基于参数检测的开口面积扩展平台

摘要

本发明涉及一种基于参数检测的开口面积扩展平台，所述平台包括：吸风口扩展设备，与吸风口连接，用于控制所述吸风口的开口面积，所述吸风口与吸风管道连接，用于对下方的烧烤架执行吸烟动作；微型采集设备，设置在吸风口的一侧，用于对吸风口下方执行图像数据采集操作，以获得相应的下方采集图像；对比度提升设备，与所述微型采集设备连接，用于接收所述下方采集图像，对所述下方采集图像执行对比度提升处理。本发明的基于参数检测的开口面积扩展平台原理可靠、结构紧凑。由于基于烧烤架面积大小调整吸风口的开口面积，从而保证对不同尺寸烧烤架的烟雾吸取效果。

说明书

技术领域

本发明涉及参数检测领域，尤其涉及一种基于参数检测的开口面积扩展平台。

背景技术

参数，也叫参变量，是一个变量。人们在研究当前问题的时候，关心某几个变量的变化以及它们之间的相互关系，其中有一个或一些叫自变量，另一个或另一些叫因变量。如果人们引入一个或一些另外的变量来描述自变量与因变量的变化，引入的变量本来并不是当前问题必须研究的变量，我们把这样的变量叫做参变量或参数。

参数是很多机械设置或维修上能用到的一个选项，字面上理解是可供参考的数据，但有时又不全是数据。对指定应用而言，它可以是赋予的常数值；在泛指时，它可以是一种变量，用来控制随其变化而变化的其他的量。简单说，参数是给我们参考的。

发明内容

本发明具备以下两处关键的发明点：

(1)在对图像执行对比度提升之后，基于图像中噪声像素点占据总像素点的百分比相对较少的特性，根据图像插值前后信噪比的比较结果，判断是否循环执行图像插值动作，从而保证图像插值的效果；

(2)基于烧烤架面积大小调整吸风口的开口面积，从而保证对不同尺寸烧烤架的烟雾吸取效果。

根据本发明的一方面，提供了一种基于参数检测的开口面积扩展平台，所述平台包括：

吸风口扩展设备，与吸风口连接，用于控制所述吸风口的开口面积，所述吸风口与吸风管道连接，用于对下方的烧烤架执行吸烟动作；

微型采集设备，设置在吸风口的一侧，用于对吸风口下方执行图像数据采集操作，以获得相应的下方采集图像；

对比度提升设备，与所述微型采集设备连接，用于接收所述下方采集图像，对所述下方采集图像执行对比度提升处理，以获得并输出相应的对比度提升图像；

最小曲率插值设备，与所述对比度提升设备连接，用于接收所述对比度提升图像，对所述对比度提升图像执行最小曲率插值处理，以获得对应的最小曲率插值图像；

倍数识别设备，与所述最小曲率插值设备连接，用于接收所述最小曲率插值图像和所述对比度提升图像，获取所述最小曲率插值图像的信噪比和所述对比度提升图像的信噪比，将所述最小曲率插值图像的信噪比除以所述对比度提升图像的信噪比以获得信噪比倍数，并在所述信噪比倍数超过预设倍数阈值时，发出第一控制命令；

所述倍数识别设备还用于在所述信噪比倍数未超过所述预设倍数阈值时，发出第二控制命令；

GPU设备，分别与所述最小曲率插值设备和所述倍数识别设备连接，用于在接收到所述第二控制命令时，控制所述最小曲率插值设备对最小曲率插值图像执行一次或多次最小曲率插值处理直到处理后图像的信噪比除以所述对比度提升图像的信噪比所获得的倍数超过所述预设倍数阈值，将所述处理后图像作为最后插值图像输出；

所述GPU设备还用于在接收到所述第一控制命令时，将所述最小曲率插值图像作为最后插值图像输出。

本发明的基于参数检测的开口面积扩展平台原理可靠、结构紧凑。由于基于烧烤架面积大小调整吸风口的开口面积，从而保证对不同尺寸烧烤架的烟雾吸取效果。

具体实施方式

下面将对本发明的基于参数检测的开口面积扩展平台的实施方案进行详细说明。

国际图像艺术推广机构君友会对图像处理流程的阐述是：图像处理是对图像进行分析、加工和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的模拟图像处理方法依然占有重要的地位。图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今它们仍然在很多应用领域占有核心地位，例如全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。

图像检测Image measurement将边缘检测的思路扩展到识别整幅图像，通常达到判别被检测的图像是否属于已知图像数据库中的某一幅图像，或者经过综合判别后，推断该图像与某一幅已知的图像最相似的目的。图像检测有时也被用于从一幅已知图像中检索出某个给定的子图像。

当前，由于烧烤架的尺寸不同，烧烤面积也不同，产生的烟雾弥漫范围自然也不同，这时如果仍采用固定开口面积的吸风口进行烧烤架产生烟雾的吸取和去除，容易造成在烧烤架面积过大时，烟雾去除不畅以及在烧烤架面积过小时，浪费电力资源的情况发生。

为了克服上述不足，本发明搭建了一种基于参数检测的开口面积扩展平台，能够有效解决相应的技术问题。

根据本发明实施方案示出的基于参数检测的开口面积扩展平台包括：

吸风口扩展设备，与吸风口连接，用于控制所述吸风口的开口面积，所述吸风口与吸风管道连接，用于对下方的烧烤架执行吸烟动作；

微型采集设备，设置在吸风口的一侧，用于对吸风口下方执行图像数据采集操作，以获得相应的下方采集图像；

对比度提升设备，与所述微型采集设备连接，用于接收所述下方采集图像，对所述下方采集图像执行对比度提升处理，以获得并输出相应的对比度提升图像；

最小曲率插值设备，与所述对比度提升设备连接，用于接收所述对比度提升图像，对所述对比度提升图像执行最小曲率插值处理，以获得对应的最小曲率插值图像；

倍数识别设备，与所述最小曲率插值设备连接，用于接收所述最小曲率插值图像和所述对比度提升图像，获取所述最小曲率插值图像的信噪比和所述对比度提升图像的信噪比，将所述最小曲率插值图像的信噪比除以所述对比度提升图像的信噪比以获得信噪比倍数，并在所述信噪比倍数超过预设倍数阈值时，发出第一控制命令；

所述倍数识别设备还用于在所述信噪比倍数未超过所述预设倍数阈值时，发出第二控制命令；

GPU设备，分别与所述最小曲率插值设备和所述倍数识别设备连接，用于在接收到所述第二控制命令时，控制所述最小曲率插值设备对最小曲率插值图像执行一次或多次最小曲率插值处理直到处理后图像的信噪比除以所述对比度提升图像的信噪比所获得的倍数超过所述预设倍数阈值，将所述处理后图像作为最后插值图像输出；

所述GPU设备还用于在接收到所述第一控制命令时，将所述最小曲率插值图像作为最后插值图像输出；

边缘锐化设备，与所述GPU设备和所述倍数识别设备连接，用于接收所述最后插值图像，并对所述最后插值图像执行边缘锐化处理，以获得并输出相应的边缘锐化图像；

面积判断设备，与所述边缘锐化设备连接，用于基于烧烤架外形特征识别出所述边缘锐化图像中的烧烤架目标，将所述烧烤架目标占据所述边缘锐化图像中的像素点的数量作为代表性面积输出；

其中，所述吸风口扩展设备还与所述面积判断设备连接，用于基于所述代表性面积的数值大小调整其控制的所述吸风口的开口面积，所述代表性面积的数值大小与所述吸风口的开口面积成正比。

接着，继续对本发明的基于参数检测的开口面积扩展平台的具体结构进行进一步的说明。

所述基于参数检测的开口面积扩展平台中：

所述边缘锐化设备、所述GPU设备和所述倍数识别设备供应同一电力供应设备。

所述基于参数检测的开口面积扩展平台中还可以包括：

背景识别设备，与所述边缘锐化设备连接，用于接收所述边缘锐化图像，从所述边缘锐化图像中剥离前景图像，以获得对应的背景图像。

所述基于参数检测的开口面积扩展平台中还可以包括：

单调性检测设备，与所述背景识别设备连接，用于接收所述背景图像，并对所述背景图像执行单调性检测，以获得并输出所述背景图像的单调性参数。

所述基于参数检测的开口面积扩展平台中还可以包括：

并行通信接口，与所述单调性检测设备连接，设置在所述背景识别设备和所述信号提升设备之间，用于在接收到的单调性参数小于等于预设单调性阈值时，建立所述背景识别设备和所述信号提升设备之间的数据链路，否则，中断所述背景识别设备和所述信号提升设备之间的数据链路。

所述基于参数检测的开口面积扩展平台中还可以包括：

信号提升设备，用于在建立所述背景识别设备和所述信号提升设备之间的数据链路时，接收所述边缘锐化图像，对所述边缘锐化图像执行对比度提升动作，以获得进行对比度提升动作后的图像并作为信号提升图像输出。

所述基于参数检测的开口面积扩展平台中还可以包括：

分量辨识设备，与所述信号提升设备连接，用于接收所述信号提升图像，对所述信号提升图像执行到HSL分量空间的转换，以获得所述信号提升图像的H分量矩阵、S分量矩阵和L分量矩阵；

动态锐化设备，与所述分量辨识设备连接，用于基于所述H分量矩阵的均方差确定对所述H分量矩阵执行锐化处理的次数，基于所述S分量矩阵的均方差确定对所述S分量矩阵执行锐化处理的次数，基于所述L分量矩阵的均方差确定对所述L分量矩阵执行锐化处理的次数；

矩阵处理设备，与所述动态锐化设备连接，用于对所述H分量矩阵、所述S分量矩阵和所述L分量矩阵同步执行各自相应次数的锐化处理，以获得对应的三个处理后矩阵。

所述基于参数检测的开口面积扩展平台中还可以包括：

数据组合设备，分别与所述面积判断设备和所述矩阵处理设备连接，用于将所述三个处理后矩阵执行相同位置的数据组合，以获得数据组合图像，并将所述数据组合图像替换所述边缘锐化图像发送给所述面积判断设备；

其中，在所述动态锐化设备中，基于所述H分量矩阵的均方差确定对所述H分量矩阵执行锐化处理的次数包括：所述H分量矩阵的均方差越小，对所述H分量矩阵执行锐化处理的次数越少；

其中，在所述动态锐化设备中，基于所述S分量矩阵的均方差确定对所述S分量矩阵执行锐化处理的次数包括：所述S分量矩阵的均方差越小，对所述S分量矩阵执行锐化处理的次数越少；

其中，在所述动态锐化设备中，基于所述L分量矩阵的均方差确定对所述L分量矩阵执行锐化处理的次数包括：所述L分量矩阵的均方差越小，对所述L分量矩阵执行锐化处理的次数越少；

其中，在所述单调性检测设备中，对所述背景图像执行单调性检测，以获得所述背景图像的单调性参数包括：所述背景图像中各个像素点的各个蓝色分量值的重复度越小，获得的所述背景图像的单调性参数越小。

另外，GPU在几个主要方面有别于DSP(Digital Signal Processing，简称DSP，数字信号处理)架构。其所有计算均使用浮点算法，而且此刻还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号(从中读取图像)和二维地址(图像中的X、Y坐标)。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。

尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，它可以算是一个很好的起点。Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。经GPU存储和操作的数据被形象地比喻成“流”(stream)，类似于标准C中的数组。核心(Kernel)是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce 6800Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium 4执行条件下，许多此类应用的速度提升高达7倍之多。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：只读内存(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。