摘要：本文的研究对象是依托于视觉测量技术的渣吊自动控制系统，该系统主要应用于生活垃圾焚烧发电项目的炉渣清理及输送系统，满足先进、现代、可连续长时间稳定可靠工作的要求，通过视觉测量，判断炉渣位置及渣堆大小，从而配合炉渣抓斗进行精确抓取，实现半自动化乃至全自动的抓取过程。
关键词：垃圾焚烧发电、视觉测量技术、灰渣吊、自动控制
一、行业背景
随着现代社会的发展，如何推进垃圾的无害化处理已经成为迫在眉睫的问题，仅仅依靠堆填的方式处理垃圾，对于现代中国来说不仅会造成环境污染、占用耕地，并对为未来社会的可持续发展造成巨大的影响。
如何有效的对生活垃圾进行处理，已成为整个社会重点关注的几大问题之一，而以焚烧的方式处理生活垃圾，无疑是目前可行性高，可持续发展性好的最有效地处理垃圾的主要方法之一。
对于垃圾焚烧后产生的炉渣的清理和转运，目前行业上普遍采用机械式灰渣吊配合渣车外运填埋。但由于每吨垃圾约产生30%的炉渣，炉渣产生量大，渣吊操作人员往往需要重复不停的将出渣口排出的炉渣抓运到渣车中，或将出渣口堆起的炉渣暂运到渣坑其他位置，以便炉渣的顺利排出。该项工作强度大，重复性高，当操作人员思维懈怠时，往往容易造成事故。现在亟待解决的就是以何种方式实现渣吊的自动控制，以便实现半自动乃至全自动运行。
本文详细的对视觉测量对于渣吊控制过程中的操作原理和控制方案进行分析，从而为渣吊自动控制系统在垃圾焚烧发电项目的推广提供参考。
二、视觉测量系统控制方案
该自动控制方案，主要是利用视觉测量寻找炉渣并通过光电传感器判断抓斗至炉渣的距离，从而通过设定的XY坐标配合抓斗垂直下降的深度，实现有效的抓取。
在这个过程中，如何通过视觉测量寻找特定目标是该控制方案的关键技术。在进行视觉测量数据分析时，首先需要做的就是对图像进行图像预处理。图像预处理是指对所拍摄的图像进行加工，从而通过改善图像的视觉效果为图像的自动识别打下基础，同时压缩编码图像以减少图像所需的存储空间和传输时间，对传输通路要求，其研究内容包括：图像采集和获取、图像重建、图像变换、图像滤波、图像增强、图像恢复或复原。在图像处理中，主要需要对图像进行非线性空域滤波处理，从而更好的筛选出所需测量的特定目标。主要操作步骤如下：
（1）将所设定的模板在图片中漫游，使每个像素都与之进行比较分析；
（2）读取模板下个对应像素的灰度值；
（3）将这些灰度从小到大排成一列；
（4）找出中间值；
（5）将中间值赋给对应模板中心的像素点.
在非线性空域滤波中主要通过以下两种滤波器对所拍图像进行滤波处理：
中点滤波器
，结合了顺序统计和求平均，对于高斯和均匀随机分布噪声有较好的效果
阿尔法裁剪均值滤波器
，假设在邻域内去掉d/2个g（s，t）的最高灰度值和d/2个最低灰度值，用g（s，t）代表剩余的mn-d个像素。由这些像素点平均值组合形成的滤波器就被称为修正后的阿尔法均值滤波器。若d=0，该滤波器就则为算数均值滤波器，当d=（mn-1）/2，该滤波器则变为中值滤波器。当d为其他值时，该均值滤波器则可应用在图像内含多种噪声的情况。
对图像进行预处理后，就要对图像进行分割，在图像研究和应用中，人们往往仅对图像中的某些部分感兴趣，这部分图像就被称为目标，图像中的其他部分则可称为背景，而图像分割就是根据像素的颜色、灰度、纹理等特性将图像中的区域聚类并提取感兴趣的目标的技术和过程。
在实现渣吊自动抓取的过程中，主要就是对炉渣的边缘进行检测，边缘位于两个区域的边界上，理想的边缘模型为阶跃边缘，但在实际状况下却是斜坡边缘，边缘点是斜坡中任意点的点集。
图1 数字边缘模型
在进行图像的边缘检测时，图像中的边缘点可以通过一阶导数进行检测，即判断一个点是否在数字边缘的斜坡上；而对图像中边缘二阶导数可以生成两个值，通过二阶导数的符号则可以帮助判断边缘的亮边或者暗边，连接二阶导数正极值和负极值的虚线在边缘中点的附近通过零点，由此通过二阶导数的过零点性质可确定粗边缘中心。即若某点一阶导数大于指定门限，则定义此点为边缘点，二阶导数的零交叉点即为边缘点。
一阶导数定义：
二阶导数：
在进行边缘计算时，梯度算子为重要的指标参数，对于图像f（x，y），坐标（x，y）处梯度可表示为一个矢量，通过二维列向量来定义，而梯度向量也就是梯度算子就是指向坐标（x，y）处f（x，y）的最大变化率方向。在实际操作时，可以通过ROBERT算子、PREWITT算子、SOBEL算子求梯度分量 ， ，模板总和为0，在灰度级平坦区域模板响应为0。PREWITT在实现过程中比SOBEL模板简单，但是SOBEL模板更利于抑制图像噪声。
三、自动控制过程中存在的问题
通过视觉测量在实现渣吊自动控制过程中，主要存在两个问题：
1、如何确保稳定的对所拍图像进行精确的识别。由于垃圾焚烧厂房内光源不足，到夜间仅依靠灯光照明，光源的不稳定会对图像的质量造成很大程度的影响，所以如何能够保证光源的持续稳定，才是该自动控制方案最关键的问题所在。在其他行业中，视觉测量往往依靠无频闪或低频闪的LED灯，通过冷白光的光源对目标物进行照射，排除其他因素干扰从而获得质量稳定的图像。
2、因炉渣从除渣机推出后，往往带有热蒸气及尘土，在实际应用时，可能会对安装在渣仓顶部的摄像头造成影响，是否可以用仪用空气进行定时吹扫及如何解决摄像头的维护问题，还需在实际应用过程中进行实践解决。
参考文献：
[1]兰海军，机器视觉技术的发展和应用[J]，湖北农机化，2007（5），30
[2]马林.基于双目视觉的图像三维重建[D].山东：山东大学，2008
[3]陈胜勇，刘盛.基于OpenCV的计算机视觉技术实现[M].北京：科学出版社，2008.
论文作者:刘晓彤1,王志远2
论文发表刊物:《电力设备》2018年第16期
论文发表时间:2018/10/1
标签：图像论文; 炉渣论文; 导数论文; 边缘论文; 滤波器论文; 视觉论文; 测量论文; 《电力设备》2018年第16期论文;