CN102542239B - 一种烧结机尾红断面有效图像自动捕捉方法 - Google Patents
一种烧结机尾红断面有效图像自动捕捉方法 Download PDFInfo
- Publication number
- CN102542239B CN102542239B CN201010597200.1A CN201010597200A CN102542239B CN 102542239 B CN102542239 B CN 102542239B CN 201010597200 A CN201010597200 A CN 201010597200A CN 102542239 B CN102542239 B CN 102542239B
- Authority
- CN
- China
- Prior art keywords
- image
- dense
- index
- gray
- ruddiness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005245 sintering Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000007689 inspection Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract 2
- 239000000284 extract Substances 0.000 claims description 24
- 239000006185 dispersion Substances 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 abstract 3
- 238000007781 pre-processing Methods 0.000 abstract 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种烧结机尾红断面有效图像的自动捕捉方法，包括(1)图像采集；(2)图像检验触发；(3)图像预处理；(4)图像有效性检验；其中，步骤(1)中图像采集方法是通过图像采集设备，连续采集烧结机尾红断面实时图像；步骤(2)中图像检验触发是按一定的时间周期对采集到的机尾红断面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程；步骤(3)中图像预处理是对采集到的原始图像进行转灰度处理及转红光RGB图像处理，转红光RGB图象处理是指将原图的RGB图像G值和B值都取零，只保留R值的RGB图像；步骤(4)中图像有效性检验包括图像有效性特征提取和图像有效性特征分析。
Description
技术领域
本发明涉及一种图像的自动捕捉方法，尤其涉及一种烧结机尾红断面有效图像的自动捕捉方法。
背景技术
在烧结生产中，烧结机尾是烧结过程的终点，烧结机尾红断面图像是烧结过程工况信息最终、最全面的反映。通过烧结机尾红断面图像可以获得过欠烧、水分、FeO等多种生产过程参数的特征，因此对烧结机尾红断面图像的正确获取是对结果正确分析的前提和保证。烧结机尾端面图像具有一定的周期性，但该周期性会因台车机速变化而产生变化。而且烧结机尾端面图像的质量还受到机尾灰尘，过欠烧情况，红断面亮度变化情况等多种因数的影响。
目前，自动获取图像的采集方法有人工触发方式、触发器触发方式以及定时触发方式等，如专利公开号为CN101216881A的发明，提供了一种图像自动获取方法和装置，该发明的采集触发方式为人工触发方式，能处理异常情况的出现，可排除各种影响因素，采集图像准确，但缺点是采用人工操作，无法实现自动、连续的采集图像，并且该发明无法对动态图像进行采集；专利号为03259750.9的实用新型发明，公开了一种基于图像的位移自动读取装置，该装置由探测和处理两部分组成，提供一种可动态、实时、连续、长期对被检测建筑设施进行检测，但该装置属于一种定时触发的自动读取装置，无法对周期性出现的事物图像进行采集，对事物特征周期性的改变也无法做出自动的调节；专利公开号为CN1266231A的专利，提供了一种具有自动图像抓拍功能的公路收费系统，该发明的采集触发方式为触发器触发方式，该系统对区域境内的进出车辆可进行自动、实时、连续、长期抓拍，但缺点是该系统无法在恶劣的生产环境中使用。上述自动获取图像的装置均不适用于在烧结生产中使用。
发明内容
本发明针对上述问题，本发明提供了一种烧结机尾红断面有效图像自动捕捉方法，解决在烧结生产的恶劣环境中，进行自动、实时、长期、连续捕捉有效机尾红断面图像的问题，而且可不依靠其他基础自动化手段，非接触式独立运行。
为了实现上述发明目的，本发明提供了一种基于计算机人工智能视觉方式的图像自动捕捉方法，该方法包括如下步骤：(1)图像采集；(2)图像检验触发；(3)图像预处理；(4)图像有效性检验；其中，步骤(1)中图像采集方法是通过图像采集设备，连续采集烧结机尾红断面实时图像；步骤(2)中图像检验触发是按一定的时间周期对采集到的机尾红断面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程，以进行进一步的分析处理；步骤(3)中图像预处理是对采集到的原始图像进行转灰度处理及转红光RGB图像处理，转红光RGB图象处理是指将原图的RGB图像G值和B值都取零，只保留R值的RGB图像；步骤(4)中图像有效性检验包括两个部分，一是图像有效性特征提取，二是图像有效性特征分析。
其特征在于，所述步骤(4)中图像有效性特征提取包括低浓指数提取、中浓指数提取、高浓指数提取、离散指数提取、分布指数提取、红光指数提取和浓比指数提取。
所述步骤(4)中低浓指数提取是查找灰度图像上灰度值小于等于低浓阈值的像点，取其灰度平均值。
中浓指数提取是计算灰度图像上灰度值大于中浓阈值且小于高浓阈值的像点个数。
高浓指数提取是计算灰度图像上灰度值大于等于高浓阈值的像点个数。
分布指数提取是计算灰度图像上灰度值大于等于分布阈值的像点的纵向位置均值。
离散指数提取是计算灰度图像上灰度值大于等于离散阈值的像点的纵向位置与分布指数的平均绝对差值。
红光指数提取是计算转红光RGB图像上红光值小于红光阈值的像点的平均红光值。
浓比指数提取是计算高浓指数与中浓指数的比值。
进一步的，上述方法还具有以下特点，所述步骤(4)中图像有效性特征分析是通过对低浓指数、中浓指数、高浓指数、离散指数、分布指数、红光指数和浓比指数进行阈值分析及归一化处理后再进行求积运算获得综合分析结果，指当综合分析结果等于1时，则可判定该捕捉图像有效，可以进行保存或进一步分析；当综合分析结果小于1时，则可判定该捕捉图像无效。
综上所述，本发明的特点是：1、可实时、连续、长期，独立的在线运行；2、适应现场环境，工作可靠，不易损坏；3、设备成本低，易于安装；4、结构简单，易于实现。
附图说明
图1为烧结机尾红断面图像有效性检测方法流程图。
具体实施方式
下面结合附图对本发明具体实施方式作进一步说明：
本方法的设备构成为，在烧结机尾安装图像采集设备，图像采集设备可以是摄像机、具有摄像功能的照相机等摄像设备。图像采集设备与计算设备相连，计算设备负责对采集到的图像进行有效性检测，计算设备可以是计算机，单片机等运算处理设备。当确定图像的有效性后，便可以对烧结机尾红断面有效图像进行存储或进一步的分析。
如图1所示，本发明烧结机尾红断面图像有效性检测方法流程如下：
步骤1：图像采集
通过图像采集设备，连续采集烧结机尾红断面实时图像。
步骤2：图像检验触发
按一定的时间周期(一般为一秒)对采集到的机尾红断面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程，进行图像有效性分析，以提高分析效率。
步骤3：图像预处理
对原始待分析图像进行处理，生成两组目标图像，一组是原始图像的灰度图像，一组是将原图的RGB图像G值和B值都取零，只保留R值的转红光RGB图像。
步骤4：图像有效特征提取
从灰度图像中提取6个有效特征，包括低浓指数、中浓指数、高浓指数、离散指数、分布指数和浓比指数，然后从转红光RGB图像中提取红光指数。其中各特征定义如下，各参考数值以分辨率为768x526，图像实物比例为2∶35的分析图像为例：
其中，Gray(n)为像点灰度值，I为灰度图像的像点域。低浓阈值一般取150。
其中，中浓阈值一般取180，高浓阈值取250。
其中，高浓阈值取245。
其中，Y(n)为像素点距图像顶端的距离，单位为像素。分布阈值取200。
其中，离散阈值取200。
浓比指数NBK＝GNK/ZNK
其中，R(n)为像点G值，R为转红光RGB图像的像点域。红光阈值一般取150。
步骤5：图像有效性特征分析
(1)图像低浓分析
其中，低浓指数下边界一般取20，低浓指数上边界一般取80。
(2)图像中浓分析
其中，中浓指数下边界一般取1000。
(3)图像高浓浓分析
其中，高浓指数下边界一般取500。
(4)图像分布分析
其中，分布指数下边界一般取可见到有效机尾图像的初始位置，一般取50，分布指数上边界一般取可见到有效机尾图像的结束位置，一般取475。
(5)图像离散程度分析
其中，离散指数下边界一般取0.05，离散指数上边界一般取0.5。
(6)图像红光程度分析
其中，红光指数上边界一般取100。
(7)图像浓比分析
其中，浓比指数上边界一般取1.2。
(8)图像综合分析
综合分析结果ZHR＝DNR×ZNR×GNR×FBR×LSR×HGR×NBR步骤6：图像有效性判定
当ZHR＝1时，则可判定该捕捉图像有效，可以进行保存或进一步分析。当ZHR＜1时，则可判定该捕捉图像无效。
Claims (1)
1.一种烧结机尾红断面有效图像自动捕捉方法，其特征在于：该方法包括如下步骤：(1)图像采集；(2)图像检验触发；(3)图像预处理；(4)图像有效性检验；
其中，步骤(1)中图像采集方法是通过图像采集设备，连续采集烧结机尾红断面实时图像；
步骤(2)中图像检验触发是按一定的时间周期对采集到的机尾红断面实时图像进行提取，然后对每一幅目标图像创建一个独立的分析线程，以进行进一步的分析处理；
步骤(3)中图像预处理是对步骤(2)提取后的目标图像进行转灰度处理及转红光RGB图像处理，转红光RGB图象处理是指将原图的RGB图像G值和B值都取零，只保留R值的RGB图像；
步骤(4)中图像有效性检验包括图像有效性特征提取和图像有效性特征分析；所述的图像有效性特征提取包括低浓指数提取、中浓指数提取、高浓指数提取、离散指数提取、分布指数提取、红光指数提取和浓比指数提取；所述的图像有效性特征分析是通过对低浓指数、中浓指数、高浓指数、离散指数、分布指数、红光指数和浓比指数进行阈值分析及归一化处理后再进行求积运算获得综合分析结果,当综合分析结果等于1时，则可判定该捕捉图像有效，可以进行保存或进一步分析；当综合分析结果小于1时，则可判定该捕捉图像无效；
所述的低浓指数DNK提取是查找灰度图像上灰度值小于等于低浓阈值的像点，取其灰度平均值；所述的中浓指数ZNK提取是计算灰度图像上灰度值大于中浓阈值且小于高浓阈值的像点个数；所述的高浓指数GNK提取是计算灰度图像上灰度值大于等于高浓阈值的像点个数；
所述的分布指数FBK提取是计算灰度图像上灰度值大于等于分布阈值的像点的纵向位置均值；即:
其中，Y(n)为像素点距图像顶端的距离，单位为像素；Gray(n)为像点灰度值，I为灰度图像的像点域；
所述的离散指数LSK提取是计算灰度图像上灰度值大于等于离散阈值的像点的纵向位置与分布指数的平均绝对差值；即:
红光指数HGK提取是计算转红光RGB图像上红光值小于红光阈值的像点平均红光值；浓比指数NBK提取是计算高浓指数与中浓指数的比值；
所述对各指数进行阈值分析及归一化处理指:
(1)图像低浓分析
(2)图像中浓分析
(3)图像高浓分析
(4)图像分布分析
其中，分布指数下边界取可见到有效机尾图像的初始位置,分布指数上边界取可见到有效机尾图像的结束位置；
(5)图像离散程度分析
(6)图像红光程度分析
(7)图像浓比分析
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010597200.1A CN102542239B (zh) | 2010-12-17 | 2010-12-17 | 一种烧结机尾红断面有效图像自动捕捉方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010597200.1A CN102542239B (zh) | 2010-12-17 | 2010-12-17 | 一种烧结机尾红断面有效图像自动捕捉方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102542239A CN102542239A (zh) | 2012-07-04 |
| CN102542239B true CN102542239B (zh) | 2015-04-08 |
Family
ID=46349101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010597200.1A Active CN102542239B (zh) | 2010-12-17 | 2010-12-17 | 一种烧结机尾红断面有效图像自动捕捉方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102542239B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103472787B (zh) * | 2013-09-07 | 2016-06-01 | 鞍钢股份有限公司 | 一种烧结燃料配比在线判定方法 |
| CN113742990A (zh) * | 2020-05-28 | 2021-12-03 | 中冶长天国际工程有限责任公司 | 一种烧结机机尾烧结饼断裂时刻预测方法及系统 |
| CN112255364B (zh) * | 2020-10-20 | 2022-07-01 | 唐山学院 | 一种实时定量判定烧结终点状态的软测量方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1233741A (zh) * | 1998-04-30 | 1999-11-03 | 北京科技大学 | 烧结看火机器人 |
| CN1796978A (zh) * | 2004-12-28 | 2006-07-05 | 宝山钢铁股份有限公司 | 烧透指数在线检测方法 |
| CN101726491A (zh) * | 2008-10-28 | 2010-06-09 | 鞍钢股份有限公司 | 一种烧结机尾断面动态图像自动获取方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4912141B2 (ja) * | 2006-12-26 | 2012-04-11 | キヤノン株式会社 | 撮像表示装置、撮像表示制御方法及びシステム |
-
2010
- 2010-12-17 CN CN201010597200.1A patent/CN102542239B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1233741A (zh) * | 1998-04-30 | 1999-11-03 | 北京科技大学 | 烧结看火机器人 |
| CN1796978A (zh) * | 2004-12-28 | 2006-07-05 | 宝山钢铁股份有限公司 | 烧透指数在线检测方法 |
| CN101726491A (zh) * | 2008-10-28 | 2010-06-09 | 鞍钢股份有限公司 | 一种烧结机尾断面动态图像自动获取方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| "烧结机尾特征断面图像采集算法的研究及应用";刘征建等;《钢铁》;20080331;第43卷(第3期);22-24 * |
| "烧结生产过程的智能控制技术";杨东晓等;《辽宁科技大学学报》;20081031;第31卷(第5期);470-474 * |
| "烧结矿断面图像分析与操作指导系统";杨春雨等;《电气自动化》;20061231;第28卷(第4期);69-71 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102542239A (zh) | 2012-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
| CN112800860B (zh) | 一种事件相机和视觉相机协同的高速抛撒物检测方法和系统 | |
| CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
| CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
| CN102176228A (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
| CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
| CN102610104B (zh) | 一种车载的前方车辆检测方法 | |
| CN101726491A (zh) | 一种烧结机尾断面动态图像自动获取方法及装置 | |
| CN102542239B (zh) | 一种烧结机尾红断面有效图像自动捕捉方法 | |
| CN108230412A (zh) | 一种红外图像压缩方法及装置 | |
| CN101930540A (zh) | 基于视频的多特征融合的火焰检测装置和方法 | |
| Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
| CN103425958A (zh) | 一种视频中不动物检测的方法 | |
| CN117330582A (zh) | 一种高分子pe薄膜表面晶点检测系统 | |
| CN104820818A (zh) | 一种移动物体的快速识别方法 | |
| CN102506815A (zh) | 基于图像识别的多目标跟踪与被动距离测量装置 | |
| CN103366598B (zh) | 一种车辆停靠到位检测系统及检测方法 | |
| CN116228712A (zh) | 一种多尺度边坡灾害监测方法、系统及装置 | |
| CN115457459A (zh) | 一种能够有效提升检测效率的机器视觉系统 | |
| CN105404891A (zh) | 一种室外设施巡检方法 | |
| CN111340802A (zh) | 一种采用人工智能技术进行自动化验布的智能验布机 | |
| CN104000598A (zh) | 一种基于最大内切圆的猪呼吸急促运动建模方法及系统 | |
| CN108805855A (zh) | 一种混凝土裂纹快速识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |