在模型过器再生过程中,应用python图像分析工具来检测粒子结构脱离的高速视频
Ole Desens1, Jörg Meyer1, Achim Dittler1
1Karlsruhe Institute of Technology (KIT), Institute of Mechanical Process Engineering and Mechanics (MVM) - Gas Particle Systems, Straße am Forum 8, 76131 Karlsruhe, Germany.
MethodsX
|October 1, 2025
概括
一个新的Python工作流检测了过器再生期间的颗粒脱落,这对空气质量至关重要. 这种半自动化方法可以加强对内燃机排放量的监测.
科学领域:
- 燃烧发动机排放控制的控制方法
- 颗粒物分析 颗粒物分析
- 用于环境科学的图像处理.
背景情况:
- 燃烧发动机产生颗粒物排放,影响空气质量和合规性.
- 壁流颗粒过器捕获烟尘,需要再生才能保持性能.
- 在再生过程中,烟灰脱落会导致下游的颗粒运输.
研究的目的:
- 开发和验证基于Python的图像分析工作流程,用于检测粒子结构脱离.
- 在过器再生过程中半自动检测和验证烟尘脱落的过程.
- 为了更好地理解在再生过程中过器内的粒子行为.
主要方法:
- 一个双模块的Python工作流,使用OpenCV和NumPy进行图像分析.
- 模块1:背景减去 (MOG2) 和用于候选结构识别的形态操作.
- 模块2:在感兴趣的地区进行脱离验证的门和像素智能差异映射.
主要成果:
- 在796,000的数据集中成功检测到6个小脱落事件 (100-300μm).
- 工作流程显示可靠检测脱离事件.
- 缩短了分析高速视频录制的手动审查时间.
结论:
- 本文介绍的Python工作流提供了一种有效的半自动化解决方案,用于在过器再生过程中检测颗粒脱落.
- 这种方法有助于监测过器的性能和了解排放动态.
- 经过验证的工作流可以应用于颗粒过器再生的高速视频分析.
