基于图像分割优化OTSU算法的电厂烟气浓度检测分析

发布时间：2021-03-02 01:32

　　为了提高电厂烟气浓度的监测准确率,提出了一种基于图像分割优化OTSU算法的电厂烟气浓度检测分析方法。该方法能够满足恶劣环境下的测试要求,显著提升测量精度。根据粒度分布状态可知,粒径范围下的粒度分布状态可知,粒径主要分布与100～150μm之间,整体符合正态分布特点。均方根误差分析得到22.1%,测试结果满足准确性要求。经测试得到85μm颗粒的平均粒径等于90.3μm,相对误差为6.23%;150μm颗粒的平均粒径等于142μm,相对误差为-5.33%,两种粒径下的测试误差都未超过±6.5%,表明采用此方法可以实现对粒径的准确测量。 

【文章来源】：当代化工. 2020,49(03)

【文章页数】：4 页

【部分图文】：

测量系统示意图

霾糠值?代化计算，索上响。行分度值，介于示最。采较大，并。利区域定为1作初始高灰始增由此灰度间方，对以被的差异，k来越小度值变化分割值T值更素值得一3别拍的百图像的图状态FFig工随着该值的来表示分割得小，则表示分值并不存在显化关系，其中割阈值，这是（5）根据不。利用最佳更小的像素值值被定义为2一幅可以有效结果分析将本实验分（1）根据不拍摄100幅图百分比。图2显示了像与经过图像图像，从图3态。（a）处图2颗Fig.2Original图3g.3Comparisonof的增大，两者得到的各部分分布状态越集显著差异性。中，最佳阈值是可以实现最不同的k值对佳阈值T把图值被定义为055，由此便效区分目标与析分成二组进行不同粒径进行图像，同时测了拍摄得到的像分割优化可以看到各处理前颗粒样本的原始imageandprosampl粒度分布测试nbetweentestfparticlesized者的差异也更分内部灰度分布集中，不同像利用k定义值是在最大k最优的图像分对比结果可以图像分成两个，等于或大便可以从一幅与背景的二值行测试：行测试观察，测试了各个粒的100μm粒OTSU算法各粒径范围下（b）处理始图像和处理后ocessedimageles试值与理论值对valueandthedistribution2020年3月更大。以参数布状态。当k像素对应的灰义类间与类内值下对应的分割效果。以获得最佳阈个部分，比T大于T值的像幅灰度图中获值化图像。为各样本分粒度范围对应粒度下的颗粒法处理后生成下的粒度分布理后后图像ofparticle对比oreticalva


本文编号：3058349