴线与轻质飘带的垂直于地面时的中心线位于同一平面，摄像头设备的中轴线轻质飘带自然垂直于地面时(无风环境下)所确定的平面与轻质飘带飘动的平面垂直(横向风引起的轻质飘带飘动可近似看作在一个二维平面内运动)；

s202，使用摄像设备采集轻质飘带设定时间的视频；

s203，从视频中抽取大于设定阈值数量(3000，尽可能多采集)的采样图像，

s3，基于图像处理技术对采样图像进行处理，将处理后的采用图像输入目标检测模型并进行模型迭代训练；

步骤s3具体包括以下步骤：

s301，分别对采样图像中轻质飘带的上下端点进行标注，转换为voc格式的图片数据集；具体的，所述目标检测模型为mobile-net-ssd模型。

使用图片编辑软件对图片中的飘带进行截取，背景置换为其他复杂的背景，使用图片标记软件分别对图片的上下端点进行标注，制作成voc格式的图片数据集。

在一台gpu配置较高的计算机上用mobile-net-ssd模型对voc数据集进行模型的迭代训练，mobile-net-ssd的参数使用默认的初始化参数；根据openvino(intel)软件文档将上一步训练得到的模型文件转化为movidus神经计算棒可以加载的文件。

对图像处理的计算机进行软件的配置包括，硬件推荐配置：cpuintel八代i7；内存8g；硬盘500g。软件配置：ubuntu16.04lts、python3.x、opencv3.x、openvino2019r1.1。

s302，将其余转换格式后的采样图像输入训练后的目标检测模块并进行模型迭代训练。

s4，获取轻质飘带的实时图像，在图像中标注垂直线段，将图像输入训练后的目标检测模型，检测并计算图像中轻质飘带上下端点的向量，作为评估风向的指标，计算轻质飘带上下端点的向量与垂直线段之间的夹角，作为评估风力的量化指标。

步骤s4具体包括以下步骤：

s401，从视频中捕捉轻质飘带的实时图像，在图像中标注垂直线段，获取垂直线段上下端点的坐标，记为向量2；

s402，将图像输入训练后的目标检测模型，检测并计算图像中轻质飘带上下端点的向量，记为向量1，作为评估风向的指标；图像上飘带顺时针方向偏转为正方向，逆时针方向为负方向。

s403，基于公式cosθ＝向量1*向量2/(|向量1|×|向量2|)，计算轻质飘带上下端点的向量与垂直线段之间的夹角，作为评估风力的量化指标。

标注的垂直线段返回此线段的上下端点的图像坐标(上下端点分别对应飘带静止垂直时的上下端点)，飘带运动时，飘带上下端点的坐标连线作为飘带运动时的位置。

竖直的轻质飘带一端固定在待测的涂装车间喷房内，以进行风平衡测试。本发明所述的风力检测方法也适用于其他领域。

本发明的应用场景为：适用于汽车干式喷房的横向风微风检测，由于汽车干式喷房充满易燃易爆的vocs气体(非甲烷总烃)，不能采用带有电气属性的微风测量仪在此环境中，采用机器视觉的方式通过测算悬挂在干式喷房上方的飘带的偏离角度来推算当前的微风风速。本系统装置在干式喷房上方悬挂一条15cm左右的飘带，在干式喷房外部采用工业高清摄像头对飘带进行视频采集，将采集到的视频流输入电脑，用卷积神经网络模型mobilenet-ssd对飘带的端点进行识别，并使用opencv对飘带的偏离进行实时标注和偏离角度的数学计算。暂时只测量了飘带在平面内的偏离角度，也可作为在三维空间内的偏离角度和偏离角度到微风风速的数学运算基础，mobilenet-ssd使用intel公司生产的搭载有vpu的movidius神经计算棒二代进行模型推理的加速。

本发明的有益效果在于：

1、采用轻质飘带，解决生料带因自身重力原因会造成测试误差的问题；摄像头与轻质飘带的位置固定，读取的数据更准确；

2、无需人工读数，获取轻质飘带的视频，基于机器视觉识别飘带产生的角度变化；采用机器视觉的方式，节省了大量的人力成本，可实现全时间段的角度测量监控；

3、在飘带上下端点设置特定标识，避免复杂背景对轻质飘带角度检测的影响，使得此方法可以应用于复杂背景下微风的检测。

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、改进等，均应包含在本发明的保护范围之内。