機器視覺火焰辨識研究

Study of Fire Recognition by Machine Vision

陳勇任(Yung-Ren Chen)

指導教授 ： 蒲永仁

長榮大學/健康科學學院/職業安全與衛生學系(所)/碩士(2010年)

https://doi.org/10.6833/CJCU.2010.00145

摘要

本論文是利用彩色CCD鏡頭裝置在室內場所，針對攝取的影像，即時運算處理，判別是否有火焰發生。此篇論文的主要目的是在進行即時火焰辨視軟體的程式開發。
火災在工作場所中是相當可怕的災害，不但會造成勞工的死傷，也會對廠內財產造成損失。依消防署統計資料顯示，民國92年至98年七年間，全國因施工不慎引起的火災每年平均有104起，對於如此高的火災發生率，顯示現今的火焰偵測系統仍有許多地方需要改進。近年來機器視覺產品成本大幅下降，CCD監視設備在各種場所運用，可見光直接偵測火焰本身或是監視其動向與動態特徵，準確地判別火災的發生並減少誤報，成為必然的趨勢。所以利用既有的CCD監視設備與軟體的結合，開發一具可攜式的火災警報器裝置，已不需要非常高的設置成本。
本論文利用LabVIEW圖控式程式語言，進行可攜式火焰探測器的演算法開發，利用影像處理技術將火焰的RGB色彩系統轉換成HSI色彩模式，並利用動態影像分離演算法消除背景，保留我們希望留下的火焰前景。為判定各種參數之最適值，研究中針對單一參數而變化其值，累計所有畫格之火焰（I）高亮度區域像素量以及弱光與反光區域低飽和度（S）像素量，並以相關性分析之決定係數R2決定其最佳參數值，結果發現亮度動態影像分離三種參數之最適值，分別為最小前景門檻值為9、平均變化量加成值為1、影像權重α為0.9。對於弱光與反光區，S值範圍門檻設定在0.15~0.3之間，辨識火焰之高亮度I值最適值門檻為200。在定義兩種S與I值參數門檻後，根據S與I二者像素面積相關性分析之決定係數R2等於0.5作為真偽火辨識門檻，實驗結果能有效地在監測畫面中辨識出火焰是否存在。

關鍵字

火焰 ； 影像處理 ； 機器視覺

並列摘要

無資料

並列關鍵字

Fire ； Image Processing ； Machine Vision

參考文獻

[8] 王品杰，“機器視覺煙霧辨識研究─以色彩飽和度進行動態分析”，長榮大學職業安全與衛生學系碩士論文，2009年7月。

[2] 行政院勞委會勞工安全衛生研究所，IOSH安全資料表－動火作業，類號：SDS-P-002，總號：0050，2000年5月20日。

[12] T.-F. Lu, C.-Y. Peng, W.-B. Horng and J.-W. Peng, “Flame Feature Model Development and Its Application to Flame Detection,” Proceedings of First International Conference on Innovative Computing,Information and Control, ICICIC '06, vol. 1, n. 30-01, pages 158-161, Aug. 2006.

[10] H. Yamagishi and J. Yamaguchi, “A Contour Fluctuation Data Processing Method For Fire Flame Detection Using A Color Camera,” Proceedings of the 26th Annual Conference of the IEEE, 2000 Industrial Electronics Society, IECON 2000, vol. 2, n. 22-28, pages 824-829, Oct. 2000.

[11] H. Yamagishi and J. Yamaguchi, “Fire Flame Detection Algorithm Using a Color Camera”, MHS’99, pp.255-260, 1999.