随着图像采集技术的快速发展和应用的不断成熟,采用网络化的计算机图像捕获手段对黑色烟气污染物进行自动监测与传统手段相比,己经成为不可阻挡的发展趋势。　　介绍了烟气林格曼黑度级监测的现状,对目前常用的三种类型设备的工作原理做了简要说明,指出了各自的优势和缺陷。对国内外林格曼黑度级监测的发展趋势做了分析,指出了课题研究的实用性及应用前景。　　该课题所研究的主要内容是:烟气图像的采集、烟羽区域的提取、时空联合的背景亮度扣除、图像数据的处理,以及基于模式识别方法的林格曼黑度级识别及输出。　　本课题设计实现非极端天空背景下烟气林格曼黑度的手动和自动监测功能,具体功能分别为:监测前端的烟气图像采集及存储、图像数据的综合处理、林格曼黑度级的自动识别及云台控制,监测中心的多通道预览、存储及云台控制。　　本课题研究中,通过综合运用图像采集、数字图像处理及模式识别等技术,使林格曼黑度监测摆脱人工主观评测的落后局面,从根本上避免因主观测度而形成的测量偏差,同时较高端产品又注重降低仪器成本。基于一款高性能DSP图像采集卡的二次开发,实现了四通道图像的实时采集,图像压缩编码采用先进的H.264格式;通过综合的数字图像处理过程选取了有效的烟羽区域,扣除了天空背景对烟羽区域亮度的影响;使用了模式识别方法对有效烟羽区域林格曼黑度进行实时识别并输出;通过基于采集卡SDK的编程构建了C/S架构的网络监测系统;通过串口通信的编程实现了对云台及摄像机的控制。　　根据国内相关标准及技术资料要求,实现了系统基本功能;详细阐述了系统的设计思想及关键技术;给出了主要功能模块的实验结果和部分模块的仿真及实验结果。本设计在烟气林格曼黑度监测领域提出使用神经网络方法进行黑度级识别,并在兼顾系统效率与性能的前提下,充分体现计算机图像采集技术的实时性强及吞吐率高的特点,通过适当增加样本数据量,较现有技术手段更有利于提高监测记录结果的准确性。