Analyse von Luftblasen in Flüssigkeiten

Author(s):
Ernst Wildling - JOANNEUM Research und Andritz AG
Helmuth Gabl - JOANNEUM Research und Andritz AG
Willi Bauer - JOANNEUM Research und Andritz AG
Oliver Sidla - JOANNEUM Research und Andritz AG

Industry:
Research

Products:
LabVIEW, Machine Vision

The Challenge:
Für die Einstellung von Parametern in einem industriellen Fertigungsschritt ist es notwendig die Größe und Größenverteilung der im Prozeß verwendeten Luftblasen zu bestimmen, um sie für eine optimale Verwendung entsprechend anpassen zu können.

The Solution:
LabVIEW als sehr leistungsfähiges System wurde zur Entwicklung eines statistischen Analysewerkzeuges basierend auf Bildverarbeitung verwendet. Der Einsatz ermöglicht die Qualifizierung von verschiedenen luftblasenerzeugenden Apparaturen und ihrer notwendigen Parameter zur Erzeugung definierter Blasengrößen, Größenverteilungen und Blasenanzahl.

Einleitung:

Der Zweck dieser Anwendung war die Entwicklung eines Systems basierend auf Bildverarbeitung, welches die statistische Qualifikation eines luftblasenerzeugenden Systems ermöglicht. Um das zu erreichen, war vor allem die Entwicklung eines geeigneten Bildsensors erforderlich, der es ermöglicht, Bilder der entstehenden Blasen innerhalb der Flüssigkeit aufzunehmen. Wegen der relativ hohen Geschwindigkeit der Blasen beim Verlassen des blasenerzeugenden Systems gestaltete sich die Bildaufnahme als besonders schwierig. Die hohen Anforderungen an das bildverarbeitende System waren vorallem durch die hohe Dichte an Luftblasen im Medium begleitend durch die sich ergebenden Lichtbrechungen und Lichtreflexionen beeinflußt.

Systemüberblick:

Das System basiert auf einem handelsüblichen Industrie-PC mit Windows-NT Betriebssystem und dem Bildsensor einschließlich der daran befestigten Durchlicht-Beleuchtungseinheit mit einstellbarer Beleuchtungsstärke (Abbildung 1).

Der Bildsensor:

Anfängliche Tests der Bildaufnahme zeigten, dass, abhängig vom Beleuchtungstyp (Auflicht oder Durchlicht) die Luftblasen in ihrer Form stark unterschiedlich erscheinen (Abbildung 2). Ein Hauptproblem bei diesen Tests war u.a. die hohe Dichte an Blasen, welche eine eindeutige Trennung sehr schwierig macht. Eine teilweise oder totale Verdeckung der Blasen gegeneinander stellte dabei ein weiteres Problem dar.

Unter Berücksichtigung obiger Überlegungen und den gewonnen Erkenntnissen wurde der neue Bildsensor entwickelt (Abbildung 3). Im wesentlichen besteht er aus einer Kamera, welche in einem wasserdichten Gehäuse 90° zur Blickrichtung angebracht ist. Das Bild wird indirekt über ein Prisma in die Kamera geleitet. Diese Konfiguration wurde gewählt, um das Design möglichst schlank zu halten. Dadurch ist es möglich, das System auch in einem schmalen Experimentierbehälter zu verwenden. Die Hintergrundbeleuchtung (Leuchtdioden) kann in ihrer Entfernung zum Sensorfenster beliebig eingestellt werden. Die Luftblasen wandern durch den schmalen Spalt zwischen der Beleuchtung und dem Bildsensor. Dies erlaubt es, das System an unterschiedliche Blasendichten anzupassen. Ebenso ist die Helligkeit der Beleuchtung einstellbar, um die Lichtintensität an die Transparenz der eingesetzten Flüssigkeit anzupassen.

Ein Beispiel einer Bildaufnahme mit dem neu entwickelten Sensor zeigt Abbildung 4.

Bildverarbeitung:

Mehrere morphologische Bildverarbeitungsschritte, wie morphologischer Gradient, morphologisches Füllen von Löchern und morphologisches Öffnen sind für die Bildvorverarbeitung und eine robuste Segmentierung der Luftblasen notwendig. Um die Fehlerrate bei der Blasendetektion weiter zu minimieren, kann eine Voranalyse der separierten Blasen auf zwei unterschiedliche Arten erfolgen. Eine Methode die Robustheit der Identifikation einzelner Blasen zu erhöhen d. h. zu vermeiden, daß eine Anzahl kleiner, sich partiell überlagernder Blasen im Bild als eine große Blase erkannt wird, liegt in der Anwendung heuristischer Regeln. Das Bild einer Luftblase ist charakterisiert durch einen hellen, zentralen Bereich, welcher von einer mehr oder weniger gleichförmigen und dunkleren Randregion umgeben ist. Durch diese Information ist es möglich, nicht eindeutig zu identifizierende Blasen auszusortieren, um eine fehlerhafte statistische Auswertung zu verhindern.

Die zweite Methode verwendet charakteristische Objekt-Parameter wie Heywood’schen Kreisfaktor, Kreisdurchmesser, Flächenschwerpunkt, Ellipsenorientierung sowie eine Anzahl von vorgegebenen Parameterbereichen für eine Querprüfung der Blasenform. Beide Methoden können je nach Anwendungsfall und Natur der auftretenden Blasen in der Benutzeroberfläche ausgewählt werden. Eine Zusammenfassung der oben genannten Prozessschritte ist in Abbildung 5 dargestellt. 

Benutzerschnittstelle:

Die Benutzeroberfläche (Abbildung 6) kann grob in folgende Funktionsbereiche unterteilt werden:
o Bildaufnahme (mit der Bildquelle und den Parametern für die Bildverarbeitung)
o Bilddarstellung (Quellbild und verschiedene Schritte der Bildverarbeitung)
o Histogrammmodus
o Histogrammdarstellung (Mittelwert, Standardabweichung und Anzahl der Luftblasen als Numerischer Wert)
o Art der Integration (Einzelbild, Bildsequenz)
o Ausgabe des Histogramms und der statistischen Daten am seriellen Port.

Die Bilder können durch den Sensor als Einzelbilder oder als Bildsequenz aufgenommen werden. Es ist auch möglich, Bilder aus früheren Durchgängen für eine neuerliche statistische Berechnung von der Festplatte aufzurufen.
Um die Prozessergebnisse für einen gegebenen Zustand der Blasengeschwindigkeit, Transparenz der Flüssigkeit und die Blasengröße zu optimieren können die bildverarbeitenden Parameter entsprechend angeglichen werden.
Die Histogrammoptionen erlauben die Auswahl von verschiedenen gewünschten Darstellungen: 

o Absolute Anzahlhäufigkeitsdichte der Blasendurchmesser
o Relative Anzahlhäufigkeitsdichte der Blasendurchmesser
o Relative Oberflächenhäufigkeitsdichte
o Anzahlsummenhäufigkeit
o Oberflächensummenhäufigkeit

Ergebnis:

Das vorliegende Programm erlaubt die Qualifizierung verschiedenster luftblasenerzeugender Systeme in Beziehung auf die Anzahl der erzeugten Blasen, der Blasengröße sowie Blasenverteilung. Der neu entwickelte innovative Bildsensor erlaubt die statistische Analyse in beliebigen Bereichen der Flüssigkeit. Das Messsystem ist geeignet für Geschwindigkeiten der Blasen bis 1.0 m/s und einer räumlichen Auflösung von 0.2 mm. Der Sensor ermöglicht die Messung der Blasen in der Flüssigkeit direkt in jenem Bereich in dem die Blasen erzeugt werden bis zur Oberfläche. Durch den Einsatz von LabVIEW konnte rasch eine funktionelle und gut strukturierte Benutzer- Oberfläche implementiert werden. Verglichen mit ähnlichen Projekten basierend auf textorientierten Programmiersprachen konnte der gesamte Entwicklungsprozess daher signifikant verkürzt werden.

Zusammenfassung:

Es wird der Einsatz von LabVIEW als flexibles und leistungstarkes System mit umfangreicher Hardware-Unterstützung für die schnelle Entwicklung eines statistischen Analysewerkzeuges basierend auf Bildverarbeitung dargestellt. In einem industriellen Prozessschritt spielt die Größenverteilung der  verwendeten Luftblasen eine dominierende Rolle für die Effektivität des gesamten Prozesses. Es existieren eine Vielzahl von blasengenerierenden Systemen welche sich in ihrer Art der Blasenerzeugung und ihrem Mechanismus der Freisetzung der Blasen in die Flüssigkeit unterscheiden. Dadurch entstehen Unterschiede in der Geschwindigkeit, Größe und Verteilung der Luftblasen. 

Bis heute existieren nur Analysewerkzeuge zur Qualifizierung von einzelnen Blasen. Statistisch relevante Aussagen lassen sich nur durch zeit- und arbeitsintensive Messungen und Auswertungen einer großen Anzahl von einzelnen Blasen treffen. Das entwickelte System erlaubt eine reproduzierbare Qualifizierung der generierten Luftblasen in einem beliebigen Bereich der Flüssigkeit durch statistische Stichproben. Dieser Artikel präsentiert die Entwicklung eines mechanisch robusten Bildsensors, welcher innerhalb der zu beobachtenden Flüssigkeit frei positioniert werden kann, sowie der entsprechenden Bildverarbeitungs-Software und der Benutzeroberfläche der Anwendung.  

Author Information:
For more information on this Case Study, contact:
Ernst Wildling
JOANNEUM Research und Andritz AG
Graz

Browse All Case Studies »