CN105160683B - 一种基于人工干预的铁水扒渣检测与控制系统及其方法 - Google Patents
一种基于人工干预的铁水扒渣检测与控制系统及其方法 Download PDFInfo
- Publication number
- CN105160683B CN105160683B CN201510632623.5A CN201510632623A CN105160683B CN 105160683 B CN105160683 B CN 105160683B CN 201510632623 A CN201510632623 A CN 201510632623A CN 105160683 B CN105160683 B CN 105160683B
- Authority
- CN
- China
- Prior art keywords
- slag
- molten iron
- grade
- skimming
- ladle
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于人工干预的铁水扒渣检测与控制系统,包括:铁水包,盛有铁水与渣;渣盆,设置于铁水包旁;扒渣机,设置于铁水包所倾斜的一侧,用于在铁水包中扒渣;摄像头设置于正对铁水包的铁水液面,用于获取铁水液面的扒渣状态;显示器设置于操作工处,用于反映铁水液面的扒渣状态;处理机用于获取摄像头采集的图像信息,对图像信息进行处理并在显示器上输出;处理机还用于访问扒渣标准数据库;本发明公开了一种基于人工干预的铁水扒渣检测与控制方法;本发明通过使用实时监控扒渣过程并根据扒渣标准数据库在线判定扒渣等级是否达到预期目标等级的技术手段,避免使用人工判定,因此不会误判扒渣等级。
Description
技术领域
本发明涉及钢铁冶金领域,特别地,涉及一种基于人工干预的铁水扒渣检测与控制系统及其方法。
背景技术
随着现代化工业生产的发展,对钢材品质的要求不断提高,即对钢水的纯净度要求就越来越高。铁水预处理技术是提高铁水纯净度的重要手段,已经成为钢铁冶金优化工艺流程的主要组成部分,扒渣则是将脱硫后的铁水包中大量的高硫渣去除,以免炼钢时造成回硫,是控制入炉硫总量的关键环节。
现有技术中的脱硫方法是脱硫操作工用肉眼观察铁水包,并根据经验评判扒渣等级进行扒渣。然而,由于作业环境恶劣,强光、浓烟以及操作工注意力等不稳定因素容易导致误判。
针对现有技术中作业环境恶劣等不稳定因素导致误判扒渣等级的问题,目前尚未有有效的解决方案。
发明内容
针对现有技术中作业环境恶劣等不稳定因素导致误判扒渣等级的问题,本发明的目的在于提出一种基于人工干预的铁水扒渣检测与控制系统及其方法,能够对铁水扒渣过程实时监控并判定扒渣等级,避免了人工判定带来的误判扒渣等级。
基于上述目的,本发明提供的技术方案如下:
根据本发明的一个方面,提供了一种基于人工干预的铁水扒渣检测与控制系统。
根据本发明提供的基于人工干预的铁水扒渣检测与控制系统包括:
铁水包,铁水包中盛有铁水与渣;
渣盆,渣盆设置于铁水包旁,渣盆用于盛放渣;
扒渣机,扒渣机设置于铁水包所倾斜的一侧,扒渣机用于在铁水包中扒渣;
摄像头,摄像头连接至处理机,摄像头设置于正对铁水包的铁水液面,用于获取铁水液面的扒渣状态;
显示器,显示器连接至处理机,显示器设置于操作工处,用于反映铁水液面的扒渣状态,操作工通过显示器观察铁水与渣的分布情况,根据观察到的铁水与渣的分布情况判断使用自动或手动方式进行扒渣操作;
处理机,处理机用于获取摄像头采集的图像信息,对图像信息进行处理并在显示器上输出;处理机还用于访问扒渣标准数据库,为当前铁水定出当前渣量等级,并将当前渣量等级与预先指定的渣量等级阈值进行比较。
其中,摄像头采集的图像信息包括铁水与渣的分布信息、以及图像灰度信息;处理机对图像信息进行处理,为根据铁水与渣的分布信息对有效分析区域进行阈值分割,并根据有效分析区域内的图像灰度信息进一步识别出铁水和渣。
并且,处理机还根据图像灰度信息与铁水和渣的识别结果,计算出渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数,并根据渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数计算出渣厚度、渣覆盖面积与渣覆盖比率信息。
同时,处理机识别出铁水和渣后,对图像信息中有效分析区域内的铁水与渣部分图像分别进行图像处理并输出,使操作工能够容易的分辨出铁水与渣的分布情况。
并且,进行图像处理的方法包括以下至少之一:染色、折线覆盖。
并且,扒渣机包括氮气管;操作工以手动方式进行扒渣操作,为操作工在图像处理输出的数秒后提氮气管并以手动方式进行扒渣操作;操作工以自动方式进行扒渣操作,为操作工在图像处理输出后不提氮气管并以自动方式进行扒渣操作。
同时,处理机还连接至钢厂二级系统,钢厂二级系统包括标准扒渣数据库,处理机访问扒渣标准数据库为当前铁水定出当前渣量等级,为通过钢厂二级系统访问扒渣标准数据库,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,将多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围与当前铁水的对应信息进行比对,并为当前铁水定出当前渣量等级。
并且,处理机获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,为获取与当前工作环境相对应的环境条件下的多个不同等级标准中的上述信息,其中环境条件包括以下至少之一:炉号、钢种、铁水温度、钛含量、硅含量。
同时,处理机将当前渣量等级与预先指定的渣量等级阈值进行比较后,根据比较结果判定继续或停止扒渣。
并且,操作工预先设定一个渣量等级阈值,当当前渣量等级小于设定渣量等级时,处理机控制扒渣机停止扒渣或提示操作工停止扒渣;当当前渣量等级大于等于设定渣量等级时,处理机控制扒渣机继续扒渣或提示操作工继续扒渣,直到当前渣量等级小于设定渣量等级为止。
从上面所述可以看出,本发明提供的技术方案通过使用实时监控扒渣过程并根据扒渣标准数据库在线判定扒渣等级是否达到预期目标等级的技术手段,避免使用人工判定,因此不会误判扒渣等级。
根据本发明的一个方面,提供了一种基于人工干预的铁水扒渣检测与控制方法。
根据本发明提供的基于人工干预的铁水扒渣检测与控制方法包括:
实时获取铁水包、铁水包中铁水与渣的图像信息;
确定图像信息中的有效分析区域,对有效分析区域进行阈值分割,识别出铁水和渣,并获取渣厚度、渣覆盖面积与渣覆盖比率信息;
操作工根据观察到的铁水与渣的分布情况判断使用自动或手动方式进行扒渣操作;
根据渣覆盖比率信息,使用扒渣标准数据库为当前铁水定出当前渣量等级,并将当前渣量等级与预先指定的渣量等级阈值进行比较。
其中,图像信息包括铁水与渣的分布信息、以及图像灰度信息;对有效分析区域进行阈值分割识别出铁水和渣,为根据铁水与渣的分布信息对有效分析区域进行阈值分割,并根据有效分析区域内的图像灰度信息进一步识别出铁水和渣。
并且,获取渣厚度、渣覆盖面积与渣覆盖比率信息,为根据图像灰度信息与铁水和渣的识别结果,计算出渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数,并根据渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数计算出渣厚度、渣覆盖面积与渣覆盖比率信息。
同时,识别出铁水和渣后,对图像信息中有效分析区域内的铁水与渣部分图像分别进行图像处理并输出,使操作工能够容易的分辨出铁水与渣的分布情况。
并且,进行图像处理的方法包括以下至少之一:染色、折线覆盖。
并且,操作工以手动方式进行扒渣操作,为操作工在图像处理输出的数秒后提氮气管并以手动方式进行扒渣操作;操作工以自动方式进行扒渣操作,为操作工在图像处理输出后不提氮气管并以自动方式进行扒渣操作。
同时,使用扒渣标准数据库为当前铁水定出当前渣量等级,为访问扒渣标准数据库,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,将多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围与当前铁水的对应信息进行比对,并为当前铁水定出当前渣量等级。
并且,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,为获取与当前工作环境相对应的环境条件下的多个不同等级标准中的上述信息,其中环境条件包括以下至少之一:炉号、钢种、铁水温度、钛含量、硅含量。
同时,将当前渣量等级与预先指定的渣量等级阈值进行比较后,根据比较结果判定继续或停止扒渣。
并且,预先设定一个渣量等级阈值,当当前渣量等级小于设定渣量等级时,控制扒渣机停止扒渣或提示操作工停止扒渣;当当前渣量等级大于等于设定渣量等级时,控制扒渣机继续扒渣或提示操作工继续扒渣,直到当前渣量等级小于设定渣量等级为止。
从上面所述可以看出,本发明提供的技术方案通过使用实时监控扒渣过程并根据扒渣标准数据库在线判定扒渣等级是否达到预期目标等级的技术手段,避免使用人工判定,因此不会误判扒渣等级。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的流程图;
图2为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中的装置布局图;
图3为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,从铁水脱硫完成到出站的流程图;
图4为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例的功能执行流程图;
图5为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较少时的原始采集图像;
图6为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较多时的原始采集图像;
图7为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较少时的染色处理图像;
图8为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较多时的染色处理图像;
图9为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较少时的折线覆盖处理图像;
图10为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较多时的折线覆盖处理图像;
图11为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较少时的铁水与渣区域直方图;
图12为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较多时的铁水与渣区域直方图;
图13为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较少时的渣厚和渣平均厚度线性回归图;
图14为根据本发明实施例的基于人工干预的铁水扒渣检测与控制方法的一个实施例中,渣量较多时的渣厚和渣平均厚度线性回归图。
图15为根据本发明实施例的基于人工干预的铁水扒渣检测与控制系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进一步进行清楚、完整、详细地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的一个实施例,提供了一种基于人工干预的铁水扒渣检测与控制系统。
如图15所示,根据本发明的实施例提供的基于人工干预的铁水扒渣检测与控制系统包括:
铁水包11,铁水包11倾斜设置,铁水包11中盛有铁水与渣;
渣盆12,渣盆12设置于铁水包11所倾斜方向的下方,渣盆12用于盛放渣;
扒渣机13,扒渣机13设置于铁水包11所倾斜的一侧,扒渣机13用于在铁水包11中扒渣;
摄像头14,摄像头14连接至处理机15,摄像头14设置于正对铁水包11的铁水液面,用于获取铁水液面的扒渣状态;
显示器16,显示器16连接至处理机15,显示器16设置于操作工处,用于反映铁水液面的扒渣状态,操作工通过显示器16观察铁水与渣的分布情况,根据观察到的铁水与渣的分布情况判断使用自动或手动方式进行扒渣操作;
处理机15,处理机15用于获取摄像头14采集的图像信息,对图像信息进行处理并在显示器16上输出;处理机15还用于访问扒渣标准数据库,为当前铁水定出当前渣量等级,并将当前渣量等级与预先指定的渣量等级阈值进行比较。
其中,摄像头14采集的图像信息包括铁水与渣的分布信息、以及图像灰度信息;处理机15对图像信息进行处理,为根据铁水与渣的分布信息对有效分析区域进行阈值分割,并根据有效分析区域内的图像灰度信息进一步识别出铁水和渣。
并且,处理机15还根据图像灰度信息与铁水和渣的识别结果,计算出渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数,并根据渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数计算出渣厚度、渣覆盖面积与渣覆盖比率信息。
同时,处理机15识别出铁水和渣后,对图像信息中有效分析区域内的铁水与渣部分图像分别进行图像处理并输出,使操作工能够容易的分辨出铁水与渣的分布情况。
并且,进行图像处理的方法包括以下至少之一:染色、折线覆盖。
并且,扒渣机13包括氮气管;操作工以手动方式进行扒渣操作,为操作工在图像处理输出的数秒后提氮气管并以手动方式进行扒渣操作;操作工以自动方式进行扒渣操作,为操作工在图像处理输出后不提氮气管并以自动方式进行扒渣操作。
同时,处理机15还连接至钢厂二级系统,钢厂二级系统包括标准扒渣数据库,处理机15访问扒渣标准数据库为当前铁水定出当前渣量等级,为通过钢厂二级系统访问扒渣标准数据库,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,将多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围与当前铁水的对应信息进行比对,并为当前铁水定出当前渣量等级。
并且,处理机15获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,为获取与当前工作环境相对应的环境条件下的多个不同等级标准中的上述信息,其中环境条件包括以下至少之一:炉号、钢种、铁水温度、钛含量、硅含量。
同时,处理机15将当前渣量等级与预先指定的渣量等级阈值进行比较后,根据比较结果判定继续或停止扒渣。
并且,操作工预先设定一个渣量等级阈值,当当前渣量等级小于设定渣量等级时,处理机15控制扒渣机13停止扒渣或提示操作工停止扒渣;当当前渣量等级大于等于设定渣量等级时,处理机15控制扒渣机13继续扒渣或提示操作工继续扒渣,直到当前渣量等级小于设定渣量等级为止。
根据本发明的一个实施例,提供了一种基于人工干预的铁水扒渣检测与控制方法。
如图1所示,根据本发明的实施例提供的基于人工干预的铁水扒渣检测与控制方法包括:
步骤S101,实时获取铁水包、铁水包中铁水与渣的图像信息;
步骤S103,确定图像信息中的有效分析区域,对有效分析区域进行阈值分割,识别出铁水和渣,并获取渣厚度、渣覆盖面积与渣覆盖比率信息;
步骤S105,操作工根据观察到的铁水与渣的分布情况判断使用自动或手动方式进行扒渣操作;
步骤S107,根据渣覆盖比率信息,使用扒渣标准数据库为当前铁水定出当前渣量等级,并将当前渣量等级与预先指定的渣量等级阈值进行比较。
其中,图像信息包括铁水与渣的分布信息、以及图像灰度信息;对有效分析区域进行阈值分割识别出铁水和渣,为根据铁水与渣的分布信息对有效分析区域进行阈值分割,并根据有效分析区域内的图像灰度信息进一步识别出铁水和渣。
并且,获取渣厚度、渣覆盖面积与渣覆盖比率信息,为根据图像灰度信息与铁水和渣的识别结果,计算出渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数,并根据渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数计算出渣厚度、渣覆盖面积与渣覆盖比率信息。
同时,识别出铁水和渣后,对图像信息中有效分析区域内的铁水与渣部分图像分别进行图像处理并输出,使操作工能够容易的分辨出铁水与渣的分布情况。
并且,进行图像处理的方法包括以下至少之一:染色、折线覆盖。
并且,操作工以手动方式进行扒渣操作,为操作工在图像处理输出的数秒后提氮气管并以手动方式进行扒渣操作;操作工以自动方式进行扒渣操作,为操作工在图像处理输出后不提氮气管并以自动方式进行扒渣操作。
同时,使用扒渣标准数据库为当前铁水定出当前渣量等级,为访问扒渣标准数据库,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,将多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围与当前铁水的对应信息进行比对,并为当前铁水定出当前渣量等级。
并且,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,为获取与当前工作环境相对应的环境条件下的多个不同等级标准中的上述信息,其中环境条件包括以下至少之一:炉号、钢种、铁水温度、钛含量、硅含量。
同时,将当前渣量等级与预先指定的渣量等级阈值进行比较后,根据比较结果判定继续或停止扒渣。
并且,预先设定一个渣量等级阈值,当当前渣量等级小于设定渣量等级时,控制扒渣机停止扒渣或提示操作工停止扒渣;当当前渣量等级大于等于设定渣量等级时,控制扒渣机继续扒渣或提示操作工继续扒渣,直到当前渣量等级小于设定渣量等级为止。
下面根据具体实施例进一步阐述本发明的技术方案。
图2示出的是本发明的一个实施例。如图2所示,摄像器实时拍摄铁水包中铁水表面渣的分布情况,传输给处理机。一方面经过图像处理后显示给操作工,另一方面借助钢厂二级系统的扒渣标准数据库定出当前渣量等级以判定是否继续扒渣。
数据交互模块主要实现处理机与钢厂二级系统的数据通信,一是获取钢厂二级系统传送过来的信息,如:熔炼号(炉号)、钢种、铁水温度、铁水成分、扒渣等级要求;二是回传到钢厂二级系统的信息,如熔炼号(炉号)、扒渣等级判定时间、实际扒渣等级等。在数据通信之后,处理机将获得与当前工作环境相对应的环境条件下的多个不同等级标准。
人机接口模块主要实现以下三个功能:在操作工正前方配置工业液晶显示器,操作工可以实时通过该显示器观察扒渣过程;操作室内配报警器,扒渣等级没有达到扒渣要求时,发出报警提示,指导继续扒渣操作;操作室内配信号灯,扒渣过程操作扒渣机时带铁水,系统发出报警提示,指导操作工。
摄像器用来采集铁水包内铁水和渣的分布情况。为保证获取图像有效性,还存在一个覆盖摄像器的恒温控制装置,恒温控制装置使摄像器始终在一个恒温环境下工作,避免现场环境温度变化大给摄像器带了不稳定因素。此外,摄像器支架采用通气除尘设计,保护装置内外形成负压差设计,以适应现场烟尘大的环境。
目前,一般的铁水预处工艺流程是:铁水进站后,首先扒除高炉渣,进行第一次测温取样,然后加入脱硫剂并扒除脱硫渣,进行第二次测温取样,最终出站。对于脱硫的铁水,脱硫渣的扒除是必要的工序,结合工艺要求分析,系统判级时机规定在操作工提氮气管数秒(例如10秒)之后,等烟尘完全散净后,操作工按下判级开关或系统自动判断是否有提氮气管动作做为判级触发条件。从铁水脱硫完成到出站的流程如图3所示。
铁水扒渣检测系统对扒渣过程进行实时监视并自动实现扒渣过程的实时录像功能,根据扒渣标准数据库在线判定熔炼炉次的扒渣等级是否达到预期目标等级。首先根据现场环境要求、图像质量要求、预处理要求及特征提取要求设置整个系统的参数,其次通过摄像器不断的采集图像进行实时分析并保存供后续查阅对比,图像采集后,采用专有的优化图像处理技术进行滤波处理,自动提取图像中渣的轮廓信息,确定图像的分析区域,对区域进行自动阈值分割技术识别出铁水和渣,结合工艺参数,与扒渣标准数据库做比较,判定扒渣是否达到预计等级,提取渣区域的特征,分析渣层厚度。
扒渣检测系统还与钢厂二级系统实现通讯功能,二级系统将熔炼号、铁水成分、钢种信息、铁水温度、扒渣等级要求、提枪信号传给扒渣系统;扒渣系统判定扒渣等级后将熔炼号、扒渣判定结果回传给钢厂二级系统。除此之外,当出现生产故障等原因停止作业时,操作人员可充分利用之前保存到本地数据库中的录像及截图,离线分析铁水包中铁水、渣变化情况,分析历史铁水、渣厚度、渣覆盖面积与渣覆盖比率变化情况,也可以实时回放历史录像,查询历史曲线对扒渣过程进行分析,并不断优化扒渣标准数据库。整个系统的功能流程图如图4所示。
对摄像器采集到的铁水和渣分布图的识别与分析是铁水扒渣检测系统的核心部分,对于脱硫后的铁水,由于高硫渣的密度是铁水密度的三分之一左右,因此渣会浮到铁水表面。
基于机器视觉的铁水扒渣检测系统具有非接触、速度快、精度高、抗干扰能力强等优点,能准确高效地对摄像器采集到的铁水和渣分布图进行识别与分析。首先对图像进行预处理,自动提取图像中渣的轮廓信息,确定图像的分析区域;然后对分析区域进行自动阈值分割,识别出铁水和渣,并进行彩色处理突出显示;最后分析图像中渣的厚度和范围,并根据扒渣标准数据库在线判定熔炼炉次的扒渣等级是否达到预期目标等级。
图5-14为铁水扒渣检测系统对铁水包中两种情况进行分析效果图,分别为渣量较少的情况(图5、7、9、11、13)和渣量较多的情况(图6、8、10、12、14)。其中,图5、6为原始采集图像;图7、8为染色处理后的图像;图9、10为折线覆盖处理后的图像;图11、12为铁水与渣区域直方图;图13、14为渣厚和渣平均厚度线性回归图。
根据检测出来的渣面积、渣厚度以及钢种、温度、铁水成分等信息,管理人员可自定义标准扒渣等级数据库,扒渣系统接收钢厂二级系统发出的扒渣等级要求,操作工从而可以判断是否达到了扒渣等级。
综上所述,借助于本发明的上述技术方案,通过使用实时监控扒渣过程并根据扒渣标准数据库在线判定扒渣等级是否达到预期目标等级的技术手段,避免使用人工判定,自动化程度高,因此不会误判扒渣等级。
所属领域的普通技术人员应当理解:以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于人工干预的铁水扒渣检测与控制系统,包括:
铁水包,所述铁水包倾斜设置,并且其中盛有铁水与渣;
渣盆,所述渣盆设置于所述铁水包所倾斜方向的下方,所述渣盆用于盛放渣;
扒渣机,所述扒渣机设置于所述铁水包所倾斜的一侧,所述扒渣机用于在铁水包中扒渣;
摄像头,所述摄像头连接至处理机,所述摄像头设置于正对所述铁水包的铁水液面,用于获取所述铁水液面的扒渣状态;其中,所述摄像头采集的图像信息包括铁水与渣的分布信息、以及图像灰度信息;
显示器,所述显示器连接至处理机,所述显示器设置于操作工处,用于反映所述铁水液面的扒渣状态,操作工通过所述显示器观察铁水与渣的分布情况,根据观察到的所述铁水与渣的分布情况判断使用自动或手动方式进行扒渣操作;
处理机,所述处理机用于获取所述摄像头采集的图像信息,对所述图像信息进行处理并在所述显示器上输出;所述处理机还用于访问扒渣标准数据库,为当前铁水定出当前渣量等级,并将所述当前渣量等级与预先指定的渣量等级阈值进行比较;其中,所述处理机对所述图像信息进行处理,为根据所述铁水与渣的分布信息对有效分析区域进行阈值分割,并根据所述有效分析区域内的所述图像灰度信息进一步识别出铁水和渣;所述处理机识别出铁水和渣后,对所述图像信息中有效分析区域内的铁水与渣部分图像分别进行图像处理并输出,使操作工能够容易的分辨出铁水与渣的分布情况;所述进行图像处理的方法包括以下至少之一:染色、折线覆盖;
所述处理机还连接至钢厂二级系统,所述钢厂二级系统包括标准扒渣数据库,所述处理机访问所述扒渣标准数据库为当前铁水定出当前渣量等级,为通过所述钢厂二级系统访问所述扒渣标准数据库,获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,将多个不同等级标准中的所述渣厚度、渣覆盖面积与渣覆盖比率信息范围与当前铁水的对应信息进行比对,并为当前铁水定出当前渣量等级;其中,所述处理机获取多个不同等级标准中的渣厚度、渣覆盖面积与渣覆盖比率信息范围,为获取与当前工作环境相对应的环境条件下的多个不同等级标准中的上述信息,其中所述环境条件包括以下至少之一:炉号、钢种、铁水温度、钛含量、硅含量。
2.根据权利要求1所述的一种基于人工干预的铁水扒渣检测与控制系统,其特征在于,所述处理机还根据所述图像灰度信息与所述铁水和渣的识别结果,计算出渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数,并根据所述渣灰度、铁水灰度、渣所占像素数、铁水和渣共占像素数计算出渣厚度、渣覆盖面积与渣覆盖比率信息。
3.根据权利要求1所述的一种基于人工干预的铁水扒渣检测与控制系统,其特征在于,所述扒渣机包括氮气管;所述操作工以手动方式进行扒渣操作,为所述操作工在图像处理输出的数秒后提氮气管并以手动方式进行扒渣操作;所述操作工以自动方式进行扒渣操作,为所述操作工在图像处理输出后不提氮气管并以自动方式进行扒渣操作。
4.根据权利要求1所述的一种基于人工干预的铁水扒渣检测与控制系统,其特征在于,所述处理机将所述当前渣量等级与预先指定的渣量等级阈值进行比较后,根据比较结果判定继续或停止扒渣。
5.一种根据权利要求1-4任一项所述的基于人工干预的铁水扒渣检测与控制系统的铁水扒渣检测与控制方法,包括:
实时获取铁水包、铁水包中铁水与渣的图像信息;
确定所述图像信息中的有效分析区域,对所述有效分析区域进行阈值分割,识别出铁水和渣,并获取渣厚度、渣覆盖面积与渣覆盖比率信息;
操作工根据观察到的所述铁水与渣的分布情况判断使用自动或手动方式进行扒渣操作;
根据所述渣覆盖比率信息,使用扒渣标准数据库为当前铁水定出当前渣量等级,并将所述当前渣量等级与预先指定的渣量等级阈值进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510632623.5A CN105160683B (zh) | 2015-09-29 | 2015-09-29 | 一种基于人工干预的铁水扒渣检测与控制系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510632623.5A CN105160683B (zh) | 2015-09-29 | 2015-09-29 | 一种基于人工干预的铁水扒渣检测与控制系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105160683A CN105160683A (zh) | 2015-12-16 |
CN105160683B true CN105160683B (zh) | 2019-01-15 |
Family
ID=54801525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510632623.5A Active CN105160683B (zh) | 2015-09-29 | 2015-09-29 | 一种基于人工干预的铁水扒渣检测与控制系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105160683B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10845352B2 (en) | 2016-12-06 | 2020-11-24 | Nippon Steel Corpoation | Slag volume evaluation method for molten metal surface |
CN110532902B (zh) * | 2019-08-12 | 2022-02-22 | 北京科技大学 | 一种基于轻量化卷积神经网络的铁水扒渣检测方法 |
CN110484678B (zh) * | 2019-09-05 | 2021-07-23 | 首钢集团有限公司 | 一种扒渣效果的确定方法及装置 |
CN110666150A (zh) * | 2019-10-09 | 2020-01-10 | 长沙有色冶金设计研究院有限公司 | 金属铸锭扒渣系统及方法 |
CN111050117A (zh) * | 2019-10-15 | 2020-04-21 | 河钢股份有限公司承德分公司 | 一种脱硫铁水除渣效果分析系统及分析方法 |
CN110781944B (zh) * | 2019-10-21 | 2022-07-05 | 中冶南方(武汉)自动化有限公司 | 一种基于深度学习的铁水自动扒渣控制方法 |
CN113538319B (zh) * | 2020-03-31 | 2022-10-21 | 宝山钢铁股份有限公司 | 一种基于扒渣图像灰度比的渣量计算方法 |
CN111349753A (zh) * | 2020-05-08 | 2020-06-30 | 衡阳镭目科技有限责任公司 | 铁水罐扒渣控制系统、扒渣机及铁水罐自动扒渣控制方法 |
CN112501367A (zh) * | 2020-11-17 | 2021-03-16 | 中冶南方工程技术有限公司 | 一种定量推定高炉出铁时铁水硅硫含量的方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103571994A (zh) * | 2012-08-01 | 2014-02-12 | 宝山钢铁股份有限公司 | 转炉红外钢渣探测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1238138C (zh) * | 2002-12-20 | 2006-01-25 | 宝山钢铁股份有限公司 | 自动扒渣方法 |
CN101306466B (zh) * | 2008-06-02 | 2011-03-30 | 田志恒 | 检测和控制钢水中的熔渣的装置和方法 |
CN102392098A (zh) * | 2011-11-04 | 2012-03-28 | 衡阳镭目科技有限责任公司 | 一种炼钢炉下渣检测系统 |
CN104232837B (zh) * | 2014-09-24 | 2016-08-24 | 杭州谱诚泰迪实业有限公司 | 一种转炉/电炉出钢监测装置及控制方法 |
-
2015
- 2015-09-29 CN CN201510632623.5A patent/CN105160683B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103571994A (zh) * | 2012-08-01 | 2014-02-12 | 宝山钢铁股份有限公司 | 转炉红外钢渣探测方法 |
Non-Patent Citations (2)
Title |
---|
新日铁二次精炼技术的进步与展望;于功利等;《鞍钢技术》;20011231(第5期);5-12 |
铁水罐吹气辅助脱硫扒渣数学物理模拟;仇东丽;《中国优秀硕士学位论文全文数据库》;20090615;正文第5,14-17,20-22,39页 |
Also Published As
Publication number | Publication date |
---|---|
CN105160683A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105353654B (zh) | 一种基于图像处理的铁水扒渣检测与控制系统及其方法 | |
CN105160683B (zh) | 一种基于人工干预的铁水扒渣检测与控制系统及其方法 | |
CN112017145B (zh) | 一种高效的铁水预处理自动扒渣方法和系统 | |
CN109062161B (zh) | 一种倒罐站自动化出铁控制系统 | |
CN106670449A (zh) | 一种铁水扒渣测控方法 | |
WO2021208324A1 (zh) | 一种基于图像的测温取样下枪位置智能检测方法及系统 | |
CN111593151B (zh) | 高炉开铁口深度在线检测方法 | |
CN106670448A (zh) | 一种铁水扒渣测控系统 | |
CN110532902B (zh) | 一种基于轻量化卷积神经网络的铁水扒渣检测方法 | |
CN111522293B (zh) | 冶金罐的自动倾翻控制方法和系统 | |
CN205193472U (zh) | 一种基于图像处理的铁水扒渣检测与控制系统 | |
CN102392098A (zh) | 一种炼钢炉下渣检测系统 | |
CN112501377A (zh) | 一种转炉炼钢渣含量异常检测方法及系统 | |
CN112458231B (zh) | 一种转炉下渣检测方法及系统 | |
US10677736B2 (en) | Method of determining a chemical composition of a slag portion | |
CN109521730B (zh) | 一种铁水包内渣面的在线计算方法 | |
CN112091206B (zh) | 一种安全可靠的铁水预处理自动扒渣方法和系统 | |
CN111451467B (zh) | 一种连铸钢包浇注状态监控系统及监控方法 | |
CN107824756A (zh) | 一种基于连续测温的板坯连铸机中间包余钢控制方法 | |
CN114235164B (zh) | 一种用于钢包空包及出钢过程的热状态监测系统及方法 | |
CN113009914A (zh) | 一种铁水罐车的自动行走控制装置及方法 | |
Trofimov | Designing an Intelligent Control System for a Basic Oxygen Furnace Based on Computer Vision | |
CN115612765B (zh) | 一种高炉开铁口状态实时检测控制方法及系统 | |
CN117611579B (zh) | 一种钢包内衬在线检测方法及在线检测系统 | |
Ayres et al. | Measurement of thickness of oxygen lance skull in LD converters using artificial vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |