基于多视觉信息融合技术的小通道气液两相流流型识别系统和方法技术方案

本发明专利技术公开了一种基于多视觉信息融合技术的小通道气液两相流流型识别系统和方法。首先，同时获取两个相互垂直角度的小通道气液两相流流动图像序列；其次，进行图像校正和预处理，并计算图像序列Hu矩均值和标准差作为流型识别特征向量；然后，建立基于支持向量机的单视觉小通道气液两相流流型识别模型，最后，利用D-S证据理论，对两个角度的流型识别结果进行融合，实现泡状流、段塞流、波状流和环状流四种典型流型的识别。本发明专利技术提出了一种新的小通道气液两相流流型识别系统和方法。该系统具有非接触式测量、可视化、结构简单等优点，利用多视觉信息融合方法，提高了气液两相流流型识别的准确度。

【技术实现步骤摘要】

本专利技术属于多相流流型识别领域，涉及一种基于多视觉信息融合技术气液两相流流型识别系统，特别是利用这种系统进行气液两相流流型识别的方法。
技术介绍
由于小型/微型设备具有高效、快速、易控制及高度集成等优点，近年来，其在能源、化工、生物和制药等领域得到广泛应用，小型/微型设备中微小通道气液两相流参数检测的研究受到越来越多的关注。现有的微小通道两相流参数检测方法主要有电学法、光学法、热学法以及高速摄像法等。其中高速摄像法具有直观性、非接触性以及可观察两相间的瞬态变化等优点，在小通道两相流参数检测实验研究中得到广泛应用。然而，现有的基于高速摄像的两相流参数检测方法多数是从一个角度获取两相流图像，对气液两相空间信息及不同角度的形状信息获取不足。基于单个角度图像的流型识别技术，其流型识别准确度仍有待提高。
技术实现思路
针对现有基于高速摄影的小管道气液两相流流型辨识技术信息获取不足，准确程度不够高的问题，本专利技术通过反复研究，针对小通道气液两相流，提供了一种基于多视觉信息融合技术的小通道气液两相流流型识别系统和方法，提出采用多视觉系统同时获取两相流两个相互垂直角度的图像，利用图像处理技术获取图像序列Hu矩统计参数作为流型识别特征，建立基于支持向量机(SVM)的单视觉气液两相流流型识别模型，采用D-S证据理论进行信息融合实现多视觉流型识别。基于多视觉信息融合技术的小通道气液两相流流型识别系统包括小通道管路系统、多视觉高速图像采集单元以及图像处理和流型识别计算机。小通道管路系统由浸没在甘油槽中的小管道构成。多视觉高速图像采集单元由两台LED光源、直角棱镜、高速摄像机组成。直角棱镜靠近甘油槽放置，且其一直角边垂直于高速摄像机的成像平面。两台光源提供两个垂直方向的背光，放置于甘油槽前方的高速摄像机同时拍摄到两个相互垂直角度的两相流流动图像，采集到的图像传输到微型计算机中用于流型识别。基于多视觉信息融合技术小通道气液两相流流型识别方法步骤如下：(1)小通道气液两相流流动图像获取。利用多视觉高速图像采集单元从两个相互垂直的角度同时获取小通道气液两相流图像。(2)图像标定。对于圆形玻璃管道，其管壁折射率与甘油近似相等。将管道浸没于甘油槽中可以降低管壁对所拍摄图像造成的影响。采用截面为25mm×25mm的正方形的有机玻璃长方体甘油槽，将管道浸没于甘油槽内，管道中心位置与截面正方形的中心相重合。对于管道内物点P(x,y)，由该点发出的光线在液相与管壁界面发生第一次折射，在甘油槽槽壁与空气界面发生第二次折射。由点P发出的两条相邻光线在第二次折射后的反向延长线的交点P'(x',y')即为点P对应观察到的像点，从而可以确定点P处的校正系数α＝y/y'。获取校正系数之后，对气液两相流流动图像进行标定。(3)特征提取。采用数字图像处理技术对所采集的不同流型的图像序列进行预处理，步骤包括：图像分割、图像去噪、差影法去除背景、边缘检测以及二值化填充，最终获得反映气液两相流流型的二值图像。得到二值图像之后，计算二值图像的Hu矩。对于图像I(x,y)，其p+q阶几何矩定义为：mpq=ΣxΣyxpyqI(x,y),p,q=0,1,2,...]]>其p+q阶中心矩定义为：upq=ΣxΣy(x-x‾)p(y-y‾)qI(x,y),p,q=0,1,2,...]]>其中x‾=m10/m00y‾=m01/m00]]>经归一化后对图像尺寸不变的p+q阶中心矩定义为：ηpq=upq/u00γ,p,q=0,1,2,...]]>其中γ＝(p+q)/2+1。从尺寸不变中心矩可以导出一系列对于图像的尺寸、旋转和平移具有不变性的Hu矩，定义如下：φ1＝η20+η02φ2＝(η20-η02)2+4η121φ3＝(η30-3η12)2+(3η21-η03)2φ4＝(η30+η12)2+(η21+η03)2φ5＝(η30-3η12)(η30+η12)[(η30+η12)2-3(η21+η03)2]-(3η21-η03)(η21+η03)[3(η30+η12)2-(η21+η03)2]φ6＝(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)φ7＝(3η21-η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(3η12-η30)(η21+η03)[3(η30+η12)2-(η21+η03)2]在实际流型识别中，由于φ1，φ2，φ3和φ4具有较好的不变性，且足以分辨不同的流型，因此选择前四个Hu矩作为反映气液两相流流型的特征参数。对于每个角度，取500张连续拍摄的流型图像构成图像序列，求取前四阶Hu矩的平均值和标准差作为流型识别的特征向量。对于N张图像构成的图像序列，第i阶Hu矩φi的均值M和标准差σ定义为：M(φi)=1NΣj=1Nφij,i=1,2,3,4]]>σ(φi)=1NΣi=1N(M(φi)-φij),i=1,2,3,4]]>采用图像序列前四阶Hu矩的均值和标准差构成的流型识别特征向量为：XT＝[M(φ1),σ(φ1),M(φ2),σ(φ2),M(φ3),σ(φ3),M(φ4),σ(φ4)](4)单视觉流型识别模型的建立。利用支持向量机(SVM)建立单视觉气液两相流流型识别模型，实现单视觉流型识别。在给定的训练集的基础上，SVM的二分类问题转化为优化问题：其中w为权重，ei为训练误差，b为偏移量，γ为正则化参数，函数为核函数，l为数据的点数。采用不同的核函数，可以构造出不同的SVM模型。依据所选特征的维数及训练集合的大小，选取径向基核函数：K(x,xi)＝exp(-‖x-xi‖2/2σ2)随机选取训练集和测试集，每两种流型之间利用SVM建立一个二分类器，四种典型流型之间共建立6个二分类器。每个测试样本分别送入6个二分类器进行流型识别，采用投票法确定最终的流型识别结果，从而实现单视觉气液两相流流型识别。(5)基于多视觉信息融合技术识别流型。D-S证据理论的基本概念定义如下：设U为一个有穷而完备的论域集合，且U中的各元素相互独立。对于任何一个属于U中的命题A，有函数m:2Ω→[0,1]，且满足则称m(A)为A的基本概率赋值(BasicProbab本文档来自技高网...

【技术保护点】
一种基于多视觉信息融合技术的小通道气液两相流流型识别系统，其特征在于：该系统由小通道管路系统(1)，多视觉高速图像采集单元(2)以及图像处理和流型识别计算机(3)组成，小通道管路系统(1)由浸没在甘油槽(6)中的小管道(7)构成，多视觉高速图像采集单元(2)由高速摄像机(9)、直角棱镜(8)、第一LED光源(4)、第二LED光源(5)组成，多视觉高速图像采集单元负责同时采集两个相互垂直角度的气液两相流流动图像，由多视觉高速图像采集单元(2)采集得到的图像传输到计算机(3)进行图像处理和流型识别；所述的第一LED光源(4)垂直于小管道(6)放置，第二LED光源(5)同时垂直于第一LED光源(5)和小管道(6)并且与第一LED光源(5)位于同一平面内，直角棱镜(8)相对于第一LED光源(4)位于小管道(6)另外一侧，高速摄像机(9)相对于第二LED光源(5)位于小管道(6)另外一侧，直角棱镜(8)的一直角边垂直于高速摄像机(6)的成像平面。

【技术特征摘要】
1.一种基于多视觉信息融合技术的小通道气液两相流流型识别系统，其特
征在于：该系统由小通道管路系统(1)，多视觉高速图像采集单元(2)以及图
像处理和流型识别计算机(3)组成，小通道管路系统(1)由浸没在甘油槽(6)
中的小管道(7)构成，多视觉高速图像采集单元(2)由高速摄像机(9)、直角
棱镜(8)、第一LED光源(4)、第二LED光源(5)组成，多视觉高速图像采
集单元负责同时采集两个相互垂直角度的气液两相流流动图像，由多视觉高速图
像采集单元(2)采集得到的图像传输到计算机(3)进行图像处理和流型识别；
所述的第一LED光源(4)垂直于小管道(6)放置，第二LED光源(5)同时
垂直于第一LED光源(5)和小管道(6)并且与第一LED光源(5)位于同一
平面内，直角棱镜(8)相对于第一LED光源(4)位于小管道(6)另外一侧，
高速摄像机(9)相对于第二LED光源(5)位于小管道(6)另外一侧，直角棱
镜(8)的一直角边垂直于高速摄像机(6)的成像平面。
2.一种基于权利要求1所述识别系统的基于多视觉信息融合技术的小通道
气液两相流流型识别方法，其特征在于：该方法步骤如下：
步骤1，小通道气液两相流流动图像获取：利用多视觉高速图像采集单元同
时获取两个相互垂直角度的小通道气液两相流流动图像序列；
步骤2，图像标定：通过光路分析获取校正系数，实现气液两相流流动图像
的标定；
步骤3，特征提取：对经过标定的图像，采用图像分割、图像去噪、差影法
去除背景、边缘检测以及二值化填充进行预处理，获取反映气液两相流流型信息
的二值图像，计算二值图像的Hu矩，选取设定张数图像构成的图像序列，计算
图像序列的前四阶Hu矩的平均值和标准差作为流型识别的特征向量；
步骤4，单视觉流型识别模型的建立：利用支持向量机建立单视觉气液两相
流流型识别模型，实现单视觉流型识别，流型识别模型输入为步骤3中所获取的
特征向量，输出为四种典型流型之一，选取训练集和测试集，每两种流型之间利
用SVM建立一个二分类器，四种典型流型之间共建立6个二分类器，每个测试
样本分别送入6个二分类器进行流型识别，采用投票法确定流型识别结果，从而
实现单视觉气液两相流流型识别；
步骤5，基于多视觉信息融合技术的流型识别：采用D-S证据理论，对两个
角度的单视觉流型识别结果进行决策层信息融合，得到最终多视觉流型识别结
果。
3.根据权利要求2所述的流型识别方法，其特征在于所述的步骤2中的图
像标定方法具体为：采用截面为25mm×25mm的正方形的有机玻璃长方体甘油

\t槽，将管道浸没于甘油槽内，使管道中心位置与截面正方形的中心相重合，对于
管道内物点P(x,y)，由该点发出的光线在液相与管壁界面发生第一次折射，在
甘油槽槽壁与空气界面发生第二次折射，分析光路可知，由点P发出的两条相
邻光线在第二次折射后的反向延长线的交点P'(x',y')即为点P对应的像点，从而
确定点P处的校正系数α＝y/y'，获取校正系数之后，对气液两相流流动图像进
行标定。
4.根据权利要求2所述的流型识别方法，其特征在于所述的步骤3中的图
像特征提取方法具体为：
首先从所拍摄的图像中分割提取出管道部分，其次采用双边滤波去除图像噪
声，然后将两相流流动图像与满管图像相减去除背景信息，采用Canny边缘检
测算子检测气相和液相的边...

【专利技术属性】
技术研发人员：冀海峰，郑小虎，王保良，黄志尧，李海青，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33