CN109839011A - 一种带式烧结机机尾机器视觉指导生产过程方法 - Google Patents

Abstract

发明公开了一种带式烧结机机尾机器视觉指导生产过程方法，此方法首先通过自动检测烧结过程红层温度和轮廓变化，采用比对人工经验数据以建立机器视觉库，再通过机器学习不断完善机器视觉库，逐步取代人工看火工作模式，带式烧结机机尾机器视觉系统包括可见光相机、红外矩阵测温装置和机器视觉软件，系统从烧结终点断面，反映出烧结过程纵向、横向问题，最终实现对带式烧结机整个生产过程的直接指导和生产工艺参数调整，本方法降低了生产成本，提高了生产效率。

Description

一种带式烧结机机尾机器视觉指导生产过程方法

技术领域

本发明涉及钢铁行业烧结机生产过程监测，具体涉及带式烧结机机尾烧结断面机器视觉识别领域。

背景技术

在传统的烧结过程中，首先是通过机头点阵红外测温、工业视频画面和人工机尾拍照采集图像信息，然后通过人工判断调节给水、烧结机速度、压料、点火和烧结机给料来提高烧结矿的品质，这种调节方式烧结矿的品质得不到保证，造成反矿量增加，废品率增加，增加了生产成本，降低了生产效率，同时这种由人工控制方式已不能满足社会进步发展需要，随着科学进步，尤其是人工智能，机器深度学习的出现，利用卷积神经网络对现有工艺过程进行自动干预及反馈成为可能。

发明内容

鉴于现有技术的以上不足，本发明提出一种带式烧结机机尾机器视觉指导生产过程方法，通过不断深度学习完善，及时调整烧结工艺，使烧结工艺变得简单智能，实现无人操作，完全取代人工调节方法，采用可见光相机对烧结断面进行连续图像采集，红外矩阵数字测温装置对烧结断面部分区域或全部区域进行温度标定，然后将标定的温度和可见光图像进行叠加，将叠加后的图片和烧结断面异常图片库或正常图片库或正常图片库进行比对，根据叠加后的图片同烧结断面异常图片库或正常图片库里面对应图片的相似度，找出烧结机生产过程中存在烧结机机速度过快，水量过高，布料不均匀等问题，取代过去传统的工艺调整模式，确保每个班次，烧结质量优良，初期其输出结果及时指导操作人员调节各种工艺参数，准确率大大提高，减少废品，使烧结矿的品质得到了保证，降低了生产成本，提高了生产效率，促进了社会进步发展需要。

本发明提出一种带式烧结机机尾机器视觉指导生产过程方法，其特征在于：带式烧结机尾部看火孔外安装一台可见光工业相机，所述可见光工业相机由震动传感器或尾位置传感器触发，可见光工业相机也可以采用带连续拍照模式的相机，连续拍摄烧结断面1～500张左右，通过机器视觉软件选取若干张评估比对选取其中若干张进行处理，安装的红外矩阵数字测温装置在此作为最高值标定基准，赋最大值于温度标记图片，处理输出为若干张温度标记图片及断面红层标记轮廓图片，断面红层标记轮廓图片与温度标记图片通过深度学习比对初期已建的带式烧结机机器视觉库，输出实时生产是否正常，同时输出调整建议及直接控制相关控制单元。

所述一种带式烧结机机尾机器视觉软件处理生产过程的步骤如下：

步骤一、所述机器视觉软件首先按预处理完的标签图片灰度值将红外矩阵数字测温仪测得最高值赋灰度值255，最低值则赋值在灰度值0-50之间，也可用人工测温方式获取最高温度值及最低温度值，并按0-255灰度值相应温度值建立灰度与温度对照表。

步骤二、所述机器视觉软件然后从灰度化图片获取每个像素点灰度值，对图像每个像素点灰度值和实际温度值进行映射，得取每个像素点的近似温度值，把图片的实际尺寸和像素大小进行转化，根据像素点灰度值和实际温度的拟合关系，可以将图片每个位置的温度值标记在实际图片上。

步骤三、所述机器视觉软件将预先设置的标准厚度值图片与上述步骤二预处理若干张图片进行轮廓边界比对，将相似度最高的若干张作为后续分析的断面温度、断面红层轮廓的原图。

步骤四、所述机器视觉软件再预先按上面方法挑选出的原图片设置的标准高度及厚度值取自烧结机设备，及取自带式烧传机小车实际宽度值赋于上面原图片中。

所述机器视觉指导生产过程方法将在层部红外矩阵数字测温仪垂直于烧结矿断面处安装一台红外矩阵数字测温仪，也可用线阵、点阵红外测温仪、焦平面红外测温仪直接测量即将进行尾部箱体内表层。

初期已建的带式烧结机机器视觉经验库，是根据说明书判定方法而设立，其判定规则由以往人工经验形成的数据图建立。

所述机器视觉系统输出结果为红层轮廓标签图片，轮廓标签图片用于比对特定经验图库，并将比对相似度大于60%的原图作为正确的输出结果推至于操控室，提醒或指导操作人员调整、初期供于学习。

红层中的边界轮廓标签图片，对于未能匹配轮廓标签图片放置于另一路径，用于机器深度学习，由专业人员进行标记分类。

所述机器视觉系统在运行过程中将其机器视觉库图片不断进行完善。

本发明的有益效果：本发明解决了传统的烧结过程，通过机头点阵红外测温，工业视频画面，人工机尾拍照方式，烧结矿的品质得不到保证的问题。

在传统的烧结过程，是通过机头点阵红外测温，以及工业视频画面，以及人工在机尾拍照方式，调整烧结机布料，烧结矿的品质得不到保证，这种由人工控制方式已不能满足社会进步发展需要。随着科学进步，尤其是人工智能，机器深度学习出现，利用卷积神经网络对现有工艺过程进行自动干预及反馈成为可能。

附图说明

图1是本发明实施例中带式烧结机机尾机器视觉硬件系统图。

图2是本发明实施例中机器视觉软件流程图。

图3是本发明实施例中温度标记原图。

图4是本发明实施例中经机器视觉软件处理温度标记图。

图5是本发明实施例中纵向判定规则烧结过程正常红层图。

图6是本发明实施例中纵向温度烧结过程提前红层图。

图7是本发明实施例中纵向温度烧结过程滞后红层图。

图8是本发明实施例中横向温度烧结过程正常红层图。

图9是本发明实施例中横向温度烧结过程右偏差图。

图10是本发明实施例中烧结断面正常图。

图11是本发明实施例中烧结断面异常图。

图12是本发明实施例中红层区以花脸方式整块脱落图。

具体实施方式

本发明提出一种带式烧结机机尾机器视觉指导生产过程方法，其带式烧结机机尾机器视觉软件处理生产过程的步骤如下：

步骤一、所述机器视觉软件首先按预处理完的标签图片灰度值将红外矩阵数字测温仪测得最高值赋灰度值255，最低值则赋值在灰度值0-50之间，也可用人工测温方式获取最高温度值及最低温度值，并按0-255灰度值相应温度值建立灰度与温度对照表。

步骤二、所述机器视觉软件然后从灰度化图片获取每个像素点灰度值，对图像每个像素点灰度值和实际温度值进行映射，得取每个像素点的近似温度值，把图片的实际尺寸和像素大小进行转化，根据像素点灰度值和实际温度的拟合关系，可以将图片每个位置的温度值标记在实际图片上。

步骤三、所述机器视觉软件将预先设置的标准厚度值图片与上述步骤二预处理若干张图片进行轮廓边界比对，将相似度最高的若干张作为后续分析的断面温度、断面红层轮廓的原图。

步骤四、所述机器视觉软件再预先按上面方法挑选出的原图片设置的标准高度及厚度值取自烧结机设备，及取自带式烧传机小车实际宽度值赋于上面原图片中。

所述机器视觉指导生产过程方法将在层部红外矩阵数字测温仪垂直于烧结矿断面处安装一台红外矩阵数字测温仪，也可用线阵、点阵红外测温仪、焦平面红外测温仪直接测量即将进行尾部箱体内表层。

初期已建的带式烧结机机器视觉经验库，是根据机器视觉系统判定方法而设立，其判定规则由以往人工经验形成的其规则见图5，图6，图7，图8，图9，图10，图11和图12所述的数据图建立。

如图1所述，一种带式烧结机机尾机器视觉硬件系统图，采用带式烧结机新的调整方法，在于带式烧结机尾部看火孔外安装一台可见光工业相机，由震动传感器或尾位置传感器触发，连续拍摄烧结断面，图像2～500帧以上。

如图2所述，机器视觉软件流程图，首选通过机器视觉软件评估比对选取其中若干张进行处理，然后通过机器视觉软件处理，生成若干张温度标记图片及断面红层标记轮廓图片。利用高斯滤波来平滑图像，去除图像噪声，使用Canny图像分割算法来检测红层断面的边缘轮廓，算法检测的边缘点与实际红层断面的边缘点一一对应，分割处的边界会保留最亮的一条连续的细线，即为检测的红层断面的轮廓形状。

以下详见描述一种带式烧结机机尾机器视觉系统判定规则：

如图3所述为烧结机机尾机器视觉软件处理生产过程方法温度标记原图，如图4所述为经软件处理温度标记图，系统通过温度标记图片及断面红层标记轮廓图片分析上下温度层，判定烧结终点是否正常、提前、滞后， 尤其是对比中间大部分区域温度，得出平板烧结机速度正常、快、慢。可输出4-20ma控制变频器调整机速。

如图5所述，纵向判定规则烧结过程正常红层图，可通过红层图来判定温度趋势，若温度趋势由上往下，断面底部50-600整个趋势温度高于上面，表示烧结过程正常。

如图6所述，纵向温度烧结过程提前红层图，若烧结过程提前，红层图断面红层将很厚，表示未烧透，说明烧结机速度过快，应调低烧结机速度。

如图7所述，纵向温度烧结过程滞后红层图，若烧结过程滞后，红层图断面红层将较薄，表示说明烧结机速度过慢，应调高烧结机速度。

从纵向判定，烧结终点随上下层温度变化，反映出温度场，得出对烧结机机前速度调节，控制烧结机变频器调节。

如图8所述，横向温度烧结过程正常红层图，当中间红层区域相对对称，表示烧结正常。

如图9所述，横向温度烧结过程右偏差图，当烧结过程出现右偏差，反映出机前布料水份点火存在偏差，提醒要调节右边料层。

同时当当烧结过程出现左偏差，反映出机前布料水份点火存在偏差，提醒要调节左边料层。

如图10所述，烧结断面正常图，当烧结断面整块脱落，表示烧结正常。

如图11所述，烧结断面异常图，当烧结断面出现多块脱落，表示烧结异常，主要由于混合料水份不均匀造成。

如图12所述，红层区以花脸方式整块脱落图，若红层区以花脸方式整块脱落，同时也表示烧结异常，主要与机速、水份、配比因素相关。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (7)

1.一种带式烧结机机尾机器视觉指导生产过程方法，其特征在于：带式烧结机尾部看火孔外安装一台可见光工业相机，所述可见光工业相机由震动传感器或尾位置传感器触发，可见光工业相机也可以采用带连续拍照模式的相机，连续拍摄烧结断面1～500张，通过机器视觉软件选取若干张评估比对选取其中若干张进行处理，安装的红外矩阵数字测温装置在此作为最高值标定基准，赋最大值于温度标记图片，处理输出为若干张温度标记图片及断面红层标记轮廓图片，断面红层标记轮廓图片与温度标记图片通过深度学习比对初期已建的带式烧结机机器视觉库，输出实时生产是否正常，同时输出调整建议及直接控制相关控制单元。

2.根据权利要求1所述，所述一种带式烧结机机尾机器视觉软件处理生产过程的步骤如下：

步骤一、所述机器视觉软件首先按预处理完的标签图片灰度值将红外矩阵数字测温仪测得最高值赋灰度值255，最低值则赋值在灰度值0-50之间，也可用人工测温方式获取最高温度值及最低温度值，并按0-255灰度值相应温度值建立灰度与温度对照表；

步骤二、所述机器视觉软件然后从灰度化图片获取每个像素点灰度值，对图像每个像素点灰度值和实际温度值进行映射，得取每个像素点的近似温度值，把图片的实际尺寸和像素大小进行转化，根据像素点灰度值和实际温度的拟合关系，可以将图片每个位置的温度值标记在实际图片上；

步骤三、所述机器视觉软件将预先设置的标准厚度值图片与上述步骤二预处理若干张图片进行轮廓边界比对，将相似度最高的若干张作为后续分析的断面温度、断面红层轮廓的原图；

步骤四、所述机器视觉软件再预先按上面方法挑选出的原图片设置的标准高度及厚度值取自烧结机设备，及取自带式烧传机小车实际宽度值赋于上面原图片中。

3.根据权利要求1所述，所述机器视觉指导生产过程方法将在层部红外矩阵数字测温仪垂直于烧结矿断面处安装一台红外矩阵数字测温仪，也可用线阵、点阵红外测温仪、焦平面红外测温仪直接测量即将进行尾部箱体内表层。

4.根据权利要求2所述，初期已建的带式烧结机机器视觉经验库，是根据说明书判定方法而设立，其判定规则由以往人工经验形成的数据图建立。

5.根据权利要求1所述，机器视觉系统输出结果为红层轮廓标签图片，轮廓标签图片用于比对特定经验图库，并将比对相似度大于60%的原图作为正确的输出结果推至于操控室，提醒或指导操作人员调整、初期供于学习。

6.根据权利要求2所述，红层中的边界轮廓标签图片，对于未能匹配轮廓标签图片放置于另一路径，用于机器深度学习，由专业人员进行标记分类。

7.根据权利要求6所述，机器视觉系统在运行过程中将其机器视觉库图片不断进行完善。