CN103509901B - 高炉原燃料的粒度检测方法 - Google Patents

Abstract

本发明公开了一种高炉原燃料的粒度检测方法，包括：步骤S100，利用图像采集装置，对待输送入高炉内的运输皮带上的原燃料进行数字图像采集，以获取原燃料数字图像；步骤S200，对该原燃料数字图像进行处理；步骤S300，根据经步骤S200处理过的原燃料数字图像，获取粒度大小。本发明的高炉原燃料的粒度检测方法，精确度高，速度快，能够实时在线自动获取原燃料粒度大小，并且无物料消耗，减少了大量人力物力成本。

Description

高炉原燃料的粒度检测方法

技术领域

本发明涉及高炉原燃料检测，更具体地，是一种高炉原燃料的粒度检测方法。

背景技术

在钢铁生产中，高炉原燃料主要包括原料和燃料，原料包括烧结矿、球团矿、块矿和付原料等，燃料主要是指焦炭。高炉的原料和燃料是分别装入高炉内进行冶炼的，即一批原料、一批燃料依次装入高炉。高炉原燃料管理是高炉操作中重要的内容之一，尤其是对于大型高炉，对原燃料质量要求更高，“七分原料三分操作”。原燃料的粒度大小和分布直接影响着高炉的透气性和高炉的稳定顺行。相同配料和生产工艺的烧结矿和焦炭、同一批次的块矿和球团矿，他们的冶金性能一般变化不大，也就是说质量是不可控的。但是，原燃料的粒度是可以人为控制的，可以通过破碎和筛分进行粒度大小和分布的控制，这对高炉操作至关重要。

目前高炉原燃料粒度的检测主要是通过物理筛分的方法，即采用不同孔径的筛子进行筛分得到不同的粒度大小和分布。目前宝钢烧结矿检测频次为4小时检测一次，焦炭为8小时检测一次，球团矿和块矿的粒度大小没有检测，相对于每座高炉每日约消耗17000t原料和3000t焦炭来说，检测频度很小，而且人工筛网检测的误差也很大。

综上所述，由于人工筛分检测频度小、误差大，加上高炉原燃料粒度对高炉操作非常重要，因此需要一种新的方法来增加粒度检测频度和提高粒度检测精确度，以实时掌握入炉原燃料粒度大小、分布和趋势。

发明内容

本发明的目的，在于解决现有的人工进行高炉原燃料粒度检测的上述缺陷，从而提供了一种创新的高炉原燃料的粒度检测方法。

本发明的高炉原燃料的粒度检测方法，包括以下步骤：

步骤S 100，利用图像采集装置，对待输送入高炉内的运输皮带上的原燃料进行数字图像采集，以获取原燃料数字图像；

步骤S200，对该原燃料数字图像进行处理，该处理包括以下步骤：

步骤S210，对该原燃料数字图像进行预处理，该预处理包括：获取原燃料数字图像的色度、亮度和饱和度分量，以及对该色度、亮度和饱和度分量进行均衡；

步骤S220，对经步骤S210处理后的原燃料数字图像进行平滑及锐化处理；

步骤S230，对经步骤S220处理后的原燃料数字图像进行边缘提取；以及

步骤S240，对经步骤S230处理后的原燃料数字图像进行腐蚀及膨胀运算处理；

步骤S300，根据经步骤S200处理过的原燃料数字图像，获取粒度大小，该步骤包括：

步骤S310，获得包括最大扩张区域的最小闭合外接圆；以及

步骤S320，根据原燃料数字图像的像素以及进行图像采集的范围，获得粒度大小。

本发明的高炉原燃料的粒度检测方法，精确度高，速度快，能够实时在线自动获取原燃料粒度大小，并且无物料消耗，减少了大量人力物力成本。

附图说明

图1为本发明的高炉原燃料的粒度检测方法的流程示意图；

图2为用于本发明的图像检测装置的示意图；

图3为图1中步骤S200的更详细的流程示意图；

图4为经过图1中步骤S200处理后的原燃料数字图像示意图；

图5为图1中步骤S300的更详细的流程示意图；

图6为获取粒度大小的示意图。

具体实施方式

以下结合附图和具体实施方式，对本发明的高炉原燃料的粒度检测方法的流程进行详细说明。

如图1所示，本发明的高炉原燃料的粒度检测方法，包括步骤S100-S300，在步骤S100中，利用图像采集装置，对待输送入高炉内的运输皮带上的原燃料进行数字图像采集，以获取原燃料数字图像；在步骤S200中，对该原燃料数字图像进行处理；在步骤S300中，根据经步骤S200处理过的原燃料数字图像，获取粒度大小。以下继续结合附图，对各步骤的实施进行更详细说明。

步骤S100。

在该步骤中，利用图像采集装置，对待输送入高炉内的运输皮带上的原燃料进行数字图像采集，以获取原燃料数字图像。结合图2，图像采集装置包括工业摄像机10及外部保护装置、外部光源20、30及遮光罩、计算机40以及连接光缆等。其中，工业摄像机10采用大光圈、定焦距的高速工业摄像机，在安装时，工业摄像机10垂直拍摄的物料设置，从而可以清晰拍摄到在运输皮带1上的原燃料数字图像2，并通过光缆将图像2传输至计算机40，以进行后续处理。由于高炉生产条件较差，在敞开环境下灰尘多，因此需要对摄像机加装保护装置，优选地可增加压缩空气吹扫，以确保摄像机镜头的洁净。

另外，在进行图像采集时，原燃料上的光照非常重要，要求尽量恒定光照、避免阳光及日夜更替影响，因此应当在摄像部位增加遮光罩，以减少外部光源的影响，同时在皮带两侧上方增加光源，以使获取的图像质量良好。

在生产实践中，计算机40可以安装在高炉中控室内，以便相关人员可以随时监控获取信息，为保证系统稳定和速度，工业摄像机10与计算机40可通过光缆连接。

步骤S200。

在该步骤中，对在步骤S100中获取的原燃料数字图像进行处理，该处理过程可通过计算机40完成。具体地，结合图3，进行数字图像处理包括步骤S210-S240，在这些步骤中，分别进行预处理、平滑及锐化、边缘提取、腐蚀和膨胀运算等，以获取可供后续分析计算的图像。

具体地，在步骤S210中，对该原燃料数字图像进行预处理，该预处理包括：获取原燃料数字图像的色度、亮度和饱和度分量，以及对该色度、亮度和饱和度分量进行均衡。通过预处理，可提升图像的亮度、色彩以及对比度，同时获得良好的降噪效果，避免因白噪声产生伪边界，并且使得各分量得到良好的均衡。

在步骤S220中，对经步骤S210处理后的原燃料数字图像进行平滑及锐化处理。图像平滑处理主要是为了消除噪声。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段。因此可采用常规低通滤波的方法去除高频干扰。图像空间域平滑是对噪声原始图像f（x，y）的每个像素点取一个临域S，计算S中所有像素灰度级的平均值，作为空间域平均处理后图像g（x，y）的像素值。即

$g(x,y)=\frac{1}{M}\underset{(x,y)\∈S}{\mathrm{\Σ}}f(x,y)---\left(1\right)$

式(1)中M为邻域S中的像素点数，S邻域可取四邻域、八邻域等。S越大，噪声减少越显著，但同时也使图像边缘变得越模糊，不利于图像的分割、分析等后续处理过程。为减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。图像锐化处理的目的是要增强图象频谱中的高频部分，就相当于从原图像中减去它的低频分量，使图像的边缘和轮廓线变得清晰，并使其细节清晰，由于边缘占据图象的高频成分，所以使用高通滤波的方法对图像边缘进行锐化处理。

在步骤S230中，对经步骤S220处理后的原燃料数字图像进行边缘提取。边缘是指图像中所要提取目标和背景的分界线，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中每一个像素点应该属于目标还是背景区域，从而产生相应的二值图像。

具体地，设原始图像f（x，y），以一定的准则在f（x，y）中找出一个合适的灰度值为阈值t，则按上述方法分割后的图像g（x，y）可由下式表示：

$g(x,y)=\left\{\begin{array}{cc}1& f(x,y)\≥t\\ 0& f(x,y)\∠t\end{array}\right.---\left(2\right)$

凡是在灰度范围内的图像都变为1，否则皆为0。

原燃料边缘是以原燃料局部特征不连续的形式出现的，是灰度值不连续的结果，因此可用上述公式（2）的算法检测到图像的边缘。

在步骤S240中，对经步骤S230处理后的原燃料数字图像进行腐蚀及膨胀运算处理。由于高炉原燃料在运输过程中并不是一个一个分开的，大多是堆积在一起，所以会导致原燃料互相叠加，当原燃料的边缘被提取出来之后，部分原燃料颗粒边缘被其它颗粒边缘遮挡，为了消除被遮挡颗粒对粒度分析的影响，必须删除这些被遮挡颗粒边缘信息，所以采用了腐蚀算法对重叠被遮挡颗粒进行处理，通过多次腐蚀算法后可以分离出独立的原燃料边界信息，从而消去了其他部分的影响。对分离出的独立的原燃料边界做同样次数的膨胀运算。

更具体地，图像的腐蚀和膨胀是属于数学形态学的范畴内的常规算法，对图像形状和结构的分析和处理，在进行腐蚀与膨胀算法前，将一幅图像称为一个集合，对于二值图像而言，习惯上认为取值为1的点对应于景物中心，而取值为0的点构成背景。

腐蚀的运算符是“Θ”，A用B来腐蚀记作A ΘB，其定义为

$\mathrm{A\ΘB}=\left\{x\right|{\left(B\right)}_x\⊆A\}---\left(3\right)$

上式（3）表明，A用B腐蚀的结果是所有满足B平移x后，B仍全部包含在A中的x的集合，从直观上看就是B经过平移后全部包含在A中的原点组成的集合。

膨胀的运算符为图像集合A用结构元素B来膨胀，记作

其中，表示B的映像，即与B关于原点对称的集合。用B对A进行膨胀的过程是这样的：首先对B作关于原点的映射，再将其映射平移x，当A与B映像的交集不为空集时，B的原点就是膨胀集合的像素。也就是说，用B来膨胀A得到的集合是位移与A至少有一个非零元素相交时B的原点的位置集合。如果将B看成是一个卷积模板，膨胀就是对B作关于原点的映像，然后再将映像连续地在A上移动而实现的。

通过上述多次腐蚀膨胀算法，得到原始大小的单个颗粒，如图4所示为焦炭经过腐蚀和膨胀算法后获得各颗粒边缘的原燃料数字图像2。

步骤S300。

该步骤中，根据经步骤S200处理过的原燃料数字图像，获取粒度大小。更具体地，结合图3，首先，在步骤S310中，获得包括最大扩张区域的最小闭合外接圆。得到原燃料颗粒边缘后，为了得到其粒度大小，首先需要寻求能够包罗颗粒边界最大扩张区域全部像素点的最小闭合外接圆。该最小闭合外接圆包含了颗粒边界最大扩张区域全部像素点。如图6所示，原燃料颗粒4的最小外接圆5的直径D与颗粒的大小成正比。

然后，在步骤S320中，根据原燃料数字图像的像素以及进行图像采集的范围，获得粒度大小。获得粒度大小的原理是根据每个像素点所代表的尺寸大小来计算粒度大小的。摄像机的像素是固定不变的，假设像素为P1×P2，在恒定摄像机焦距和摄像机与料之间的距离后，摄像机所拍摄到物料的范围是固定不变的，测量或计算拍摄范围的尺寸，假设为L1×L2，可以计算每个像素点所代表的距离a为：

$a=\frac{L1}{P1}=\frac{L2}{P2}---\left(5\right)$

计算每个外接圆直径所代表的像素点个数，假设为b个，那么该原燃料颗粒的实际直径d大小为：

d＝a ×b                                            （6）

分别计算每个外接圆的直径，从而获得图像内完整颗粒的粒度大小。

当计算得出原燃料粒度大小后，计算机可根据粒度大小进行分析处理，例如分级、计算平均粒度、查询、下载及趋势分析等，以供高炉操作者参考分析。

综上所述，本发明的高炉原燃料的粒度检测方法，精确度高，速度快，能够实时在线自动获取原燃料粒度大小，并且无物料消耗，减少了大量人力物力成本。

Claims (1)

1.一种高炉原燃料的粒度检测方法，其特征在于，该方法包括以下步骤：

步骤S100，利用图像采集装置，对待输送入高炉内的运输皮带上的原燃料进行数字图像采集，以获取原燃料数字图像，其中，所述图像采集装置包括工业摄像机、分别位于所述运输皮带两侧上方的光源、用于遮挡自然光的遮光罩、以及用于保持所述工业摄像机的镜头洁净的压缩空气吹扫装置；

步骤S200，对该原燃料数字图像进行处理，该处理包括以下步骤：

步骤S210，对该原燃料数字图像进行预处理，该预处理包括：获取原燃料数字图像的色度、亮度和饱和度分量，以及对该色度、亮度和饱和度分量进行均衡；

步骤S220，对经步骤S210处理后的原燃料数字图像进行平滑及锐化处理，所述平滑处理按照公式进行，其中，S为每个像素点(x,y)的邻域，M为邻域S中的像素点的个数，f(x,y)为所述平滑处理前像素点(x,y)的灰度值，g(x,y)为所述平滑处理后像素点(x,y)的灰度值；

步骤S230，对经步骤S220处理后的原燃料数字图像进行边缘提取，所述边缘提取按照公式进行，其中，f(x,y)为所述边缘提取前像素点(x,y)的灰度值，g(x,y)为所述边缘提取后像素点(x,y)的值，t为预定的门限值；以及

步骤S240，对经步骤S230处理后的原燃料数字图像进行腐蚀及膨胀运算处理；

步骤S300，根据经步骤S200处理过的原燃料数字图像，获取粒度大小，该步骤包括：

步骤S310，获得包括最大扩张区域的最小闭合外接圆；以及

步骤S320，根据原燃料数字图像的像素以及进行图像采集的范围，获得粒度大小。