基于形态学图像处理的定日镜故障诊断方法研究*

2014-04-29孟德欣

计算机时代 2014年11期

孟德欣

摘要：针对如何在塔式太阳能发电系统中快速确定故障定日镜的问题，通过对采集到的定日镜场图像进行图像二值化等预处理操作，利用形态学开闭运算消除阴影、支架等无关信息，得到形态学去噪后的目标图像，提取每个定日镜连通分量，并与定日镜场正常图像进行灰度值比较，从而识别并标注出灰度值异常的故障定日镜。为检验本算法，选取了定日镜现场图像为测试图像进行仿真实验，结果显示，形态学图像处理技术在定日镜场故障诊断中具有较高的准确性和可靠性。

关键词：定日镜场；图像处理；二值化；形态学；故障诊断

中图分类号：TP391.9 文献标志码：A 文章编号：1006-8228（2014）11-01-03

Research on heliostat fault diagnose method based on morphological image processing

Meng Dexin

（Electronic Information Engineering Department Ningbo Polytechnic， Ningbo， Zhejiang 315800， China）

Abstract： In order to determine the problem of heliostat fault in the solar power tower system quickly， a method of heliostat fault diagnosis based on morphological image processing is proposed. Through processing by binarization operation on the solar power tower heliostat field image， eliminating the shadow and support details by using morphological opening and closing operation， each heliostat connected components are extracted， compared with gray value anomaly. The simulation experiment is carried on. The results illustrate that the fault diagnosis of heliostat field by morphological image processing technology has high accuracy and reliability.

Key words： heliostat field； image processing； binarization； morphology； fault diagnose

0 引言

在煤、石油和天然气等不可再生的化石燃料日趋减少的情况下，人们对可再生的新能源开发和利用日益迫切。太阳能作为一种清洁的可再生能源，正日益成为人类使用能源结构的重要组成部分。目前太阳能利用有光电转换和光热转换两种方式。光电转换的基本原理是利用光生伏特效应将太阳辐射能直接转换为电能，这种发电方式效率低，成本高；光热转换的基本原理是将太阳辐射所产生的热能加以利用。塔式太阳能发电系统利用众多能够独立跟踪太阳的定日镜，将光线聚焦到固定在塔顶部的吸热器上，并以热能的形式带动汽轮机、发电机来发电[1]。塔式太阳能发电系统具有集热原理简单、易实现的特点，适合大规模进行并网发电。

定日镜作为塔式太阳能发电系统重要装置，根据每天不同时刻太阳的位置，计算机控制中心自动计算并调整定日镜的角度，使得所有的定日镜将阳光反射到吸热器上。考虑到发电站往往由几百个，甚至成千上万个定日镜组成定日镜场的庞大规模，定日镜工作过程中还需频繁调整角度，极易发生故障，造成定日镜的反射光不能有效汇集到吸热器上，从而影响发热效率。传统的定日镜故障诊断有人工巡检和传感器两种方式。人工巡检效率低，还易受到天气、地理环境和技术水平等诸多因素的影响。传感器方式自动化、实时检测定日镜的方位角、高度角等状态数据，但由于每个定日镜都需安装传感器，成本较高。所以如何快速确定发生故障的定日镜，设计一种自动化高效的定日镜故障诊断系统就成为太阳能工程设计的关键技术之一。

目前，国内外专家学者对定日镜的研究主要集中在结构设计、控制系统等方面，在故障诊断方法上没有取得突破性进展。如G.Sassi研究了利用控制电机自动控制定日镜，该装置有传感器控制、时钟控制和程序控制等几种方式，自动跟踪太阳的方法[2]。王成昱等人基于传感器获取定日镜传动装置的状态数据，利用RBF神经网络输出齿轮剥落、齿轮磨损、齿轮擦伤、齿轮断裂、齿面点蚀和齿面塑性变形等齿轮故障模式[3]。本文通过研究塔式太阳能发电站的摄像系统采集到的镜场图像数据，利用形态学图像处理技术，提出一种定日镜故障诊断方法，并以定日镜现场图像进行仿真实验，实验结果表明该方法可行有效，为我国太阳能发电站建设中定日镜故障自动检测提供了一种新思路和技术手段。

1 定日镜故障诊断流程

塔式太阳能发电站通过在中央吸热塔上安装摄像系统，实时采集定日镜场的图像数据。发生故障的定日镜与正常工作的定日镜相比其外观会明显不同，发生姿态的定日镜由于不能自动跟踪太阳，其方向角、高度角等状态会出现异常，反映在采集图像上就是正常工作的定日镜灰度值较大，发生故障的定日镜灰度值较小，亮度相对较暗[4]。计算机通过对镜场图像处理分析，从而确定是否有定日镜发生故障及故障定日镜的位置。

基于形态学图像处理的定日镜故障诊断方法的核心部分是图像处理算法，即在采集图像数据中，如何通过图像处理技术，识别并标注出故障定日镜为维修调试人员提供参考。我们首先对采集图像中进行预处理，包括图像二值化以及利用先验知识获取感兴趣的定日镜场目标区域。考虑到定日镜场图像中的阴影、支架及控制电路等细节信息无关，利用形态学开闭运算方法与于消除，获得去噪后的定日镜图像，提取每个定日镜连通分量，并与定日镜场正常图像进行灰度值比较，找出灰度值异常的故障定日镜并标注出其位置，从而实现定日镜的故障诊断。

本文提出的定日镜故障诊断流程如图1所示。

[终止][开始][采集定日镜场图像][获取定日镜目标区域图像][图像二值化预处理][形态学开闭运算消除阴影、支架等无关的细节信息][设别、标注故障定日镜][输出故障定日镜]

图1 定日镜故障的诊断流程

2 定日镜图像处理

2.1 图像预处理

在定日镜场图像采集过程中，外部环境因素对图像质量将会产生极大的影响。如白天和晚上不同的光照条件，晴天和阴天不同气候条件，以及背景复杂度等，直接影响形状判别和故障诊断。所以，对图像进行必要的预处理非常有必要。

图像预处理包括图像二值化以及获取定日镜目标区域图像等步骤。假设图像G在[0，M]范围内有N个灰度级，则其直方图定义为离散函数：

⑴

其中，k=1，2，…，N，lk表示[0，M]范围内的第k级亮度，mk表示灰度级为lk的图像中的像素数。对于unit8类图像N个灰度级来说，范围上限M值为255。

实际操作中，经常需要归一化直方图，即使用所有图像元素h（lk）除以像素总数T，如下公式：

⑵

⑶

由概率论的有关知识可知，p（lk）表示灰度级lk出现的频数。

在对图像进行归一化直方图分析的基础上，图像二值化的关键是确定阈值。从图像背景中提取定日镜对象的简单有效方法就是选取一个阈值t来分离，逐行扫描图像，当灰度值大于阈值t时即确定为定日镜对象点，其余为背景点。在灰度直方图分析的基础上自动确定图像二值化的阈值，图像的亮度和对比度会明显增强，对于分割图像有着重要作用。

定日镜场图像阈值处理公式如下：

⑷

其中，f（x，y）为阈值处理后的图像，当采集图像g（x，y）中的像素点取值大于阈值t时，赋值为1，反之赋值为0。

图像二值化可以使得图像变得简单，虽然图像像素会有一定的损失，但这有利于图像的进一步处理，而且由于数据量的减小，更能凸显感兴趣的目标区域，便于后续的图像处理。

本文结合灰度直方图，经过对所要处理的图像反复进行实验来确定阈值，具体阈值选取步骤如下。

⑴ 计算图像灰度直方图。

⑵ 为阈值设置初始化值T0。

⑶ 利用t0分割图像，灰度值大于t0的像素集记为f1，灰度值小于t0的像素集记为f2。

⑷ 计算f1和f2各自的灰度均值M1，M2。

⑸ 计算新阈值t1，t1=（M1+M2）/2，代替t0。

⑹ 重复步骤⑶到步骤⑸，直到连续迭代过程中的阈值差Δt小于预先设定的参数C。

考虑到塔式太阳能发电站的摄像设备和定日镜场的相对位置固定，则定日镜场范围、每个定日镜大小及中心坐标也在一定范围内，本文结合了定日镜中心坐标等先验知识确定定日镜目标区域。

2.2 形态学运算消除阴影、支架等细节信息

形态学是一种基于集合论的数学方法，形态学图像处理指用一定大小和形状的结构元素去探测图像，获取图像连通性以及方向性等结构信息。形态学的基本运算有膨胀、腐蚀、开和闭运算等。其中，膨胀和腐蚀时形态学图像处理的基础，许多形态学图像处理算法都是基于这两种最基本的运算[5]。

设f表示二维离散空间的二值图像，B表示结构元素。使用结构元素B对f进行膨胀，记为fB，其定义为：

⑸

其中，是B的映像，点z对集合B的映像的平移记为（）z，从定义看出，膨胀表示在平移结构元素B的过程中所有结构元素的原点与f图像中为1值的像素重叠的部分。

使用结构元素B对f进行腐蚀，记为，其定义为：

⑹

其中，fc为f的补集，从定义看出腐蚀表示在平移结构元素B的过程中，所有结构元素原点与f图像中为1值的像素相重叠的部分，其中要求B不能与f图像中为0值的背景像素有重叠。

在膨胀、腐蚀运算的基础上，开运算的定义如下：

⑺

闭运算的定义如下：

⑻

由式⑺、式⑻可知，开运算是先腐蚀后膨胀，可以用来消除孤立点和毛刺，即与结构元素相比尺寸较小的亮细节被去除。闭运算是先膨胀后腐蚀，可以通过选择适当的结构元素填补细小的空洞，将相邻目标连接起来，即与结构元素相比尺寸较小的暗细节被去除[6]。

实践证明单独使用腐蚀和膨胀算子一般得不到满意的结果，采用开闭运算构成形态学组合算子，可以较好地即保持图像细节特征的同时有效地抑制噪声。开闭运算具有等幂性，即通过选取适当的结构元素一次滤波操作即可以把噪声去除干净，重复多次运算的效果等同于一次运算，这也正是开闭运算的特点[7]。本文采用开、闭运算的组合算子来消除阴影、支架等细节信息，其定义如下：

⑼

定日镜场目标图像中每个定日镜都连通的，利用形态学开闭运算操作可以提取定日镜。

2.3 识别、标注故障定日镜

因摄像设备安装在吸热器所处的中央塔上，故在定日镜场图像中，正常的定日镜图像其灰度值都较大，而发生故障的定日镜其灰度值则跟周围的其余定日镜存在明显差异。实验中，首先获取定日镜正常状态下分割图，并在每一个定日镜位置处计算其质心。图像中的每一个定日镜连通分量的中心位置质心确定后，则故障定日镜的识别主要在定位到的定日镜质心一定范围内做处理，计算出定日镜质心周围一定范围内的灰度值。考虑到正常定日镜的灰度值较高，而故障定日镜的灰度值较低，通过计算质心周围一定像素的灰度差值，如果大于预先的设置值，则认为是故障定日镜；反之则认为是正常状态。

算法过程如下。

⑴ 初始化输入定日镜数s，灰度阈值Δc。

⑵ 计算定日镜正常状态图像G中的每个定日镜质心Qk（k=1，2，…，S）。

⑶ 计算每个定日镜质心Qk周围12*12区域内的灰度均值Mk。

⑷ 将当前处理图像f与正常状态图像G相差，计算质心Mk在f和G图像中的灰度差，计算结果计为C=（Mk）f-（Mk）G（k=1，2，…，S）。

⑸ 输出C>ΔC的质心Qk。

⑹ 重复步骤⑶-⑸，直到k=S。

3 试验结果与分析

为了验证本文所述方法的有效性，本文在Matlab 2012软件平台上选取了DLR（德国宇航中心）的定日镜场图像进行仿真[8]。实验过程如图2所示，其中原图像分辨率为8182*3396的彩色图像，将该图像转换为二值图像，并选取了其中200*130大小的区域作为目标图像进行仿真实验，在原始图像图2（a）中选取2个定日镜，在其上添加灰度噪声模拟为故障定日镜。结构元素B的选取决定了定日镜分割提取效果。结合定日镜图像的结构特征，实验中选用尺寸为6*6的圆形结构元素得到了满意的实验效果。

从图2可看出，利用该方法识别出故障定日镜并在图像中用红色星号外加白色椭圆加以标注，实验结果表明本文方法有效。

4 结束语

定日镜是塔式太阳能发电系统的重要装置，及时发现故障定日镜并将其维修或更换，对提高发电效率有着重要意义。本文利用形态学图像处理技术对定日镜场图像进行二值化、去噪和形态学分割等操作，实现了故障定日镜的识别和标注，仿真实验验证了该方法的有效性。本文方法可以避免人工巡检的弊端，对保障太阳能发电站的可靠运行具有一定的参考价值。

参考文献：

[1] 宋洋.塔式太阳能热发电镜场摄像机系统的设计与开发[D].浙江大

学硕士学位论文，2013.

[2] SASSI G. Some notes on shadow and blockage effects[J]. Solar

Energy，1983.31（3）：331-333

[3] 王成昱，万定生，郭铁铮.RBF神经网络在定日镜场故障诊断中的应

用[J].信息技术，2011.1：6-13

[4] 金立军，胡娟，闫书佳.基于图像的高压输电线间隔棒故障诊断方法[J].

高电压技术，2013.39（5）：1040-1044

[5] 潘建平，邬明权.基于数学形态学的道路提取[J].计算机工程与应用，

2008.44（11）：232-234.

[6] 徐国保，王骥，赵桂艳等.基于数学形态学的自适应边缘检测新算法[J].