图像火检技术讲课--王世朋
基于颜色_空间特征的图像检索
1000-9825/2002/13(10)2031-06©2002 Journal of Software 软件学报Vol.13, No.10 基于颜色-空间特征的图像检索á王涛, 胡事民, 孙家广(清华大学计算机科学与技术系,北京 100084)E-mail: wangtao@摘要: 虽然基于颜色直方图特征的图像检索方法简单、高效,但却丢失了颜色的空间分布信息.提出了一种基于颜色-空间特征的图像检索方法.该方法将图像内容看成由若干对象组成的集合,首先利用图像分割得到主要对象,然后根据对象的颜色、位置和形状特征计算图像间内容的相似度,再进行检索.实验结果表明,当图像中有明显的物体时,该方法与颜色直方图相比,能够更加准确和高效地查找出用户所需内容的图像,明显地提高了检索精度.关 键 词: 基于内容的图像检索(CBIR); HSV颜色模型;图像分割;图像相似度中图法分类号: TP311 文献标识码: A 随着多媒体和网络技术的迅速发展,图像数据的来源不断扩大.为了能够从大量的图像数据中快速、准确地找到用户所需内容的图像,基于内容的图像检索(CBIR)技术正越来越成为人们研究的焦点.目前,比较著名的CBIR系统有:QBIC(query by image content),VisualSeek,PhotoBook,MARS(multimedia analysis and retrieval system)等.这些系统主要使用图像的颜色、纹理、形状和空间关系等特征进行检索.由于图像内容的特征很难准确地提取和描述,特征的相似度计算与人眼的感知存在一定的差异,CBIR还有许多问题需要解决.颜色是图像的重要特征之一.目前,很多基于颜色特征进行图像检索的方法已经被提出.最常用的检索技术是颜色直方图相交方法[1].该方法具有特征提取和相似度计算简便的优点,但也存在一些问题.首先,颜色量化会丢失颜色信息.凡是被量化到一级的颜色均被视为无差别,而位于量化分界处两边的颜色则其实际差别可能很小.同时,全局彩色直方图只记录了全局的颜色统计信息,丢失了颜色的空间分布信息并混入了不感兴趣物体的颜色信息.因此,两个颜色直方图相似的图像由于颜色的空间分布差别很大,图像的内容可能很不相同.改进颜色直方图特征的方法包括:累加直方图方法[2,3],这种方法通过累加方式增加了直方图的鲁棒性,但仍丢失了颜色空间分布信息;主颜色方法[4],该方法提取图像中的主要颜色,从而有效去除了不重要物体带来的颜色干扰,但仍丢失了颜色的空间分布信息;为了增加颜色特征的空间信息,又提出了颜色相关矢量CCV(color coherence vector)[5]和类似纹理共生矩阵的Corlor Correlograms[6]方法,但仍没有准确地描述图像中物体的颜色、位置和形状等特征.最新的方法是基于颜色-空间特征的检索[7,8],这种方法通过图像分割得到图像中的主要物体,然后提取每个物体的颜色和位置特征,最后进行图像间相似度的计算.这种方法克服了通过将图像分块(如上、中、下三部分)以获得颜色空间分布特征所存在的僵化和粗糙性缺点,但由于准确的图像分割比较困难以及相似度计算模型与人的感知存在差异,因此对于一般的图像数据库进行检索,实验效果有时不够理想.本文研究了基于颜色-空间特征的检索方法.使用改进的HSV(hue,saturation,value)颜色模型进行图像分割和颜色相似度计算,使用了基于统计方法的更加鲁棒的对象形状特征(用形状的大小ρ,形状的离散度r和离心á 收稿日期:2000-12-12; 修改日期: 2001-03-09基金项目:国家自然科学基金资助项目(69902004);国家重点基础研究发展规划973资助项目(G1998030600)作者简介:王涛(1972－),男,黑龙江哈尔滨人,博士生,主要研究领域为计算机视觉,图像处理,计算机图形学;胡事民(1968－),男,浙江长兴人,博士,副教授,主要研究领域为计算机辅助几何造型,计算机图形学,面向内容的图形图像检索;孙家广(1946－),男,江苏镇江人,教授,博士生导师,中国工程院院士,主要研究领域为CG,CAD,CAGD,PDM&ERP.2032 Journal of Software 软件学报 2002,13(10) 率e 来代替原来简单的矩形包围盒特征,并给出了基于对象特征的图像内容相似度计算方法.实验结果表明,该方法性能稳定,在有明显物体出现的情况下具有比颜色直方图检索方法更好的查询精度.1 基于颜色-空间特征的检索通常,人们首先通过颜色特征发现物体,然后再通过它们的形状、纹理和拓扑关系等特征来进一步地识别物体.当图像中有明显物体出现时,例如,一幅上部为蓝天,下部是绿地的风景画,图像的内容可以由这些物体的颜色、位置和形状等特征来表示,如图1所示. 如果另一幅图像也包含有这些相似的对象,我们就认为这两幅图像的内容是相似的.基于颜色-空间特征的检索方法采用上面的原理,整个过程分为3步:首先对图像进行分割,得到主要物体所占的区域,然后对每一块区域提取它们的颜色、位置和形状等特征作为该对象的特征,最后根据图像中各对象的特征计算两幅图像间内容的相似程度,进行检索. 1.1 颜色模型一般认为R,G,B 颜色空间与人眼的感知差异很大.例如:距离为50的(0,0,0)与(50,0,0)两种RGB 颜色认为是同一黑色,而距离为50的(200,150,0)和(200,200,0)则是差别很大的两种颜色(黄色和绿色).文中使用较好符合人眼感知特性的HSV 颜色模型.首先将图像中每一像素的r ,g ,b 值转换为h ,s ,v 值(h ∈[0,2π],s ∈[0,1],v ∈[0,1]),然后根据HSV 颜色模型的特性作如下特殊处理(如图2所示):(1) 黑色区域:所有v <15%的颜色均归入黑色,令h =0,s =0,v =0;(2) 白色区域:所有s <10%且v >80%的颜色归入白色,令h =0,s =0,v =1;(3) 彩色区域:位于黑色区域和白色区域以外的颜色,其h,s,v 值保持不变.经过HSV 颜色变换,图像中每个像素的颜色用h ,s ,v 值表示.由于将与黑色、白色相近的颜色分别作为同一种颜色对待,进一步提高了颜色模型的准确性.颜色相似度通过(h ,s ,v )值在柱坐标系下(c 1,c 2,c 3)的欧氏距离计算,在第1.3节、1.4节中将详细给出.1.2 图像分割当图像中有明显物体出现时,通过图像分割技术可以找出图像中这些感兴趣物体所在的区域.由于基于内容的图像检索中一般只需要粗略地找出主要物体的所在范围,一般的图像分割技术基本上能够满足要求.文中首先使用Gauss(σ=1.5)滤波器对图像进行平滑来消除噪声和局部纹理特征的影响,然后使用区域生长方法对图像进行分割[9].区域生长的基本步骤如下:(1) 将图像分成等面积的单元.(2) 从左上角的第1个单元开始与其相邻的单元进行颜色比较,若两者相似且符合归并准则,那么就将两者归并形成一个小片,并且计算该小片的平均颜色.若相邻的某单元与其颜色不相似,则将该单元标以“未完成”.(3) 继续将小片与其相邻单元逐个进行颜色比较,凡是与小片相似者并入小片使小片逐渐生长扩大,直到没有再可归并的单元为止.然后将此生长完毕的小片标以“已完成”. Fig.1 An image consisted of 6 objects 图1 由6个物体组成的一幅图像m 4王涛 等:基于颜色-空间特征的图像检索2033(4) 对于下一个“未完成”的单元重复上面生长小片的步骤,直到所有的单元都已被标记为“已完成”.(5) 对于分割后的图像进行后处理,将符合归并准则的某些区域进行合并. 区域生长分割方法的关键是要寻找恰当的生长点和相邻单元合并的门限.实验中设定颜色(c 1,c 2,c 3)的距离门限为0.3.为了找到恰当的生长点,文中采用迭代方法.在上次分割的结果中,将各区域按面积由大到小排序,然后将这些区域的重心作为生长点重新在原图上进行区域生长,得到更准确的分割结果.由于图像分割不是本文讨论的重点,我们在这里仅简要说明.进一步提高区域生长图像分割的精度需要利用区域间的特征进行单元合并等后处理工作[10].1.3 颜色-空间特征提取通过图像分割得到了一些具有不同颜色的区域,我们称之为对象.当对象的大小ρ<1%时,由于尺寸太小,我们称之为次要对象,其特征可忽略不计.对于ρ>1%的对象,我们称之为主要对象.一幅图像的主要内容就由这些主要对象的颜色、位置和形状等特征来表示.(1) 颜色特征:区域的颜色特征用该区域的平均色代表.为了方便颜色相似度的计算,将(h ,s ,v )色度坐标统一转换为柱坐标系下的欧氏空间坐标(c 1,c 2,c 3)表示.v c h s c h s c =⋅=⋅=321),sin(),cos(.(2) 位置特征:对象的位置用其重心的归一化坐标表示.=Height Width O ,. (3) 形状特征:包括形状的大小ρ,形状的离散度v 和离心率e [11].imagein the pixels of Number object in the pixels of Number =ρ, ),max(object in the pixels of Number /)()(),(22Height Width y y x x v Object y x ∑∈−−−+−=,]1,0[4)(4)(211202200220211202200220max min ∈+−+++−−+==u u u u u u u u u u I I e . 这里,∑∈−−−−=Object y x q p q p y y x x u ),(,)()(.Width ,Height 是图像的宽和高. 形状的大小ρ是对象面积占图像总面积的百分比,反映了物体的尺度.形状的离散度r 类似于包围盒,反映了该对象相对于重心的离散程度.由于r 为统计特征,显然比矩形包围盒特征鲁棒性要强.离心率e 是物体最适椭圆的短、长轴之比,反映了物体的大致形状并且具有旋转不变性.由于图像分割一般很难找到任意物体的准确范围,因此没有必要进一步提取更详细的形状特征,如形状的傅里叶描述子、矩和边界位置等.最终,对象i 的特征用矢量表示为),,,,,,,(321i i i i i i i i i e v y x c c c F ρ=.含有m 个主要对象的图像的特征矢量表示为{F 1,F 2,…,F m }.1.4 相似度计算我们采用高斯函数计算任意对象i ,j 之间各特征的相似程度.通过调整各特征的方差σi 可以方便地归一化具有不同量纲的特征变量,并且相似度总在[0,1]之间.当S =1时,两个对象相似,当S →0时,两个对象不相似.相似度的计算公式如下:(1) 颜色相似度:−+−+−=2122222221113)()()(exp σj i j i j i c c c c c c S . (2) 位置相似度:2034 Journal of Software 软件学报 2002,13(10)−+−−=222222)()(exp σj i j i y y x x S . (3) 形状相似度:1,)()()(exp 232223=++−+−+−−=e v j i e j i v j i w w w e e w v v w w S ρρσρρ. 图像中任意两个对象i ,j 之间的相似度是各特征间相似度的加权平均:∑∑====31311,),(r r r r r object w S w j i S .假设查询图像Q 有m 个主要对象,数据库中任意图像I 有n 个主要对象,则图像Q 相对于I 的相似度为1)),(,(),(11==∑∑==mi i I m i object i W i P i S W I Q S ,其中i W 为对象i 的权重.由于图像中各对象的面积不同,因此重要程度各不相同.实验中将i W 初始化为i ρ,使权重i W 与该对象的面积成正比.)(i P I ,i =1,2,…,m 表示Q 的对象i 与I 中对象间的映射关系,返回在图像I 中与Q 的第i 个对象最为相似的对象.),(I Q S 的具体算法过程如下:(1) 令0),(=I Q S ,建立相似度矩阵n m j i mn s S ×=][,,其中ij s 是图像Q 的第i 个对象与图像I 的第j 个对象之间的相似度;(2) 在相似度矩阵mn S 中寻找最大的元素j i s ,,则j i P I →)(,ij i S W I Q S =+),(;(3) 去掉相似度矩阵mn S 的第i 行,第j 列.如果矩阵的行数或列数为0,则停止并返回相似度),(I Q S ;否则转到步骤(2)继续执行.按照上面相似度的计算公式,S (Q ,I )与S (I ,Q )的值一般是不同的.图像I 与Q 的总体相似度定义为2),(),(,Q I S I Q S S I Q +=. 最终,我们使用I Q S ,相似度公式计算数据库中的每一幅图像I 与查询图像Q 之间的相似度,然后按照相似度由大到小的顺序返回基于内容图像检索的查询结果.2 实验结果使用区域生长方法对图3中的一幅风景照进行图像分割,分割的结果见如图4所示.从图4中可以看出,通过图像分割找到了图像中的主要对象:左上角的蓝天、中间的房子、下方的浅色草地和深色树木.图4中的白色部分由若干面积ρ<1%的次要对象组成,图中虽没有画出但这并不影响判断整幅图像的内容.因此,一幅图像的内容可以近似地看做是由图像分割成的这些主要对象组成.使用文中基于颜色-空间特征的方法,我们进行了基于内容的图像检索实验.使用的Corel 图像数据库内容包括:雕像、工具、人物、建筑、体育、花朵、餐具、自然风景等10 000张图片,将图像的特征预先计算好并保存在数据库中.由于图像中存在多个对象,每个对象含有多个特征,因此权值w r ,W i 的设置比较重要.实验中默认的权值初值为w r =1/3,r =1,2,3;σ1=0.33,σ2=0.5,σ3=0.33,W i =ñi ,i =1,2,...,m .如图5所示,我们使用左上角的同一幅图像进行检索,在传统的颜色直方图检索方法中,前12幅图的正确率为40％;基于颜色-空间特征的检索方法(如 Fig.3 A landscape image 图3 一幅风景图像 Fig.4 The segmentation result 图4 分割结果王涛 等:基于颜色-空间特征的图像检索 2035 图6所示),前12幅图的正确率为83%.基于颜色-空间特征的方法返回了在图像颜色空间分布上更为相似的图像,比颜色直方图方法明显地提高了检索精度.在关于基于颜色-空间特征的检索方法中具有许多灵活可调的参数,如:设置查询样本图像中每个主要对象的重要程度W i ,每个对象的颜色、位置、形状等各特征的重要程度w r 等,因此在检索时可以为用户提供更大的查询灵活性,可以使用户更加准确地表达所要查询图像的内容,从而进一步提高查询的精度.我们在查询界面中让用户指定要查询的图像,然后由用户在该图像的分割结果中指定主要对象的感兴趣程度,并给出其相应的颜色、位置和形状特征的重要程度(不重要、重要、很重要),最后由计算机根据人给出的重要程度计算各特征的权重,进行检索.以查询一幅白色雕像为例进行实验,用户将中间的白色雕像部分设为很重要,检索结果如图7所示.其中前14幅图的正确率为100％,前20幅图的正确率为94％.Fig.7 The retrieval results by user increasing the weight of the white sculpture object图7 用户增加白色雕像的重要程度后进行检索的结果3 结束语基于颜色-空间特征的图像检索方法,通过图像分割利用图像中物体的颜色、位置和形状等特征进行检索.实验表明,当图像中有明显物体出现时,该方法使用比颜色直方图少得多的8×m 个特征在有效减少特征存储空间的同时,更准确地返回了用户所需内容的图像.并且该方法通过调整对象特征的权值,可以让用户更加准确地表达所要查询内容的感兴趣程度,从而进一步提高查询的精度.任何物体的特征是多方面的,一种特征只能适用于相应的特殊情况,因此很难由单一的某种特征把物体从其他大量容易混淆的物体中识别出来.文中我们给出了基于颜色-空间特征比较有效的一种检索方法,要想提高CBIR 的检索精度,应当使用多个特征(如颜色、纹理、形状、拓扑和语义等特征)和基于人机交互的相关反馈技术,调整相似度模型参数,以更加准确地描述图像的内容特征和用户的查询条件,从而进一步提高基于内容图像检索的精度.Fig.5 Color histogram based retrieval results 图5 基于颜色直方图特征的检索结果 Fig.6 Color-Spatial feature based retrieval results 图6 基于颜色-空间特征的检索结果2036 Journal of Software软件学报 2002,13(10)References:[1] Swain, M.J., Ballard, D.H. Color indexing. International Journal of Computer Vision, 1991,7(1):11~32.[2] Stricker,M., Orengo, M. Similarity of color images. In: Niblack, W.R., Rceds, J., eds. Proceedings of the SPIE2420, Storage andRetrieval for Image and Video DatabaseIII. San Jose, CA: SPIE, 1995. 381~392.[3] Liu, Zhong-wei. Color image retrieval using local accumulative histogram. Journal of image and graphics, 1998,3(7):533~537 (inChinese).[4] Androutsos, D.A. Novel vector-based approach to color image retrieval using a vector angular-based distance measure. ComputerVision and Image Understanding, 1999,75(1/2):46~58.[5] Pass, G., Zabih, R. Histogram refinement for content-based image retrieval. In: Proceedings of the 3rd IEEE Workshop onApplications of Computer Vision (WACV’96). Sarasota: IEEE Computer Society, 1996. 96~102.[6] Huang, J. Image indexing using color correlograms. In: Proceedings of the IEEE Computer Society Conference on C omputerVision and Pattern Recognition. San Juan: IEEE Computer Society, 1997. 762~768.[7] Messer, K., Kittler, J. A region based image database system using color and texture. Pattern Recognition Letters 1999,20:1323~1330.[8] Kam, A.H., Content based image retrieval through object extraction and querying. In: Proceedings of the IEEE Workshop onContent-Based Access of Image and Video Libraries. Hilton Head Island: IEEE Computer Society, 2000. 91~95.[9] Bian, Zhao-qi. Patern Recognition. Beijing: Tsinghua University Press, 1986. 262~263 (in Chinese).[10] Pavlidis, T., Liow, Y.T. Integrating region growing and edge detection. IEEE Transactions on Pattern Analysis and MachineIntelligence, 1990,12(3):225~133.[11] Leu, J.G. Computing a shape moments from its boundary. Pattern Recognition, 1991,24(10):949~957.附中文参考文献:[3] 刘忠伟.利用局部累加直方图进行彩色图像检索.中国图像图形学报,1998,3(7):533~537.[9] 边肇祺.模式识别.北京:清华大学出版社,1986.262~263.Image Retrieval Based on Color-Spatial FeatureáWANG Tao, HU Shi-min, SUN Jia-guang(Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)E-mail: wangtao@Abstract: The color histogram based image retrieval method is simple and efficient but losing the spatial distribution information of the color. In this paper, a color-space feature based image retrieval method is presented. The content of one image is looked as the aggregation of some main objects, which can be obtained by image segmentation. The total similarity between two images is computed according to these main objects’ color, location and shape features and then retrieval there images. The experimental results show that the method is more accurate and efficient in retrieving the user interested images than color histogram method when there are obvious objects in the image.Key words: content based image retrieval (CBIR); HSV color model; image segmentation; image similarityáReceived December 12, 2000; accepted March 9, 2001Supported by the National Natural Science Foundation of China under Grant No.69902004; the National Grand Fundamental Research 973 Program of China under Grant No.1998030600。
基于模糊模式与火焰图像特征量的燃烧状态识别方法
１ 识 别 原 理
对 于一个 普通 的集合 Ａ， 间 中任 一元 素 ， 么 空 要
燃烧经济性的估算以及 Ｎ 排放量 的估算等， 这对于 稳定锅炉燃烧 ， 提高燃烧效率有重要的意义。华 中科
ｚ ∈Ａ， 要么 ｚ Ａ， 二者必居其一 。这一特征可用一
个 函数表示 为 ：
技大学借助于辐射定律采用参考点法从火焰辐射能量
图 １ 稳 定 的燃 烧炉 膛 四角 火焰 图像
心偏移距离和圆形度 ７ 个特征量 ， 用模糊识别方法建
立 了识别模 型 。识 别结 果 与实 际相 比较 ， 别 准确 率 判
很高 ， 说明了特征量的提取和模糊模式识别的方法用
于燃烧 火焰 的分类识别是 可行的 。由于基 于特征 向量
的方法计算速度快 ， 而且可以进行其它分析， 更适合于
识别 方法开发较 多 ， 但对 于 Ｃ Ｄ所 获得 的燃烧 火焰 图 Ｃ
别和语言方法识别） 中模型是明确的， 但作为客观事物
的模型往往带 有不 同程 度 的模糊 性 ， 样 的模 型就要 这 用模糊集来 表示 ， 以就 有 了模糊 模 式识 别 。模 糊模 所
式识别的直接方法是 ： 设有几个模型 ， 它们可以表示成
要］ 通过对火焰图像进行分析， 提取出火焰亮度 、 火焰面积、 质心偏移距离和圆形度等 ７个特征量，
应 用模 糊模式建 立识 别模 型， 据 最大隶属度判别 火焰的燃烧 状 态。模 型识 别结 果表 明 ， 方 法识 别准确 根 此 率 高， 算速度快 ， 计 适合 实际应 用 。
［ 关键词］ 模糊模式； 状态识别； 火焰图像； 特征量； 燃烧
率达到 ９ 以上 ， ８ 其中图 ２的第 １帧图像出现了判别
基于图像的火焰识别
基于图像的火焰识别摘要：图像型火灾探测技术是以机器视觉为基础的新型火灾探测技术，它不会受到空间大小、环境恶劣等复杂因素的影响。
本文的目的是通过在视频图像中提取信息来判断火灾的发生，这项研究在现实生活中有着很大的实际意义。
本文主要通过针对复杂环境下采集到的火灾图像信息，对图像进行分析，采用中值滤波和图像锐化对图像进行预处理，消除掉火灾图像中参杂的噪声。
之后采用一种两层组合的图像分割算法对图像进行分割，得到火焰的疑似区域。
并在此基础上，对疑似区域的火焰特征进行分析，提取出火焰的面积变化值、圆形度及闪烁频率等特征，为之后的识别做准备。
最后运用模糊神经网络建立火灾识别模型，将提取出的火焰特征作为输入量对火灾图像进行分类识别。
仿真结果表明，该算法对不同场景的火灾识别具有较高的准确率。
关键词:火焰图像;图像分割;特征提取;特征融合;模糊神经网络Flame recognition based on imageAbstract:The image-type fire detection technology is a new detection method, which based on the machine vision. It will not be subject to the complex factors of the space size or the bad environments. Collect the fire image information under complex environment. Analyzing the image, and using the median filtering and image sharpening to the image pre-processing, eliminating the noise mixes in the image of fire. With the two-tier combination of image segmentation algorithm to segmentation the image, in order to get the suspected area of the flame. On this basis, analysis the flame characteristics of the suspected region, to extract the flame area change values, round, and the flicker frequency characteristics for Identification in preparation. Finally, using the fuzzy neural network to establish the model of fire detection, Flame characteristics will be extracted as the input, in order to classification of the fire image. The simulation results show that the algorithm on different scenarios of fire detection with high accuracy.Keywords: flame image; image segmentation; feature extraction; feature fusion; fuzzy neural network.1、基于视频图像的火焰识别问题1.1、如何进行火焰图像的预处理和分割？在实际环境中摄像头所处的位置是非常复杂的，一般采集到的图像都会受到天气、光线的变化、阴影、灯光以及随机噪声的影响，而使得图像质量降低监测难度加大。
基于图像处理技术的炉膛火焰检测系统的设计
吉林化工学院毕业设计说明书基于图像处理技术的炉膛火焰检测系统的设计Design of Flame Detection Technology of Power Plant Boiler Based on Digital Image Processing学生学号：学生姓名：专业班级：指导教师：职称：起止日期：吉林化工学院Jilin Institute of Chemical Technology吉林化工学院毕业设计说明书摘要准确掌握炉膛内火焰的温度场分布及燃烧状态对于锅炉安全、经济运行具有极其重要的意义。
近年来，随着数字图像处理相关技术的不断发展成熟，基于它的火焰检测技术被越来越多的应用于锅炉火焰的检测。
本文在对传统火焰检测方法和现有技术进行深入研究和分析的基础上，提出了一种基于数字图像处理技术的炉膛火焰检测系统的设计方法。
针对燃烧过程的动态特性和其所伴随的随机干扰，利用图像处理的相关技术对火焰图像进行噪声滤除、图像增强及伪彩色化等处理；在大量实验的基础上，提出了针对火焰几何特性的评价方法；针对现有火焰温度场测量方法过于复杂的缺点，给出了一种基于火焰图像的温度场测量方法，实现二维温度场的显示；开发了基于LabView平台的火焰识别系统。
本文采用数字图像处理技术以简单有效的方法实时地得出火焰图像的等温曲线，可以很容易地在实际炉膛火焰温度检测中得以应用。
关键词：数字图像处理；火焰检测；边缘检测；伪彩色化- I -基于图像处理技术的炉膛火焰检测系统的设计AbstractTo grasp the temperature field distribution and burning state of the flames in the furnace is of great significance. In recent years, with the technology of digital image processing technology becoming mature, the fire detection technology based on it has been applied to boiler fire detection more and more.A new design of flame detection technology of power plant boiler based on digital image processing is put forward in this paper after the analysis and research of the traditional fire detection method and existing technology. According to the dynamic characteristic of combustion and various disturbances, flame images are smoothed and enhanced. Based on a great deal of research experimentation, a new detection algorithm and flame evaluate index are presented. According to complexity of current measuring method of temperature field, a new method based on the image processing is presented, realizing the display of two-dimension temperature field. Based on the platform of LabView, the flame identification system is presented.In this paper, a simple and effective method is presented to acquire the real-time flame isothermal curves based on digital image processing, and it can be applied to the actual furnace temperature detection easily.Key Words：Digital Image Processing；Flame Detection；Edge Detection；Image Enhancement- II -吉林化工学院毕业设计说明书目录摘要 (I)Abstract (II)第1章绪论 (1)1.1 选题背景与意义 (1)1.2 国内外的发展现状 (2)1.3 本文的研究内容 (4)第2章火焰图像处理 (5)2.1 数字图像处理的特点 (5)2.2 火焰图像处理 (5)2.2.1 火焰图像的灰度化 (6)2.2.2 直方图统计 (6)2.2.3 火焰图像增强显示 (7)2.3 锅炉炉膛火焰监测与图像处理系统构成 (11)第3章火焰检测 (13)3.1 煤粉燃烧器的燃烧过程及特点 (13)3.2 传统火焰检测方法 (13)3.3 本文使用的火焰检测方法 (14)3.3.1 火焰图像边缘提取 (14)3.3.2 二值化处理 (17)3.3.3 轮廓提取与轮廓跟踪 (18)3.3.4 火焰的评价指数 (19)3.3.5 基于火焰图像的测温法 (22)第4章检测系统设计 (24)4.1 检测系统软件开发平台简介 (24)4.1.1 LabView 软件简介 (24)4.1.2 Vision 视觉开发工具包简介 (24)4.2 火焰图像灰度化的实现 (25)4.3 直方图统计的实现 (25)4.4 火焰图像增强显示的实现 (25)4.4.1 灰度均衡·························································错误！未定义书签。
红外图像型火灾探测技术ppt课件
背景介绍
随着我国经济的飞速发展，各种高层的 建筑群体不断涌现，如体育馆、博物馆、大 型展览馆、大型商场、影剧院、候机厅等大 空间场所越来越多。而现有的火灾探测技术 在大空间场合的应用其问题就突显出来。
因此，研究一种新型快速、准确的火灾 早期探测并及时可靠报警的火灾探测及预警 系统，有着重要的实际意义。
• 第三条 国家鼓励、支持消防科学研究和技术创新，推广 使用先进的消防和应急救援技术、设备；鼓励、支持社会 力量开展消防公益活动。
• 对在消防工作中有突出贡献的单位和个人，应当按照国家 有关规定给予表彰和奖励。
• ··· ···11来自针对传统火灾监控系统存在的缺陷,本 项目提出了一种基于双目视觉的图像处理 的火灾监控系统。运用DirectShow进行抓 图，然后进行火灾图像处理算法处理，其 结果与通过实验得到的阈值相比较，判断 是否发生火灾以及火灾的等级。一旦发现 火灾隐患，则立即启动语音报警、扩展的 GSM电话报警以及远程监控。
16
报警方式采用本地语音报警以及扩展的 GSM模块自动电话报警，同时以GSM网络 和Internet实现远程火情的监视。系统可记 录报警信息，供给管理人员调用查看。
17
系统总体框图
18
DirectShow介绍
DirectShow是Microsoft公司推出的流媒体开发 包，使用它可以在支持WDM驱动的各种监控卡上 采集数据，因此，使用DirectShow可以开发通用的 视频监控程序。DirectShow支持ASF、MPGE、 AVI、MP3、WAV等多种媒体格式，使得它很容易 实现媒体数据的采集、回放。
通过实验得到等级阈值，系统以此判定火灾等级。这 些记录作为燃烧信息一起写入历史记录即报警记录数据库。
大空间图像型火灾探测和自动灭火技术的研究
大空间图像型火灾探测和自动灭火技术的研究发布时间：2021-03-29T10:00:33.003Z 来源：《科学与技术》2021年第1期作者：刘虎晓郝冰[导读] 图像型火灾探测以及自动灭火技术指的是使用CCD摄像头，刘虎晓郝冰河北省消防救援总队应急通讯与车辆勤务大队 050000摘要：图像型火灾探测以及自动灭火技术指的是使用CCD摄像头，把现场的彩色图像以及红外图像输入到计算机，随后使用图像处理算法，通过图像识别是否发生火灾。
一旦出现火灾，就可以明确火灾的空间位置，从而实现灭火系统以及报警疏散系统的自动启动。
本文根据图像特征实现火灾探测以及自动灭火技术，从而更好的开展灭火救援。
关键词：大空间；图像型火灾探测；自动灭火技术火灾是一种常见的自然灾害。
近年来，随着经济的快速发展，各种高层建筑群不断涌现。
在高层建筑中，由于人口密集和财产集中，消防安全问题更加突出。
目前，火灾探测技术的误报率很高，因此迫切需要对火灾探测技术进行进一步的研究。
而且，随着对消防安全要求的日益严格，能够将火灾损失降至最低的实时自动灭火系统必将成为未来消防安全的主流设备。
因此，开发火灾探测和自动灭火系统，实时有效地监控火灾，减少火灾造成的损失是消防技术领域的重点研究内容。
一、火灾的发展过程火灾作为一种燃烧现象，随着时间的变化会逐渐失控，导致出现严重威胁，但是火灾也有一定的规律。
另外，火灾发生过程中会出现一系列物理和化学反应，还会存在随机性。
通常来说，火灾发展过程都有五个阶段：初期阶段、剧烈阶段、下降阶段以及灭火阶段。
当固体物质燃烧的时候，15分钟内火势都不大，烟气流动速度也非常慢，而且辐射热度很低，火势不会大范围蔓延，在这个阶段进行灭火，不需要很多人力和物力，损失比较小。
自动火灾探测技术的原理是：通过分析火灾过程的特征，将其作为火灾探测和识别的参数，从而实现自动探测并发出火灾警报，这样可以有充足时间开展抢救或逃生，从而避免火灾损失。
消防考试《三维图解高通班》12.11专题01[在线观看]
![消防考试《三维图解高通班》12.11专题01[在线观看]](https://img.taocdn.com/s3/m/2307c43265ce050877321301.png)
2020年全国注册消防工程师执业资格考试消防三维图解高通主讲人：王老师2020年我们再起航！2020年大事件：1.MH370失踪6周年祭2.火星探测计划4.5G普及3.2020年全面建成小康社会5.优路教育三维移动端上线PC端三维介绍移动端三维介绍三维系列直播课程消防给水及消火栓系统一、PC端三维介绍 下载方法：优路教育PC端3.0版本即将上线！基本介绍：二、移动端三维介绍三、2020年三维系列直播课程主要内容：第一部分：消防给水系统一、消防给水系统的介绍建筑消防给水是指为建筑消火栓给水系统、自动喷水灭火系统等水灭火系统提供可靠的消防用水的供水系统。
消防给水系统主要由消防水源（市政管网、水 池、水箱）、供水设施设备（消防水泵、消防稳压设施、水泵接合器）和给水管网（阀门）等构成。
二、消防给水系统按水压方式分类1.高压消防给水系统：能始终保持满足水灭火设施所需的工作压力和流量，火灾时无须消防水泵直接加压的供水系统。
2.临时高压消防给水系统：平时不能满足水灭火设施所需的工作压力和流量，火灾时能自动启动消防水泵以满足水灭火设施所需的工作压力和流量的供水系统。
3.低压消防给水系统：能满足车载或手抬移动消防水泵等取水所需的工作压力和流量的供水系统。
Z17-14.下列设备和设施中，属于临时高压消防给水系统构成必需的设备设施是（ ）。
A.消防稳压泵B.消防水泵C.消防水池D.市政管网三、阀门组件与管道连接方式1.阀门组件（1）明杆闸阀和暗杆闸阀明杆闸阀是通过阀杆与手轮的螺纹传动来提升或者降下阀瓣（见明杆闸阀和明杆闸阀剖面图）；暗杆闸阀在开关时手轮与阀杆是连接在一起相对不动的，它是通过阀杆在固定点转动来带动阀瓣向上提升和向下来完成启闭的。
（2）信号蝶阀蝶阀的顶部设有阀门启闭电信号装置，可以把阀门开启、关闭状态信号传到消控中心，便于监控。
（3）球阀启闭件（球体）由阀杆带动，并绕球阀轴线作旋转运动的阀门。
（ 4） 止回阀止回阀是指启闭件为圆形阀瓣并靠自身重量及介质压力产生动作来阻断介质倒流的一种阀门。
基于图像处理和识别技术的灼热丝火焰检测系统
从 而估 算火焰高 度 ，其试验过 程影 响准确性 的因素较多 ，
测量 的误差较大 】 。
来 进行产 品的着火危 险试验 。理 论上讲 ，在产 品 内部 的 绝缘 材料或 外壳绝缘材 料均可能 由于灼热 电线 或灼热 元 件 而起燃 。由于电热作用 可能 出现 的过热应力 或着火危 险 ，从 而使 其性能劣化 ，降低产 品的安全 性能。 因此 相 关标 准规定 ，这 些绝缘材料 不应过度 地受 到产 品 内部产 生的热 和火 的影响 。灼 热丝试验 是检验产 品 内部易使 火 焰 蔓延 的绝 缘材料 和外 壳绝缘材 料的着火 安全性能 的重
基金项 目：国家质检总局科研项 目，２ ０ １ １ Ｉ Ｋ ０ ７ ８
标准 Ｇ Ｂ ５ １ ６ ９ ． １ ０ ，Ｇ Ｂ ５ １ ６ ９ ． １ １ ，Ｇ Ｂ ５ １ ６ ９ ． １ ２ ，Ｇ Ｂ ５ １ ６ ９ ． １ ３中 的规定 。目前 的测量火焰高度的方式是肉眼观测标 尺刻度 ，
都 有相应要 求。灼热丝 试验是根 据电工 电子产品 的工 作
一 技术创新 ・日用电器
基于图像处理和识别技术的灼热丝火焰检测系统
余 轩 冯 达 梁 晖 李 彬 兰 辉
（ Ｉ广东 出入境检验检疫局检验检疫技术 中心
２华南理工大学 自动化科学与工程学院
广州
广州
５ １ ０ ６ ２ ３
５ １ ０ ６ ４ ０ ）
简 介 ：为 了提 高灼 热丝火焰 高度测量 的准确 性，利用 图像 处理软件 ￣Ｔ Ｌ Ａ Ｂ对火焰 图像进 行灰度提取 ，根据 灰度 图像 中火焰与背景 的亮度差异 ，采用 高斯一 拉普拉斯算子进行火焰 图像边缘 的提取 ，采用 工件尺 寸的光 学测量方 法计算火焰高度 。经过与传统方法 的比较 试验 表明 ，该方法所测火焰 高度数据准确 ，用 于灼热丝火
第8章第三部分--图像型火灾探测技术
⎜⎜⎝⎛
dP λMW
⎟⎟⎠⎞max
=
0.0075
长相对比值小于0.1，根据Rayleigh散射定律，烟雾颗 粒的散射光强与入射波长的四次方成反比，即波长越 长，散射光强越小，因此采用火焰中微波进行探测， 烟雾颗粒的散射信号相对较小，可以有效地消除了烟 雾的消光影响，从而保证了微波探测器能接收较大的 火焰微波辐射能量
光学吸收 无辐射去激励
温升膨胀 压力波动 声学检测
1
概述——光声气体探测的优点
高灵敏度 可达0.1ppm甚至达到ppb的量级 由于是直接测量气体对光的吸收部分，所以 光声技术选择性好和可靠性高 同时由于其选择性吸收特性，可以实现在一 个光声腔内同时监测多种气体 由于采用声信号检测而非光电探测器，提高 了探测器的品质，保证了长期的稳定性
概述
火焰辐射在到达火焰探测器时，由于火灾伴随 产生大量的烟雾，烟雾产生消光作用，火焰辐 射能量已经发生衰减，从而造成火焰探测器接 收信号大部分是烟雾的散射信号，而不是火焰 直接辐射的信号，因此有可能使火焰探测器无 法探测到火灾的发生。
微波火灾探测技术
概述
频微粒率波的工粒fMW作径为波在1长比.6较λGH大MWz范为与围13m0内0m为G与H4.z12之8n7间mm。至m由7之于.5间火μ，灾m相烟之应雾间工颗作
接收频率范围是2-40GHz，采用超外差 （Superheterodyne）接收技术，这种设计方案 有两个优点，一是接收器易于扩充接收其他频段 信号，二是易于在中心频率处对热辐射信号进行 放大； 在接收器中，接收天线能接收4个宽频信号，其频 率分别是2-12GHz，12-18GHz，18-26GHz， 26-40GHz 热载（Hot Load）采用100℃恒温信号，其目的 是为了校正接收器的测量误差。热载信号及4个宽 频信号由切换开关完成切换选择，随后进入低噪 声放大器进行放大，再进行混频放大，经转换开 关同步切换选择后，再进行放大，最后进行数据 采集及处理系统。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、电站锅炉配备火焰检测的必要性 二、火力发电厂常规FSSS系统的构成 三、神华国能鸳鸯湖电厂锅炉主保护原理框图 四、神华国能鸳鸯湖电厂主要辅机磨煤机保护原理框图
一、电站锅炉配备火焰检测的必要性
电站锅炉燃烧的稳定性直接影响到电站的安全和经济运行。随着我国电力 工业的迅速发展，电站单机容量不断增大，锅炉设备的结构及其辅机系统日趋 复杂，煤种变化大，负荷经常调整影响锅炉安全运行的因素日益增多，特别是 在机组启停过程中，操作频繁，一旦遇到运行人员判断失误、操作不当或工况 调整不及时，就会造成炉内燃烧不稳定，并可能发展成炉膛灭火。若此时仍然
3.3 图像火焰检测器 图像型火检是基于火焰电视、综合多媒体计算机和数字图像处理技术发展起 来的，它继承了火焰电视直观、形象的优点，又充分发挥计算机强大的处理计算
能力，使火检功能得到了质的提升。
电站锅炉图像火焰检测系统的核心是对煤粉燃烧火焰图像的分析，突破了常 规火检的检测机理，通过每个燃烧器喷口和全炉膛的火焰图像来实时监测锅炉的 燃烧状况；利用模式识别、数字图像处理神经网络等技术对火焰图像进行检测处 理，从而准确发出单个燃烧器喷口火焰的ON/OFF信号，送入FSSS或DCS参与锅炉安 全保护。图像火检真正实现了单火咀准确检测，解决了背景干扰和“偷看”问题， 对于因煤质、负荷等引起的工况变化具有较强的适应能力。 图像火检用直观的火焰实时图像为运行人员进行锅炉燃烧优化调整提供参考。 随着计算机处理技术的发展，可以从火焰实时视频图像中提取更多的燃烧信息， 进行锅炉燃烧稳定性分析和调整。
图像处理技术，提供丰富的燃烧信息
3.2 智能型数字火焰检测器
数字式火焰检测器以 FORNEY 产品为代表，使用微处理器及相应的软件算法， 通过检测目标火焰的幅度和频率，并与在学习方式下存储的背景火焰图像进行比较， 从而精确确定火焰的有无。在实际运行时，它通过比较目标火焰信号与存储的火焰 图像信号来精确地确定火焰的状态。 由于现场客观条件的制约,不能满足理论上的学习要求，FORNEY 数字式火检提 供三个独立文件用来存储三种不同的学习图像，这有利于现场应用中的灵活性。为 了获得最佳的视线角度，使火检的视线最大限度地与火焰的主燃烧区相交，且尽量 少看甚至不看邻近或相对的火焰，在现场调试中必须调整火检的视线角度。 数字式火检提供现场实时对准功能,与传统火检器相比有如下创新：指纹式鉴别 火焰有无方式；不同负荷工况下选择不同的鉴别图像文件；对准功能使火检视角更 佳。 该火检器将背景参数整定变为自学习并提供手段帮助对准火检视角，因此能更 精确地确定火焰的状态。但是它并没能从根本上摆脱传统火检器的定值比较判断工 作方式，尽管可在不同工况下选择不同的鉴别图像文件，但仍然无法适应实际运行 中多变的工况。视角对准功能方便了现场调试，但只有在静态调整时才有用，仍不 能克服运行中无法跟踪因各种动态因素导致的火焰漂移问题。
大视角的火焰图像采集
火焰图像传感器视角可达90度，能够摄取单个燃烧器喷口燃烧火焰 图像，该图像包含火焰的所有特征区，确保后续检测的准确性，提高 系统适应能力。
多种火焰检测判据
多种检测判据实现单火咀准确检测，ON/OFF信号送入FSSS或DCS参与 锅炉安全保护；检测信息和燃烧稳定性信息可通过RS232送入DCS系统；
三、电站锅炉火焰检测技术
3.1相关性火焰检测器
由英国 Land Combustion 公司推出。它同时使用两只相同的探测器，使检 测区域在燃烧区域相交，利用相关理论分析方法，根据相关系数的大小判断燃烧 器的燃烧状况。当火焰存在时，两探测器获得的火焰信号是相似的，相关系数比 较大。当火焰不存在时，相关性系数低，而且火焰的漂移和不稳定也将引起相关 系数降低。因此，根据火焰相关系数的变化可判断火焰燃烧状况。 相关性火焰检测方法在原理上具有独到之处，原则上不受负荷变化的影响， 适应范围广。它不仅能监视燃烧器是否有火，而且能间接地反映着火点位置和着 火状态的变化。但是，相关性火检的优点是以两个检测器特性完全一致为前提， 而实际运用中，因 设计、制造等方面的原因，及运行中污染状况等因素的影响， 两个检测器特性难以保证完全一致，这严重影响其优势的彻底发挥。同时，使用 相关性火检与使用一般火检相比，火检器数量增加一倍，无疑会使安装、调试及 运行维护费用大大增加，因此其推广应用受到一定的限制。
图像火焰检测系统突破了国内外常规火检的检测机理，通过检测每个燃 烧器喷口实时火焰来监测锅炉的燃烧状况。
图像型火检具有以下特点：
（1）运行人员直接观察炉内燃烧的真实情况； （2）图像传感器具有较大的视角（85～90°）；
（3）火检判断算法使工作更加准确可靠；
（4）利用计算机系统丰富的软件功能，图像型火检能以曲线、棒状图、伪彩 色图等不同的方式展示炉内燃烧工况，使运行人员能从不同的角度更精确地掌 握燃烧状况。 （5）输出ON/OFF开关量信号，可方便地与各种类型的锅炉灭火保护装置联接。
二、现代锅炉火焰检测技术的分类和基本的工作原理
现代锅炉火焰检测技术可分为直接式和间接式两大类： 1、直接式火检
一般用于点火器的火焰检测,常用的有检出电极法、差压法、声波法和温度法等。
检出电极法--利用电极电阻值在着火前后的变化来判别点火是否成功。其在轻 油点火枪的火焰检测上取得成功； 差压法--利用着火后气体膨胀产生的瞬间压力变化，建立风箱和检测处的差压 的变化关系，以此作为着火与否的信号。这种方法简单，但可靠性欠佳； 声波法--利用火焰噪声进行火焰检测，不能在有电动机、风机等声源噪音的现 场中实际应用；
准确的单燃烧器喷口火焰检测
真正实现单火咀准确检测，ON/OFF信号送入FSSS或DCS参与锅炉安全 保护；检测信息和燃烧稳定性信息可通过RS232送入DCS系统；
全图像显示
清晰显示所有一次风喷口火焰图像和全炉膛火焰图像，便于
运行人员准确了滚动记录
每个燃烧器喷口火焰图像视频可72小时滚动记录在数字硬盘录像机 中，便于事故追忆和燃烧工况分析；
二、火力发电厂常规FSSS系统的构成
一、鸳鸯湖电厂锅炉主保护MFT原理框图
四、鸳鸯湖电厂磨煤机保护原理框图
第二章 锅炉火焰检测技术综述
一、电站锅炉火焰燃烧特性
二、现代锅炉火焰检测技术的分类和基本的工作原理 三、电站锅炉火焰检测技术
四、常规火检存在的问题
一、电站锅炉火焰燃烧特性
油、气、煤粉燃烧器的火焰能发射出几乎连续的发光光谱，其放射源多为燃 烧过程中产生的高温碳微粒子群（碳墨）及粉煤粒子群（烧成碳）等，其光谱主 要分布于可见光和红外区。 燃料在炉膛内燃烧产生的火焰，以各种形式向四周辐射。煤粉火焰的燃烧信 号是一种不规则的脉动信号，是由火焰在燃烧过程中，微粒的集结、运动、发光、 燃尽的结果所致。煤粉的燃烧可分为如下4个区段。 a. 预热区风粉混合物在逐步加热的过程中与燃烧中的明火开始接触，逐渐加 热至燃烧点。 b. 初始燃烧区风粉混合物开始燃烧，大量地辐射光和热，形成闪烁，这时火 焰的亮度不是最大，但闪烁的频率达最大。 c. 完全燃烧区这时火焰释放的光和热达到最高。 d. 燃尽区燃料燃烧完毕，形成灰粉，炽热的灰粉仍能发光，但其亮度和闪烁 频率都很低。 燃料经燃烧器喷入炉内进行燃烧，在燃烧的化学反应过程中将释放出大量的 能量，包括光能(如紫外线、可见光和红外线)、热能和声辐射能等。这些不同的 能量形式构成了检测炉膛火焰存在与否的基础，应用不同的火焰特征可以构成不 同类型的火检器。
不断向炉膛内送粉，就有引起炉膛爆炸的危险。
因此，为了能及时、灵敏、可靠地检测炉内燃烧工况，防止在点火、低负 荷等燃烧不稳定工况下发生炉膛爆炸事故，电站锅炉必须配置功能齐全、设备
可靠的炉膛安全监视系统FSSS。而炉膛安全监视系统投运成功与否，在很大程
度上取决于所用的火焰检测器的可靠和完善。 先进的火焰检测装置不但能检测火焰的燃烧和熄灭，还能检测火焰的稳定 性。火焰检测装置在发电厂锅炉炉膛安全监控系统中起着极其重要的作用，全 炉膛灭火及燃料丧失2个重要的跳炉（MFT）信号都是由火检装置检测及判断得 出的。火检均无火信号也是进行炉膛吹扫的必备条件之一。
集控室远程显示和操作
运行人员在运行室可清晰看到每个燃烧器喷口火焰图像和锅炉 燃烧稳定性信息，便于对锅炉实施燃烧优化调整，适时投入等离子 点火器或油系统进行稳燃，提高锅炉运行的安全性，减少非计划停 运次数，降低机组启停消耗的费用。
适应工况变化
对煤质、负荷、配风等变化的适应性较强
避免“偷看”和背景干扰
新型可视化电站锅炉火检系统技术讲课
---图像火焰检测系统
神华国能宁夏煤电有限公司鸳鸯湖电厂 热控专业 王世朋
图像火焰检测系统技术讲课
第一章、绪论 第二章、锅炉火焰检测技术综述 第三章、LY2000图像火检系统的特点 第四章、图像火检系统构成 第五章、常见的缺陷以及故障处理 第六章、结束语
第一章 绪论
温度法--检测火焰发热，利用火焰温度变化检测火焰，由于炉内温度具有较大 的惯性，并且燃料种类不同，灭火温度也有较大的差异，火检器参数难于整定。
这几种火检器或对应用环境要求较高，或存在较大的局限性，目前已基本淘汰。
2、间接式火检 -- 通常利用不同形式的辐射能量检测火焰 2.1 辐射光能火焰检测 -- 利用辐射光能原理检测炉膛火焰，常用辐射光能火检基 本上都是基于燃烧过程中火焰辐射出的红外线、可见光和紫外线等进行检测。 2.1.1 紫外线火检 -- 利用火焰本身特有的紫外线强度来判别火焰的有无，其光电 器件为紫外光敏管。紫外光敏管对相邻燃烧器火焰有较高的鉴别力，通常用作单火嘴 的火焰检测器。但是紫外线易被介质吸收，当紫外光敏管被烟灰、油雾等污染物污染 时，灵敏度明显下降，所以在燃用重油和煤粉的锅炉中，紫外线火检并不可靠，尤其 在煤粉炉上，当锅炉低负荷运行时，紫外线大量减少，其灵敏度更低。因此紫外线检 测适用于燃用气体或轻油燃料的锅炉，不适用于燃用重油和煤粉燃料的锅炉。 2.1.2 红外线火检 -- 通过检测燃烧火焰放射的红外线强度和火焰频率来判别火焰是 否存在，探头采用硫化铅光电管或硅光电二极管。由于炉膛完全燃烧着火区火焰闪烁 频率通常不超过2Hz，因此通过滤波电路，红外线火检能区分燃烧器火焰和背景火焰。 红外线检测器在不同煤种的锅炉上都有良好的监视效果，应用广泛，典型产品有 FORNEY公司的 IDD-II。