Accessible Requires Authentication Published by Oldenbourg Wissenschaftsverlag April 1, 2021

Detektion und Tracking von Brennstoffpartikeln auf Basis eines Lichtfeldkamerasystems

Detection and tracking of refuse-derived fuel particles based on a light field camera system
Miao Zhang, Jörg Matthes, Krasimir Aleksandrov, Hans-Joachim Gehrmann and Markus Vogelbacher
From the journal tm - Technisches Messen

Zusammenfassung

Heutzutage finden die aus Abfällen gewonnenen Brennstoffe eine zunehmende Verwendung bei industriellen Verbrennungsprozessen, wie beispielsweise zur Erzeugung von Wärme bei der Verbrennung in Zement-Drehrohröfen. Um eine kontrollierbare und sichere Verbrennung dieses alternativen Brennstoffs zu gewährleisten, ist eine Analyse des Flug- und Verbrennungsverhaltens unerlässlich. In diesem Beitrag stellen wir Methoden zur Analyse von Bilddaten vor, die von einer Lichtfeldkamera während der Verbrennung von den aus Abfällen gewonnenen Brennstoffen in einem Drehrohr aufgenommen wurden. Das Kamerasystem liefert 3D-Informationen sowohl zu den Brennstoffpartikeln als auch zur inneren Form des Drehrohrofens. Die Analyse beinhaltet Verfahren zur Partikeldetektion unter Verwendung von 3D-Clustering-Algorithmen und Verfahren zur Partikelverfolgung unter Verwendung von Multi-Objekt-Tracking-Algorithmen.

Abstract

Recently, refuse-derived fuel has found an increasingly wide utilization in combustion processes, such as combustion in cement rotary kilns for production of heat. To insure controllable and secure combustion of this alternative fuel an analysis of its flight- and combustion behaviour is essential. In this paper, we present methods to recognize flying particles according to images recorded by a light field camera during combustion of refuse-derived fuel in a pilot-scale plant with a rotary kiln. The camera system provides 3D information of the fuel particles as well as the kiln’s inner shape. The analysis refers to approaches of particle detection exploiting 3D-clustering algorithms and particle tracking using multi object tracking algorithms.

Funding source: Allianz Industrie Forschung

Award Identifier / Grant number: 20410N

Funding statement: Die vorliegende Arbeit wurde durch die Arbeitsgemeinschaft Industrieller Forschungsvereinigungen e. V. (AIF) unter der Nummer 20410N gefördert.

Literatur

1. D.-G. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision 60 (2004), 91–110. Search in Google Scholar

2. J. M. Newby, A. M. Schaefer, P. T. Lee, M. G. Forest and S. K. Lai: Convolutional neural networks automate detection for tracking of submicron-scale particles in 2D and 3D, Proceedings of the National Academy of Sciences 115 (2018), 9026–9031. Search in Google Scholar

3. M. Ester, J. Sander, H.-P. Kriegel and X. Xu, DBSCAN REVISITED, Revisited: why and how you should (still) use DBSCAN, ACM Transactions on Database Systems 42 (2017), Article 19. Search in Google Scholar

4. J. Matthes, J. Hock, P. Waibel, A. Scherrmann, H.-J. Gehrmann and H. Keller, A high-speed camera based approach for the on-line analysis of particles in multi-fuel burner flames, Experimental Thermal and Fluid Science 73 (2016), 10–17. Search in Google Scholar

5. Y. Xuan, J. Pei and Y. Wanhai: Firing particle flow detection and tracking in sequence images, in: Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, 26 June–2 July, 2000, pp. 2666–2670. Search in Google Scholar

6. Y.-G. Guezennec, R.-S. Brodkey, N. Trigui and J.-C. Kent, Algorithmsfor fully automated three-dimensional particle tracking velocimetry, Experiments in Fluids 17 (1994), 209–219. Search in Google Scholar

7. K. Ohmi, S. Tuladhar and J. Hao: Light field camera based particle tracking velocimetry, in: 18th International Symposium on the Application of Laser and Imaging Techniques to Fluid Mechanics, Lisbon, 4–7 July, 2016. Search in Google Scholar

8. N. Jolibois, K. Aleksandrov, M. Hauser, D. Stapf, H. Seifert, J. Matthes, P. Waibel, M. Vogelbacher, H.-B. Keller and H.-J. Gehrmann: Analysis of Oscillating Combustion for NOx-Reduction in Pulverized Fuel Boilers, Inventions 6 (2021). Search in Google Scholar

9. C. Perwaß and L. Wietzke, Single lens 3D-camera with extended depth-of-field. Search in Google Scholar

10. C. Heinze, S. Spyropoulos, S. Hussmann and L. Wietzke, Automated robust metric calibration algorithm for 3D camera systems. Search in Google Scholar

11. N. Otsu: A threshold selection method from gray-level histograms, IEEE Trans. Sys. Man. Cyber. 9(1): 62–66, 1979. Search in Google Scholar

12. D.-G. Lowe: Object Recognition from Local Scale-Invariant Features, in: ICCV ‘99 Proceedings of the International Conference on Computer Vision, Kerkyra, Corfu, 20–25 September, 1999, pp. 1150–1157. Search in Google Scholar

13. P. H. S. Torr and A. Zisserman, MLESAC: A New Robust Estimator with Application to Estimating Image Geometry, Computer Vision and Image Understanding 78 (2000), 138–156. Search in Google Scholar

14. P. Konstantinova, A. Udvarev and T. Semerdjiev: A Study of a Target Tracking Algorithm Using Global Nearest NeighborApproach, in: International Conference on Computer Systems and Technologies – CompSysTech’2003, Sofia, 19–20 June, 2003. Search in Google Scholar

Erhalten: 2021-02-12
Angenommen: 2021-03-18
Online erschienen: 2021-04-01
Erschienen im Druck: 2021-06-26

© 2021 Walter de Gruyter GmbH, Berlin/Boston