Design and Development of a Low-Light Detection Imaging System Circuit
-
摘要: 为满足微光遥感卫星领域对微光探测的需求，本文提出了一种基于微光CMOS图像传感器GSENSE2020的成像电路设计。该成像电路通过FPGA实现了对图像传感器的驱动控制以及高速图像数据的接收和传输，通过DC/DC和LDO（low dropout regulator）为图像传感器提供了低噪声供电电源，采用PMIC（power management IC）解决了FPGA上电时序问题，利用DDR3实现高速图像缓存与处理，采用eMMC达到图像数据存储速率与容量的需求，应用FPGA的IP核及原语代替CameraLink接口转换芯片实现CameraLink通信协议，从而完成图像数据直接在CameraLink接口的高速传输。实验结果表明，成像系统电路功能及性能都达到了预期设计目标，系统的输出数据率可达2.4 Gbps，帧频高达25 fps，信噪比达到45.5 dB。Abstract: To achieve low-light detection in low-light remote sensing satellites, an imaging circuit is designed based on a low-light complementary metal oxide semiconductor image sensor named GSENSE2020. The imaging circuit facilitates the drive control of the image sensor and the reception and transmission of high-speed image data through a field programmable gate array (FPGA), provides low-noise power supply for the image sensor through DC/DC and low-dropout regulator, and uses a power management integrated circuit to solve the problem of FPGA power-on timing. The circuit also uses DDR3 to perform high-speed image caching and processing and adopts an embedded multimedia card to meet the requirements of image data storage rate and capacity. The intellectual property core and primitives of the FPGA are used instead of a CameraLink interface conversion chip to establish the CameraLink communication protocol. Thus, the circuit can directly transmit image data with high speed to the CarameLink interface. The experimental results show that the circuit's functions and the performance of the imaging system reach the expected design goals. The output data rate of the system reaches 2.4 Gbps, frame rate reaches 25 fps, and signal-to-noise ratio reaches 45.5 dB.
-
Keywords:
- low-light detection /
- COMS image sensor /
- FPGA /
- LDO /
- PMIC /
- DDR3 /
- eMMC /
- CameraLink
-
0. 引言
湿法烟气脱硫利用石灰石浆液吸收烟气中的SO2，具有高效率和高可靠性等优势，已成为当前火电厂和化工厂脱硫的主力技术[1]。但是火电厂运行过程中，由于煤燃烧和SO2氧化，特别是在选择性催化还原脱销系统中催化剂作用下，SO2会更有利于氧化成生成SO3，造成烟气中SO3浓度显著增加[2-3]。烟气进入脱硫塔系统后，温度迅速冷却至酸露点以下，形成细小SO3酸雾，而单脱硫塔的SO3脱除效率仅为30%~40%[4]。
烟气中的SO3、SO2，HF及其它酸性物质会导致塔体金属发生化学腐蚀，脱硫塔内还存在电化学腐蚀、磨蚀、结晶腐蚀、垢下腐蚀和氯离子腐蚀[5]。在以上多种方式的共同作用下，受到内涂玻璃鳞片、聚烯烃共聚物、改性聚脲或纳米复合涂料等物质防护的脱硫塔仍可能发生腐蚀。
目前，对脱硫塔的检测主要有外观损伤、钢材厚度、力学性能、焊缝缺陷检测和构件变形等项目[6]。以上检测项目能够有效对停机后的脱硫塔健康状态进行评测。但是，对运行中的脱硫塔腐蚀状态进行有效检测未见文献报道。结合脱硫塔运行参数和结构参数，本文提出了采用传热学反演的方法根据表面红外热像进行运行中脱硫塔壁厚定量检测，并以某厂的烟气脱硫塔为对象进行了实验验证。
1. 脱硫塔传热模型
研究对象为图 1所示的脱硫塔，其内部环境复杂，无法布置有效的温度测量装置；脱硫过程是一个包含了传热、传质和化学反应的复杂过程，难以准确地用数学语言描述。为了建立脱硫塔的传热模型，本文进行以下简化：
1）脱硫塔为轴对称结构，内壁面热流沿周向分布均匀；
2）脱硫塔内部有玻璃鳞片防腐涂层，涂层质地均匀且热物性参数为各向同性；
3）烟气和石灰浆液对脱硫塔的传热，可等效为对脱硫塔内壁施加有沿轴向分布的加热热流；
4）忽略脱硫塔内部喷嘴和支撑结构对脱硫塔壁面温度分布的影响；
5）忽略脱硫塔内壁和防腐涂层的接触热阻；
6）忽略脱硫塔的轴向导热；
7）脱硫塔的温度场为稳态。
脱硫塔浆液区是腐蚀的重灾区，本文以浆液区段为研究对象，简化后的脱硫塔浆液区如图 2所示，具体几何参数及热物性参数见表 1。脱硫塔内壁s1存在轴向分布热流，外表面s2与环境存在对流换热，且s2面上的温度可以直接测量，其他表面s3绝热。记x＝(ϕ, θ, z)为空间坐标向量，脱硫塔温度场的控制方程为：
表 1 脱硫塔几何参数及热物性参数Table 1. Geometric parameters and thermophysical parameters ofdesulfurization towerMaterial Thickness /
mmDiameter/
mmThermal conductivity/
[W/(m·K)]Anticorrosive
coating4 5520 0.35 The tower wall 14 5528 48.85 $$\frac{1}{r}\frac{\partial }{{\partial r}}(\lambda (\mathit{\boldsymbol{x}})r\frac{{\partial T(\mathit{\boldsymbol{x}})}}{{\partial r}}) + \frac{1}{{{r^2}}}\frac{\partial }{{\partial \varphi }}(\lambda (\mathit{\boldsymbol{x}})\frac{{\partial T(\mathit{\boldsymbol{x}})}}{{\partial \varphi }}) + \frac{\partial }{{\partial z}}(\lambda (\mathit{\boldsymbol{x}})\frac{{\partial T(\mathit{\boldsymbol{x}})}}{{\partial z}}) = 0$$ (1) 边界条件为：
$$ - \lambda (\mathit{\pmb{x}})\frac{{\partial T(\mathit{\pmb{x}})}}{{\partial n}} = q(z)\;\quad \mathit{\pmb{x}} \in {s_1}$$ (2) $$ - \lambda (\mathit{\pmb{x}})\frac{{\partial T(\mathit{\pmb{x}})}}{{\partial n}} = h(T(\mathit{\pmb{x}}) - {T_f})\;\quad \mathit{\pmb{x}} \in {s_2}$$ (3) $$ - \lambda ({\mathit{\pmb{x}}})\frac{{\partial T({\mathit{\pmb{x}}})}}{{\partial n}} = 0\;\;\;\;\;{\mathit{\pmb{x}}} \in {s_3}$$ (4) 式中：q(z)为内壁沿轴向z的热流密度分布；h为表面s2的对流换热系数；Tf为环境温度；n为表面的外法线方向。
若已知脱硫塔的几何结构和热边界条件，利用有限元法（finite element method, FEM）求解公式(1)~(4)，可以确定脱硫塔的温度场T(x)，作为壁厚检测的基础。
2. 基于反问题的脱硫塔壁厚检测
运行中脱硫塔壁厚d是影响脱硫塔表面温度分布的关键因素之一，如果脱硫塔壁面腐蚀减薄，则传热热阻减小，在腐蚀部位对应的塔外表面形成局部高温区域，如图 1(b)所示。因此，可通过求解导热反问题根据脱硫塔表面红外热像进行脱硫塔壁厚检测。
2.1 壁厚检测方案
在如图 2所示的脱硫塔表面热像图中，选取高温区域的K个温度测点，依据此测量信息Tkmea（k＝1, 2, …, K）采用共轭梯度方法（conjugate gradient method，CGM）求解多变量稳态传热反问题[7-8]，进行壁厚d的反演；由于脱硫塔为薄壁结构，热扩散效应较弱，则外表面高温区域可看作与内壁腐蚀区域接近。为了便于问题讨论，在本文中，内壁腐蚀区域用圆柱近似。
然而，壁厚反演过程中正问题的计算需要已知脱硫塔内壁热边界条件如热流q(z)。而内壁热流q(z)难以直接测量。如果直接同时反演壁厚和内壁热流q(z)，可能因为测量信息不能够同时对壁厚和热流具有较大的灵敏度，造成检测系统的病态程度加剧。
因此，检测方案包括了两步：先进行内壁热流定量识别，再定量识别壁厚。内壁热流可采用CGM反演得到：在脱硫塔外表面高温区域附近同等高度的温度正常区域沿周向选取M个测点，以该测点的温度信息Tmmea（m＝1, 2, …, M）反演该位置处的脱硫塔内壁热流q；内壁热流沿高度方向变化，但是周向分布均匀，以第一步反演得到的内壁热流q作为壁厚反演中正问题的已知热边界条件，以高温区域的温度测量信息作为壁厚反演的依据，提高了测量信息对壁厚的灵敏度，有利于削弱壁厚检测问题的病态程度。
2.2 共轭梯度算法
利用共轭梯度算法求解壁厚反问题，通过迭代优化使得目标函数J(d)足够小或者达到最大迭代步imax，对应的壁厚d即为所求。目标函数J(d)可表示为：
$$J({d_i}) = \sum\limits_{k = 1}^K {{{[T_k^{{\rm{cal}}}({d_i}) - T_k^{{\rm{mea}}}]}^2}} \le \varepsilon $$ (5) 式中：Tkmea为在脱硫塔红外热像图上提取的第K个温度测量值；di为第i次迭代得到的壁厚的猜测值；Tkcal(di)是根据di进行正问题计算得到的第k个测量位置处的温度计算值。K为在红外热像图上提取的温度测量值的数目。停机标准ε可由下式表示：
$$ \varepsilon = K{\sigma ^2} $$ (6) 式中：σ为测量误差的标准差。
CGM沿着已知点处的梯度所构造出的共轭方向迭代搜索目标函数的极小点，迭代过程中对壁厚猜测值的修正可表示为：
$$ {d_i}_{ + 1} = {d_i} - {\alpha _i}{\mathit{\boldsymbol{\gamma }}_i} $$ (7) 式中：αi为搜索步长；γi为搜索方向。
搜索步长αi表示为：
$${\alpha _i}{\rm{ = }}\sum\limits_{k = 1}^K {[T_k^{{\rm{cal}}}({d_i}) - T_k^{{\rm{mea}}}]\nabla T_k^{{\rm{cal}}}({d_i}){\mathit{\boldsymbol{\gamma }}_i}} /\sum\limits_{k = 1}^K {\nabla T_k^{{\rm{cal}}}({d_i}){\mathit{\boldsymbol{\gamma }}_i}} $$ (8) 搜索方向γi可由下式表示：
$${\boldsymbol{\gamma} _i}{\rm{ = }}\nabla J({d_i}) + {\beta _i}{d_{i - 1}}$$ (9) 式中：▽J(di)为目标函数的梯度；βi为共轭系数，可根据式(10)计算：
$${\beta _i}{\rm{ = }}{\left[ {\nabla J({d_i})/\nabla J({d_{i - 1}})} \right]^2}$$ (10) 利用CGM根据红外热像图中正常区域温度反演该位置处的脱硫塔内壁热流q，其过程可参考公式(6)~(10)，在此就不一一赘述。
2.3 迭代求解流程
应用CGM根据脱硫塔红外热像图反演壁厚的计算步骤如下：
1）根据红外热像图，对异常区域进行辨识；
2）反演异常区域脱硫塔内壁热流q；
3）给出壁厚初始猜测值d0；
4）通过求解公式(1)~(4)，得到测点处的计算温度Tkmea（k＝1, 2, …, K），并代入公式(5)：
$$J({d_i}) = \sum\limits_{k = 1}^K {{{[T_k^{\rm{cal}}({d_i}) - T_k^{\rm{mea}}]}^2}} \leqslant \varepsilon $$ (11) 如果满足上述条件，di即为所求，停止迭代；否则继续；
5）按公式(8)~(10)对CGM里的参数进行更新；
6）根据公式(7)更新壁厚d的猜测值，并返回步骤4）。
3. 脱硫塔检测结果及分析
选取环境温度Tf＝20℃，对流换热系数h＝10 W/(m2·K)。异常区域温度测点数量K＝3；正常区域温度M＝2。考虑到实际测量过程中，温度测量误差是无法消除的，通过现场标定，测量误差σ＝0.055℃，ε＝0.01。
1）数值实验验证
为了验证检测系统的有效性和精确性，本文先进行脱硫塔内部缺陷检测的数值实验。在数值实验中，脱硫塔的热边界条件、几何参数和热物性参数均与实际过程相同，假设真实壁厚de＝16 mm。
数值实验中设置不同大小的测量误差，以考察测量误差对缺陷检测结果的影响。实验结果如表 2所示。
表 2 不同测量误差时的检测结果Table 2. The detection results of the different measurementerrorsMeasurement
error σDetect wall
thickness d/mmRelative
error/ %0.055 15.92 0.50 0.1 16.35 2.19 0.2 17.14 7.13 从表 2可以看出，随着测量误差的增大，壁厚检测结果的精确性下降。如σ＝0.2℃时，相对误差为7.13%，在工程上可以接受。
2）依据现场红外热像反演
① 高温区域1
如图 3所示，高温区域1的最高温度为48.2℃，区域的最大温差为1.4℃。利用基于导热反问题的脱硫塔壁厚检测方法，对高温区域1的壁厚进行计算，结果为d＝14.6 mm，即该区域玻璃鳞片厚度为0.6 mm。考虑到计算误差，可判定为防腐涂层已磨损殆尽或脱落，若不处理，塔壁金属将受到快速腐蚀。在检测后30天左右，脱硫塔停机检修，发现高温区域1的防腐涂层已脱落，证实了本方法的正确性。
![]()
图 3 高温区域1对应的红外热像图Figure 3. Infrared image of the high temperature region 1(a) Infrared image of the tower (b) Local enlargement picture② 高温区域2
如图 4所示，高温区域2的最高温度为48.3℃，区域的最大温差为1.2℃。对高温区域2的壁厚进行反演：d＝15.8 mm，即该区域防腐涂层厚度为1.8 mm，可判定为防腐涂层已减薄。
③ 高温区域3
如图 5所示，高温区域3的最高温度为48.1℃，区域的最大温差为3.7℃。对高温区域3的壁厚进行反演：d＝6.5mm。表明该区域脱硫塔金属塔壁已发生腐蚀，减薄了7.5mm，应尽快排查、检修。
4. 结论
本文采用导热反问题的方法，根据红外热像图对运行中的脱硫塔壁厚进行了检测。其中，脱硫塔壁厚和脱硫塔内壁面热流的反演均采用共轭梯度法。首先通过数值实验，验证了本方法的可行性。然后，依据红外热像进行反演，发现脱硫塔筒体腐蚀1处，防腐涂层脱落1处，防腐涂层减薄1处。在后续的停机检修时对上述部进行了复核，均验证了上述检测结果，表明了基于表面红外热像的脱硫塔壁厚定量检测方法的有效性和准确性。
防腐涂层厚度的不一致，脱硫塔内介质分布的不均匀，红外热像仪精度以及环境等因素，可能会给壁厚检测结果引入误差，造成识别精度下降。如何提高壁厚检测精度，仍是下一步研究的方向。
-
表 1 Base模式的端口分配
Table 1 Base mode port allocation
Input signal name 28-bit pin name Input signal name 28-bit pin name Strobe TxClk Out/RxClk In Port B2 TX/RX 9 LVAL TX/RX 24 Port B3 TX/RX12 FVAL TX/RX 25 Port B4 TX/RX 13 DVAL TX/RX 26 Port B5 TX/RX 14 Spare TX/RX 23 Port B6 TX/RX 10 Port A0 TX/RX 0 Port B7 TX/RX 11 Port A1 TX/RX 1 Port C0 TX/RX 15 Port A2 TX/RX 2 PortC1 TX/RX 18 Port A3 TX/RX 3 Port C2 TX/RX 19 Port A4 TX/RX 4 Port C3 TX/RX 20 Port A5 TX/RX 6 Port C4 TX/RX 21 Port A6 TX/RX 27 Port C5 TX/RX 22 Port A7 TX/RX 5 Port C6 TX/RX 16 Port B0 TX/RX 7 Port C7 TX/RX 17 Port B1 TX/RX 8 - - 
下载: 导出CSV
-
[1] 郭晖, 向世明, 田民强. 微光夜视技术发展动态评述[J]. 红外技术, 2013, 35(2): 63-68. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS201302000.htm GUO Hui, XIANG Shiming, TIAN Minqiang. A review of the development of low-light night vision technology[J]. Infrared Technology, 2013, 35(2): 63-68. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS201302000.htm
[2] 李德仁, 李熙. 夜光遥感技术在评估经济社会发展中的应用[J]. 宏观质量研究, 2015, 3(4): 1-8. DOI: 10.3969/j.issn.2095-607X.2015.04.001 LI D, LI X. Application of night-time light remote sensing in evaluating of socioeconomic development [J]. Journal of Macro-Quality Research, 2015, 3(4): 1-8. DOI: 10.3969/j.issn.2095-607X.2015.04.001
[3] 李翔. 基于夜光遥感数据的中国2005-2015年居民收入时空变化与驱动力研究[D]. 南京: 南京大学, 2018. LI X. Study on Spatiotemporal Change and Driving Force of Resident Income of China from 2005 to 2015 Based on Night Light Remote Sensing Data [D]. Nanjing: Nanjing University, 2018.
[4] 李立金, 李浩洋, 徐彭梅, 等. 晨昏轨道微光相机成像策略研究及仿真验证[J]. 航天返回与遥感, 2017, 38(5): 29-34. DOI: 10.3969/j.issn.1009-8518.2017.05.004 LI Lijin, LI Haoyang, XU Pengmei, et al. Simulation and verification of imaging strategy for low-light-level camera on dawn-dusk orbit[J]. Spacecraft Recovery & Remote Sensing, 2017, 38(5): 29-34. DOI: 10.3969/j.issn.1009-8518.2017.05.004
[5] 李贝贝, 韩冰, 田甜, 等. 吉林一号视频卫星应用现状与未来发展[J]. 卫星应用, 2018(3): 23-27. DOI: 10.3969/j.issn.1674-9030.2018.03.007 LI Beibei, HAN Bing, TIAN Tian, et al. Application status and future development of JL-1 video satellite[J]. Satellite Application, 2018(3): 23-27. DOI: 10.3969/j.issn.1674-9030.2018.03.007
[6] 郭晗. 珞珈一号科学试验卫星[J]. 卫星应用, 2018(7): 70. https://www.cnki.com.cn/Article/CJFDTOTAL-WXYG201807021.htm GUO Han. LJ-1 scientific test satellite[J]. Satellite Application, 2018(7): 70. https://www.cnki.com.cn/Article/CJFDTOTAL-WXYG201807021.htm
[7] 祝庆贺, 熊文卓, 贺小军. 基于FPGA的星载成像系统设计[J]. 现代电子技术, 2017, 40(15): 64-67. https://www.cnki.com.cn/Article/CJFDTOTAL-XDDJ201715019.htm ZHU Qinghe, XIONG Wenzhuo, HE Xiaojun. Design of satellite⁃borne imaging system based on FPGA[J]. Modern Electronics Technique, 2017, 40(15): 64-67. https://www.cnki.com.cn/Article/CJFDTOTAL-XDDJ201715019.htm
[8] 梁超, 马天翔. 基于FPGA的CMOS成像电路设计[J]. 国外电子测量技术, 2016, 35(4): 71-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GWCL201604017.htm LIANG Chao, MA Tianxiang. Design of CMOS imaging circuit based on FPGA[J]. Foreign Electronic Measurement Technology, 2016, 35(4): 71-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GWCL201604017.htm
[9] 郑扬帆, 尹达一, 李清灵, 等. 基于低噪声CMOS图像传感器的成像电路设计与实现[J]. 电子设计工程, 2018, 26(4): 188-193. DOI: 10.3969/j.issn.1674-6236.2018.04.041 ZHENG Yangfan, YIN Dayi, LI Qingling, et al. The design and implementation of imaging circuit based on low⁃noise CMOS image sensor[J]. Electronic Design Engineering, 2018, 26(4): 188-193. DOI: 10.3969/j.issn.1674-6236.2018.04.041
[10] 单彦虎, 张晋顼, 任勇峰, 等. 基于FPGA的CameraLink图像数据接口设计[J]. 仪表技术与传感器, 2020(9): 51-54. https://www.cnki.com.cn/Article/CJFDTOTAL-YBJS202009011.htm SHAN Yanhu, ZHANG Jinxu, REN Yongfeng, et al. Design of CamereLink image data interface based on FPGA[J]. Instrument Technique and Sensor, 2020(9): 51-54. https://www.cnki.com.cn/Article/CJFDTOTAL-YBJS202009011.htm
[11] 隋延林, 何斌, 张立国, 等. 基于FPGA的超高速CameraLink图像传输[J]. 吉林大学学报: 工学版, 2017, 47(5): 1634-1643. https://www.cnki.com.cn/Article/CJFDTOTAL-JLGY201705041.htm SUI Yanlin, HE Bin, ZHANG Liguo, et al. Ultra-high speed CamereLink image transmission based on FPGA[J]. Journal of Jilin University: Engineering and Technology Edition, 2017, 47(5): 1634-1643. https://www.cnki.com.cn/Article/CJFDTOTAL-JLGY201705041.htm
[12] 宁永慧, 刘辉, 赵庆磊, 等. 大面阵高帧频CMOS成像电子学系统设计[J]. 光学精密工程, 2019, 27(5): 1167-1177. https://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201905020.htm NING Yonghui, LIU Hui, ZHAO Qinglei, et al. High-frame frequency imaging system of large area CMOS image sensor[J]. Optics and Precision Engineering, 2019, 27(5): 1167-1177. https://www.cnki.com.cn/Article/CJFDTOTAL-GXJM201905020.htm
-
期刊类型引用(1)
1. 单幼芳. 基于深度学习算法的太赫兹人体安检图像处理技术研究. 电脑编程技巧与维护. 2024(07): 127-129 . 
百度学术
其他类型引用(1)
计量
- 文章访问数: 151
- HTML全文浏览量: 78
- PDF下载量: 71
- 被引次数: 2
