环检线上的林格曼黑度检测方法、装置、检测仪及黑烟车识别系统

技术领域

本发明涉及信息技术领域，尤其涉及一种环检线上的林格曼黑度检测方法、装置、检测仪及黑烟车识别系统。

背景技术

在进行林格曼黑度检测时，现有技术主要通过将待检车辆排放源出口处的烟气颜色与林格曼浓度图进行比较，当烟气颜色与浓度图中的色块接近时则以该色块表示的黑度等级作为待检车辆的林格曼黑度信息。此方法非常依赖于观察者的判断力，观察周期、读数方法以及读数频次具有较大的随意性，林格曼黑度检测的自动化程度低，存在较大的误差，准确度不高。

发明内容

本发明实施例提供了一种环检线上的林格曼黑度检测方法、装置、检测仪及黑烟车识别系统，以解决现技术在进行林格曼黑度检测时存在的自动化程度低、准确度不高问题。

一种环检线上的林格曼黑度检测方法，包括：

获取待检车辆在环检线上进行环检作业时的背景图像和尾气排放图像；

根据所述背景图像和尾气排放图像获取黑烟区域图像及其像素点对应的灰度值；

根据所述黑烟区域图像及其像素点对应的灰度值获取像素点落入最多的灰度区间，作为目标灰度区间；

查询灰度区间与林格曼黑度之间的对应关系，得到所述目标灰度区间对应的林格曼黑度，作为所述待检车辆的林格曼黑度信息。

可选地，所述根据所述黑烟区域图像及其像素点对应的灰度值获取像素点落入最多的灰度区间，作为目标灰度区间包括：

对所述黑烟区域图像进行去噪处理，得到前景图像；

对所述前景图像进行灰度直方图变换，得到所述黑烟区域图像中像素点的灰度平均值、灰度加权平均值和灰度值分散程度；

根据所述像素点的灰度平均值、灰度加权平均值和灰度值分散程度计算所述黑烟区域图像中像素点的高斯分布；

根据所述黑烟区域图像中像素点的高斯分布获取像素点落入最多的灰度区间，作为目标灰度区间。

可选地，所述对所述前景图像进行灰度直方图变换，得到所述黑烟区域图像中像素点的灰度平均值、灰度加权平均值和灰度值分散程度包括：

根据所述像素点的灰度值计算所述黑烟区域图像的灰度平均值；

根据所述像素点的灰度值及其对应的加权概率计算所述黑烟区域图像的灰度加权平均值；

根据所述灰度加权平均值进行方差计算，得到所述灰度值分散程度。

可选地，所述根据所述背景图像和尾气排放图像获取黑烟区域图像包括：

采用感知哈希算法对所述背景图像和尾气排放图像进行去重处理，得到所述黑烟区域图像。

可选地，包括至少一个尾气排放图像，所述尾气排放图像包括所述待检车辆在供油量达到最大值时的尾气排放信息。

可选地，所述尾气排放图像至少包括所述待检车辆在发动机转鼓表面线速度到达第一线速度时的尾气排放信息和所述待检车辆在发动机转鼓表面线速度到达第二线速度时的尾气排放信息。

一种环检线上的林格曼黑度检测装置，包括：

图像获取模块，用于获取待检车辆在环检线上进行环检作业时的背景图像和尾气排放图像；

黑烟区域获取模块，用于根据所述背景图像和尾气排放图像获取黑烟区域图像及其像素点对应的灰度值；

区间获取模块，用于根据所述黑烟区域图像及其像素点对应的灰度值获取像素点落入最多的灰度区间，作为目标灰度区间；

查询模块，用于查询灰度区间与林格曼黑度之间的对应关系，得到所述目标灰度区间对应的林格曼黑度，作为所述待检车辆的林格曼黑度信息。

一种林格曼黑度检测仪，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的环检线上的林格曼黑度检测方法。

一种黑烟车识别系统，包括摄像机、气象仪、终端以及如上所述的林格曼黑度检测仪；

所述摄像机安装于环检线上，用于采集在环检线上进行环检作业的待检车辆的背景图像和若干个尾气排放图像，并将所述背景图像和若干个尾气排放图像发送至所述林格曼黑度检测仪；

所述气象仪用于获取所述待检车辆所处的环境信息，并将所述环境信息发送至所述林格曼黑度检测仪；

所述林格曼黑度检测仪用于根据所述背景图像和若干个尾气排放图像对所述待检车辆进行林格曼黑度检测，得到每个尾气排放图像对应的林格曼黑度信息，将所述尾气排放图像对应的林格曼黑度信息和所述环境信息发送至所述终端；

所述终端用于根据所述尾气排放图像对应的林格曼黑度信息和所述环境信息得到所述待检车辆的黑烟车检测结果。

可选地，所述终端还用于：

根据所述环境信息判断所述尾气排放图像对应的林格曼黑度信息是否有效；

若有效时，将每个尾气排放图像对应的林格曼黑度信息与预设的等级阈值进行比较；

当所有尾气排放图像对应的林格曼黑度信息均小于或等于所述等级阈值时，输出所述待检车辆检测合格的信息；

当所有尾气排放图像对应的林格曼黑度信息均大于所述等级阈值时，输出所述待检车辆检测不合格的信息；

当所有尾气排放图像对应的林格曼黑度信息不是均大于所述等级阈值或者不是均小于或等于所述等级阈值时，输出所述待检车辆重新检测的信息。

本发明实施例通过获取待检车辆在环检线上进行环检作业时的背景图像和尾气排放图像；根据所述背景图像和尾气排放图像获取黑烟区域图像及其像素点对应的灰度值；根据所述黑烟区域图像及其像素点对应的灰度值获取像素点落入最多的灰度区间，作为目标灰度区间；查询灰度区间与林格曼黑度之间的对应关系，得到所述目标灰度区间对应的林格曼黑度，作为所述待检车辆的林格曼黑度信息，从而实现了林格曼黑度的自动化检测，且通过统计像素点的分布获取待检车辆的林格曼黑度，极大地提高了检测得到的林格曼黑度的准确度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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是本发明一实施例中环检线上的林格曼黑度检测方法的流程图；

图2是本发明一实施例中环检线上的林格曼黑度检测方法中步骤S103的流程图；

图3是本发明一实施例中环检线上的林格曼黑度检测方法中步骤S202的流程图；

图4是本发明一实施例中环检线上的林格曼黑度检测装置的一原理框图；

图5是本发明一实施例中黑烟车识别系统的一示意图。

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。

本实施例提供了一种环检线上的林格曼黑度检测方法，所述环检线上的林格曼黑度检测方法应用于林格曼黑度检测仪以及其他黑烟车识别设备。以下将对本实施例提供的环检线上的林格曼黑度检测方法进行详细的描述，如图1所示，所述环检线上的林格曼黑度检测方法包括：

在步骤S101中，获取待检车辆在环检线上进行环检作业时的背景图像和尾气排放图像。

在这里，本发明实施例通过安装在环检线上的摄像机采集待检车辆的背景图像和尾气排放图像。通常每条环检线上配置一台摄像机。所述摄像机安装在环检线上后方，用于采集在环检线上进行环检作业的待检车辆的背景图像和若干个尾气排放图像，并将所述背景图像和若干个尾气排放图像发送至所述林格曼黑度检测仪。

其中，所述背景图像是指待检车辆在底盘测功机上且发动机不启动或者处于台速状态时的图像，所述背景图像中不包含尾气排放信息。所述尾气排放图像是指待检车辆在预设条件下排放尾气时的图像，所述尾气排放图像包含尾气排放信息。本发明实施例通过所述摄像机先获取待检车辆的背景图像，然后获取所述尾气排放图像。

在本发明实施例中，摄像机采集尾气排放图像有不同的方式。其中一种采集方式为加载减速法。环检线上的待检车辆置于底盘测功机上，按照预设的加载检测程序，检测发动机转鼓表面线速度。当待检车辆的发动机转鼓表面线速度到达第一线速度和第二线速度时，摄像机分别采集一次尾气排放图像，得到第一线速度对应的尾气排放图像和第二线速度对应的尾气排放图像。因此，在加载减速法下，所述尾气排放图像至少包括所述待检车辆在发动机转鼓表面线速度达到第一线速度时的尾气排放信息和所述待检车辆在发动机转鼓表面线速度达到第二线速度时尾气排放信息。作为本发明的一个优选实例，所述第一线速度为最大线速度VelMaxHP点，所述第二线速度为80％VelMaxHP点。

另一种采集方式为自由加速法。待检车辆按照预设的自由加速检测程序，检测人员在1秒内将柴油车油门踏板连续踩到底，使待检车辆在最大供油量下运作。摄像机采集待检车辆在供油量最大值时的尾气排放图像，重复测量多次，选取最后若干次测量得到的尾气排放图像。因此，在自由加速法下，所述尾气排放图像包括所述待检车辆在供油量达到最大值时的尾气排放信息。

应当理解，在实际应用中，不管是加载减速法还是自由加速法，都会获得若干个尾气排放图像。

在步骤S102中，根据所述背景图像和尾气排放图像获取黑烟区域图像及其像素点对应的灰度值。

对于步骤S101采集到的每一个尾气排放图像，本发明实施例通过将每一个尾气排放图像和所述背景图像进行去重处理，得到所述尾气排放图像中所述待检车辆的黑烟区域图像。其中，所述黑烟区域图像是指所述尾气排放图像中存在的疑似黑烟区域。具体地，可通过在python的第三方图像处理库(Python Image Library，简称PIL)上采用感知哈希算法对所述背景图像和尾气排放图像进行去重处理，得到所述待检车辆的黑烟区域图像，并且记录黑烟区域图像中每一个像素点的灰度值。

在步骤S103中，根据所述黑烟区域图像及其像素点对应的灰度值获取像素点落入最多的灰度区间，作为目标灰度区间。

在得到黑烟区域图像以及像素点的灰度值之后，本发明实施例通过对所述黑烟区域图像进行图像分析，获取像素点落入最多的灰度区间。可选地，如图2所示，步骤S103还包括：

在步骤S201中，对所述黑烟区域图像进行去噪处理，得到前景图像。

本发明实施例通过对所述黑烟区域图像进行去噪处理，以减少图像中的噪声，提高后续进行像素点分布分析的准确率。去噪处理后得到的图像，这里记为前景图像。

在步骤S202中，对所述前景图像进行灰度直方图变换，得到所述黑烟区域图像中像素点的灰度平均值、灰度加权平均值和灰度值分散程度。

在这里，本发明实施例采用像素点的灰度值方差来表示像素点的灰度值分散程度。可选地，作为本发明的一个优选实例，如图3所示，所述步骤S202还包括：

在步骤S301中，根据所述像素点的灰度值计算所述黑烟区域图像的灰度平均值。

在这里，假设所述黑烟区域图像为像素大小n*n的图像，则所述黑烟区域图像的灰度平均值为

在步骤S302中，根据所述像素点的灰度值及其对应的加权概率计算所述黑烟区域图像的灰度加权平均值。

在步骤S303中，根据所述灰度加权平均值进行方差计算，得到所述灰度值分散程度。

在这里，本发明实施例首先针对所述黑烟区域图像中的每一像素点获取加权概率，然后结合所述像素点的灰度值及其对应的加权概率计算所述黑烟区域图像的灰度加权平均值M。其中，

然后计算所述黑烟区域图像中像素点的灰度值相对于灰度加权平均值M的灰度方差S，其中

在步骤S203中，根据所述像素点的灰度平均值、灰度加权平均值和灰度值分散程度计算所述黑烟区域图像中像素点的高斯分布。

由于尾气排放图像中尾气具有扩散和分布不均的特征，本发明实施例进一步利用符合高斯模型来得到像素点的高斯分布。具体地，遍历每一个像素点，根据所述像素点的灰度值h(i)、所述灰度平均值A、灰度加权平均值M以及灰度方差S计算所述像素点的高斯分布G(i)。其中，

在步骤S204中，根据所述黑烟区域图像中像素点的高斯分布获取像素点落入最多的灰度区间，作为目标灰度区间。

在得到黑烟区域图像中各个像素点的高斯分布之后，对灰度值进行区间划分，得到若干个灰度区间，然后根据所述像素点的高斯分布得到每一灰度区间对应的像素个数，选择像素点落入最多的灰度区间，作为目标灰度区间。

在步骤S104中，查询灰度区间与林格曼黑度之间的对应关系，得到所述目标灰度区间对应的林格曼黑度，作为所述待检车辆的林格曼黑度信息。

在这里，本发明预先根据所划分的若干个灰度区间，将林格曼黑度等效成0-255之间的灰度值，得到灰度区间与林格曼黑度之间的对应关系，使得每一个灰度区间对应一个林格曼黑度。为了便于理解，表1为本发明实施例提供的灰度区间与林格曼黑度之间的对应关系。在得到目标灰度区间之后，根据所述目标灰度区间查询上述灰度区间与林格曼黑度之间的对应关系，从而得到所述目标灰度区间对应的林格曼黑度，以所述林格曼黑度作为所述待检车辆的林格曼黑度信息。

表1

应当理解，上述步骤S102至步骤S104实现了对一个尾气排放图像的林格曼黑度检测，若有若干个尾气排放图像时，则对每一个尾气排放图像，结合所述背景图像重复执行步骤S102至步骤S104，得到每一个尾气排放图像的林格曼黑度。

本发明实施例实现了对林格曼黑度的自动化检测，且通过统计像素点的高斯分布获取像素点落入最多的灰度区域来得到待检车辆的林格曼黑度，极大地提高了检测得到的林格曼黑度的准确度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，本发明还提供一种环检线上的林格曼黑度检测装置，该环检线上的林格曼黑度检测装置与上述实施例中环检线上的林格曼黑度检测方法一一对应。如图4所示，该环检线上的林格曼黑度检测装置包括图像获取模块41、黑烟区域获取模块42、区间获取模块43、查询模块44。各功能模块详细说明如下：

图像获取模块41，用于获取待检车辆在环检线上进行环检作业时的背景图像和尾气排放图像；

黑烟区域获取模块42，用于根据所述背景图像和尾气排放图像获取黑烟区域图像及其像素点对应的灰度值；

区间获取模块43，用于根据所述黑烟区域图像及其像素点对应的灰度值获取像素点落入最多的灰度区间，作为目标灰度区间；

查询模块44，用于查询灰度区间与林格曼黑度之间的对应关系，得到所述目标灰度区间对应的林格曼黑度，作为所述待检车辆的林格曼黑度信息。

可选地，所述区间获取模块43包括：

预处理单元，用于对所述黑烟区域图像进行去噪处理，得到前景图像；

变换单元，用于对所述前景图像进行灰度直方图变换，得到所述黑烟区域图像中像素点的灰度平均值、灰度加权平均值和灰度值分散程度；

高斯分布计算单元，用于根据所述像素点的灰度平均值、灰度加权平均值和灰度值分散程度计算所述黑烟区域图像中像素点的高斯分布；

获取单元，用于根据所述黑烟区域图像中像素点的高斯分布获取像素点落入最多的灰度区间，作为目标灰度区间。

可选地，所述变换单元还用于：

根据所述像素点的灰度值计算所述黑烟区域图像的灰度平均值；

根据所述像素点的灰度值及其对应的加权概率计算所述黑烟区域图像的灰度加权平均值；

根据所述灰度加权平均值进行方差计算，得到所述灰度值分散程度。

可选地，所述图像获取模块42包括：

去重处理单元，用于采用感知哈希算法对所述背景图像和尾气排放图像进行去重处理，得到所述黑烟区域图像。

可选地，包括至少一个尾气排放图像，所述尾气排放图像包括所述待检车辆在供油量达到最大值时的尾气排放信息。

可选地，所述尾气排放图像至少包括所述待检车辆在发动机转鼓表面线速度到达第一线速度时的尾气排放信息和所述待检车辆在发动机转鼓表面线速度到达第二线速度时的尾气排放信息。

关于环检线上的林格曼黑度检测装置的具体限定可以参见上文中对于环检线上的林格曼黑度检测方法的限定，在此不再赘述。上述环检线上的林格曼黑度检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，本发明还提供了一种林格曼黑度检测仪，该林格曼黑度检测仪的处理器用于提供计算和控制能力。该林格曼黑度检测仪的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该林格曼黑度检测仪的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种环检线上的林格曼黑度检测方法。

在一个实施例中，本发明还提供了一种黑烟车识别系统，如图5所示，所述黑烟车识别系统包括摄像机10、气象仪20、终端30以及如上所述的林格曼黑度检测仪40；

所述摄像机10安装于环检线上，用于采集在环检线上进行环检作业的待检车辆的背景图像和若干个尾气排放图像，并将所述背景图像和若干个尾气排放图像发送至所述林格曼黑度检测仪40；

所述气象仪20用于获取所述待检车辆所处的环境信息，并将所述环境信息发送至所述林格曼黑度检测仪40；

所述林格曼黑度检测仪40用于根据所述背景图像和若干个尾气排放图像对所述待检车辆进行林格曼黑度检测，得到每个尾气排放图像对应的林格曼黑度信息，将所述尾气排放图像对应的林格曼黑度信息和所述环境信息发送至所述终端30；

所述终端30用于根据所述尾气排放图像对应的林格曼黑度信息和所述环境信息得到所述待检车辆的黑烟车检测结果。

在这里，所述摄像机10采集待检车辆的背景图像和若干个尾气排放图像，并将所述背景图像和尾气排放图像发送至所述林格曼黑度检测仪40。其中采集尾气排放图像可以采用上述的加载减速法或者自由加速法，此处不做限制，具体流程请参见上述实施例的叙述。所述气象仪20同步记录摄像机采集背景图像和尾气排放图像时的环境信息，即环检作业时的环境信息，并将所述环境信息发送至所述林格曼黑度检测仪40。可选地，所述环境信息包括但不限于温度信息、湿度信息、大气压信息。所述林格曼黑度检测仪40则根据每一尾气排放图像与所述背景图像得到每一尾气排放图像对应的林格曼黑度信息，最后将所述林格曼黑度信息和所述气象仪20的环境信息发送至所述终端30。具体地，所述林格曼黑度检测仪40的功能流程具体请参见上述林格曼黑度检测方法，此处不再赘述。所述终端30在获取到林格曼黑度信息和环境信息后，根据所述尾气排放图像对应的林格曼黑度信息和所述环境信息进行黑烟车识别与判断，得到所述待检车辆的黑烟车检测结果。

可选地，为了提高黑烟车判断的准确率，所述终端30还用于：

根据所述环境信息判断所述尾气排放图像对应的林格曼黑度信息是否有效；

若有效时，将每个尾气排放图像对应的林格曼黑度信息与预设的等级阈值进行比较；

当所有尾气排放图像对应的林格曼黑度信息均小于或等于所述等级阈值时，输出所述待检车辆检测合格的信息；

当所有尾气排放图像对应的林格曼黑度信息均大于所述等级阈值时，输出所述待检车辆检测不合格的信息；

当所有尾气排放图像对应的林格曼黑度信息不是均大于所述等级阈值或者不是均小于或等于所述等级阈值时，输出所述待检车辆重新检测的信息。

在这里，本发明实施例进一步通过所述终端30基于所述环境信息，对林格曼黑度检测仪得到的林格曼黑度信息进行有效性判断。其中，当所述环境信息同时满足：温度信息满足-20.0～45.0℃，湿度信息≤85.0％，大气压力满足70.0～101.4kPa时，所述林格曼黑度信息有效。否则，若不满足至少一个条件时，所述林格曼黑度信息无效。

在所述林格曼黑度信息有效时，遍历每一林格曼黑度信息，当且仅当所有尾气排放图像对应的林格曼黑度信息均小于或等于所述等级阈值时，所述待检车辆不为黑烟车，输出所述待检车辆检测合格的信息；当且仅当所有尾气排放图像对应的林格曼黑度信息均大于所述等级阈值时，所述待检车辆为黑烟车，输出所述待检车辆检测不合格的信息；否则其他情况下认为检测有误，输出所述待检车辆重新检测的信息。本发明通过根据若干个尾气排放图像对应的林格曼黑度信息来进行黑烟车识别与判断，有效地降低了黑烟车检测的误判率。

可选地，作为本发明的一个优选示例，所述终端可以为计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述终端的功能。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。