(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210296952.7 (22)申请日 2022.03.24 (71)申请人 湖北科技学院 地址 437000 湖北省咸宁市咸宁大道8 8号 (72)发明人 王远　刘建霞　 (74)专利代理 机构 武汉明正专利代理事务所 (普通合伙) 42241 专利代理师 江沣 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 7/13(2017.01) G06T 7/90(2017.01) G06T 5/30(2006.01)H04N 5/225(2006.01) H04N 5/232(2006.01) H04N 7/18(2006.01) (54)发明名称 一种物联网液体监测图像处理系统及其方 法 (57)摘要 本发明涉及液体检测技术领域， 具体为一种 物联网液体监测图像处理系统包括待监测液体 储存容器、 圆环轨道、 摄像头、 摄像头调整组件、 摄像头传动组件、 以太网交换机、 树莓派主控模 块以及显示终端， 所述摄像头通过双绞线与以太 网交换机通信连接； 所述以太网交换机通过TCP 通讯协议与树莓派主控模块实现数据传输； 还提 供了一种物联网液体监测图像处理方法。 有效克 服了液体检测中的环境恶劣、 浪费时间和人工成 本且效率低下的问题。 权利要求书3页 说明书6页 附图3页 CN 114627094 A 2022.06.14 CN 114627094 A 1.一种物联网液体监测图像处理系统， 其特征在于， 包括待监测液体储存容器(1)、 圆 环轨道(2)、 摄像头(3)、 摄像头调整组件(4)、 摄像头传动组件(5)、 以太网交换机(6)、 树莓 派主控模块(7)以及显示终端(8)， 所述摄像头(3)通过双绞线与以太网交换机(6)通信连 接； 所述以太网交换机(6)通过TCP通讯协 议与树莓派主控模块(7)实现数据传输； 所述树莓 派主控模块(7)用于 分析液体的类型特征情况， 且通过数据线与显示 终端(8)连接以同步显 示摄像头(3)采集的画面； 所述待监测液体储存容器(1)布置于圆环轨道(2)的圆心处， 所述摄像头(3)通过摄像 头调整组件(4)和摄像头传动组件(5)架设于圆环轨道2上， 所述摄像头调整组件(4)用于调 整摄像头(3)的观测角度， 所述摄像头传动组件(5)用于带动摄像头(3)沿圆环轨道(2)定向 移动。 2.根据权利要求1所述的物联网液体监测图像处理系统， 其特征在于， 所述树莓派主控 模块(7)的控制端还连接有蜂鸣器(9)。 3.根据权利要求1所述的物联网液体监测图像处理系统， 其特征在于， 所述摄像头调整 组件(4)由摄像头云台以及摄像头转 向舵机装配而成； 摄像头传动组件(5)由电驱轮、 传动 电机以及光电编码器装配而成。 4.根据权利要求1所述的物联网液体监测图像处理系统， 其特征在于， 所述摄像头(3) 布置有两个， 分别放置 于待监测液体储 存容器(1)的前 方和左侧。 5.一种物联网液体监测图像处 理方法， 其特 征在于， 包括以下步骤： S1： 树莓派主控模块(7)控制摄像头传动组件(5)使摄像头(3)沿圆环轨道(2)行驶至对 应位置， 并控制摄 像头调整组件(4)调整摄 像头(3)的观测角度以获取 液体图像； S2： 树莓派主控模块(7)将所得液体图像数据利用OPENCV进行平滑处理， 并通过高斯核 对进行高斯模糊， 并提取对应的颜色； S3： 对提取的颜色进行Otsu ’s二值化处理， 得到不同颜色物质对应的像素点； 获取对物 质颜色变化和不同颜色物质形态变化的数据， 追踪不同物质的运动轨迹来判断物质状态的 变化情况； S4： 根据摄 像头3距被测液体的距离和像素点的大小来计算比例以判断出物体的大小。 6.根据权利要求5所述的物联网液体监测图像处理方法， 其特征在于， 还包括以下步 骤： S5： 对不同颜色物质进行Canny边缘检测， 得到对应物质的分布情况， 并通过卡尔曼滤 波， 进行目标轨 迹预测； S6： 树莓派主控模块(7)对物质颜色的变化、 物质状态的变化以及生成的物质在视频流 中标注并通过显示终端(8)显示。 7.根据权利要求5所述的物联网液体监测图像处理方法， 其特征在于， 在步骤S1中， 树 莓派主控 模块(7)利用PID算法控制摄 像头传动组件(5)； PID算法满足以下增量公式： PID＝KP* 【E(k) ‑E(k‑1)】 +KI*E(k)+KD* 【E(k) ‑2E(k‑1)+E(k‑2)】 ； 其中， KP为比例系数， KI为积分系数， KD为微分系数， E(K)为当前被控量与给定值的偏 差， E(K‑1)为上一次被控量与给定值的偏差， E(K ‑2)为上上次被控量与给定值的偏差 。 8.根据权利要求5所述的物联网液体监测图像处理方法， 其特征在于， 在步骤S2中， 通 过高斯核对进行高斯模糊的过程满足以下高斯公式：权　利　要　求　书 1/3 页 2 CN 114627094 A 2其中， x为 其图像每一点的像素值， μ是x的均值， σ 是x的标准差； 经过高斯模糊后的图像的颜色模式从BGR转换为HSV以方便单一颜色的提取； 提取到的 颜色进行腐蚀操作以减少噪点的干扰。 9.根据权利要求5所述的物联网液体监测图像处 理方法， 其特 征在于， 在步骤S3中， 对提取的颜色进行Otsu ’s二值化处理时满足以下二 值化公式： p1*m1+p2*m2＝mG； p1+p2＝1； δ2＝p1(m1‑mG)2+p2(m2‑mG)2； 化简上式得： δ2＝p1p2(m1‑m2)2； 其中： 上式由如下解释： 通过统计图像 中每个灰度的像素个数并生成相应的直方图， 并根据直方图计算出阈值 TH； 通过阈值TH将图像所有像素分为两类C1(小于TH)和C2(大于TH)， 则 这两类像素各 自的 均值就为m1、 m2， 图像全局均值为mG； 同时像素被分为C1和C2类的概率分别为p1、 p2， δ2为其 方差， 遍历0～ 255个灰度级， 求出 下式： δ2＝p1p2(m1‑m2)2， 最大的灰度级k， 即 OTSU阈值TH， 通过基于阈值TH以对图像进行分割。 10.根据权利要求6所述的物联网液体监测图像处理方法， 其特征在于， 在步骤S5 中， 通 过卡尔曼 滤波进行目标轨 迹预测对目标轨 迹进行预测过程满足以下公式： 其中， 预测过程： pk＝apk‑1a+q； 更新过程： gk＝pkh/(hpkh+r)， pk＝(1‑gkh)pk； xk为该物体运动坐标本周期的实际值， xk‑1为该物体运动坐标上一个周期的实际值， 权　利　要　求　书 2/3 页 3 CN 114627094 A 3