CN109954854B - 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 - Google Patents
连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 Download PDFInfo
- Publication number
- CN109954854B CN109954854B CN201910285840.XA CN201910285840A CN109954854B CN 109954854 B CN109954854 B CN 109954854B CN 201910285840 A CN201910285840 A CN 201910285840A CN 109954854 B CN109954854 B CN 109954854B
- Authority
- CN
- China
- Prior art keywords
- casting blank
- casting
- crystallizer
- region
- image
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D2/00—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Continuous Casting (AREA)
Abstract
本发明公开了一种连铸机结晶器漏钢监测方法,所述监测方法包括:获取结晶器出口附近的铸坯图像;对采集到的所述铸坯图像进行预处理;确定铸坯的感兴趣区域;对所述铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢。本发明针对钢铁行业中的连铸生产环节,监测的铸坯位于连铸机结晶器之后、弯曲段之前,可有效、准确地识别出铸坯所在的具体ROI,并判断是否发生了结晶器漏钢事故,实时将结晶器漏钢信号发送给连铸中间罐塞棒自动控制系统,及时关闭从中间罐注入结晶器的钢流,避免造成更大的漏钢损失。
Description
技术领域
本发明涉及图像处理、图像识别领域,尤其涉及一种连铸机结晶器漏钢监测方法、装置、存储介质及电子终端。
背景技术
连铸生产环节:钢水从钢水罐注入中间罐,从中间罐注入结晶器,通过结晶器冷却而凝固,凝结成一定坯壳厚度的铸坯从结晶器出口被连续拉出。结晶器出口附近的坯壳比较薄,随着铸坯经过扇形段,通过二冷喷水冷却,铸坯外壳逐渐增厚直至完全凝固。
在连铸生产过程中遇到的主要事故之一是“结晶器漏钢”,即液态钢水冲破坯壳流到结晶器下方,造成弯曲段、扇形段设备损坏。值得一提的是,为了保证铸坯质量,连铸机一般均配置有结晶器液面控制系统,控制结晶器液面高度稳定在±3mm内,当结晶器中的钢液面过低时,则加大塞棒开度,加大从中间罐注入结晶器的钢水流量,以保持结晶器钢液面稳定。发生结晶器漏钢事故时,结晶器的钢液面会迅速下降,如果不能及时发现结晶器漏钢事故,在结晶器液面控制系统的作用下,会加大从中间罐注入结晶器的钢水流量,从而加大漏钢事故损失。
目前,没有针对连铸机结晶器漏钢事故的自动监测装置,因此,需要在结晶器出口之后,弯曲段之前,开发一种基于计算机视觉识别的连铸机结晶器漏钢监测装置,能够实时识别出结晶器出口的铸坯是否发生了漏钢事故;如果监测到发生了漏钢事故,则实时将结晶器漏钢信号发送给连铸中间罐塞棒自动控制系统,及时关闭从中间罐注入结晶器的钢流,避免造成更大的漏钢损失。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种连铸机结晶器漏钢监测方法、装置、存储介质及电子终端,以实现对结晶器漏钢的自动监测。
为实现上述目的及其他相关目的,本发明提供一种连铸机结晶器漏钢监测方法,所述监测方法包括:
获取结晶器出口附近的铸坯图像;
对采集到的所述铸坯图像进行预处理;
确定铸坯的感兴趣区域;
对所述铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢。
可选地,所述确定铸坯的感兴趣区域,具体包括:
获取预处理后的铸坯图像的灰度直方图;
计算所述灰度直方图中两个峰值的平均值,将该平均值作为灰度值阈值;
判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小,大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域;
确定所述铸坯区域的最小外接矩形,则最小外接矩形为铸坯的感兴趣区域。
可选地,若分类识别的结果为漏钢,则该监测方法还包括:
获取前n帧铸坯的感兴趣区域;
分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置;
将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较;
若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设定阈值,则进一步判定发生漏钢。
可选地,利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。
可选地,基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理;
通过直方图均衡算法增强去雾后的铸坯图像的对比度。
可选地,在获取铸坯图像前还包括:调整图像采集设备的焦距,使铸坯的轴线与图像的轴线重合。
为实现上述目的及其他相关目的,本发明还提供一种连铸机结晶器漏钢监测装置,该结晶器漏钢监测装置包括:
图像采集模块,用于获取结晶器出口附近的铸坯图像;
预处理模块,用于对采集到的铸坯图像进行预处理;
划分模块,用于确定铸坯的感兴趣区域;
识别模块,用于对铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢。
可选地,该装置还包括判定模块,该判定模块在分类识别的结果为漏钢时,则执行以下步骤:
获取前n帧铸坯的感兴趣区域;
分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置;
将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较;
若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设定阈值,则进一步判定发生漏钢。
可选地,利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。
可选地,所述预处理模块包括:
去雾子模块,用于基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理;
对比度增强子模块,用于通过对比度增强算法增强去雾后的铸坯图像的对比度。
可选地,所述划分模块包括:
灰度直方图获取子模块,用于获取预处理后的铸坯图像的灰度直方图;
灰度值阈值确定子模块,用于计算所述灰度直方图中两个峰值的平均值,将该平均值作为灰度值阈值;
铸坯区域确定子模块,用于判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小,大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域;
感兴趣区域确定子模块,用于确定所述铸坯区域的最小外接矩形,则最小外接矩形为铸坯的感兴趣区域。
可选地,该装置还包括调节模块,用于调整图像采集设备的焦距,使铸坯的轴线与图像的轴线重合。
为实现上述目的及其他相关目的,本发明还提供一种可读存储介质,存储计算机程序,所述计算机程序被处理器运行时执行所述的监测方法。
为实现上述目的及其他相关目的,本发明还提供一种电子终端,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行所述的监测方法。
如上所述,本发明的一种连铸机结晶器漏钢监测方法、装置、存储介质及电子终端,具有以下有益效果:
本发明针对钢铁行业中的连铸生产环节,监测的铸坯位于连铸机结晶器出口之后、弯曲段之前,可有效、准确地识别出铸坯所在的具体感兴趣区域,并判断是否发生了结晶器漏钢事故,可将漏钢信号发送给自动化系统,及时关闭中间罐塞棒装置,以减小漏钢造成的损失;通过本连铸机结晶器漏钢监测方法,可实现自动化、智能化地监控结晶器出口的铸坯,并能够显著地减小结晶器漏钢事故后的损失,具有易于实现、计算量小、稳定性强等优点。
附图说明
图1为本发明一实施例一种连铸机结晶器漏钢监测方法的流程图;
图2为本发明一实施例中感兴趣区域确定的流程图;
图3为本发明一实施例中连铸机结晶器出口没有发生漏钢的铸坯示意图;
图4为本发明一实施例中进一步判定是否发生漏钢的流程图;
图5为本发明一实施例中连铸机结晶器出口发生了漏钢事故的铸坯示意图;
图6为本发明一实施例中一种连铸机结晶器漏钢监测装置的原理框图;
图7为本发明一实施例中预处理模块的原理框图;
图8为本发明一实施例中划分模块的原理框图;
图9为本发明一实施例中一种连铸机结晶器漏钢监测装置的原理框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图1所示,本实施例提供一种连铸机结晶器漏钢监测方法,该监测方法包括:
S1获取结晶器出口附近的铸坯图像;
于一实施例中,将工业相机固定设置在便于监测结晶器出口附近铸坯的位置,实现对铸坯图像的实时采集。在进行图像采集前,需要调整工业相机的焦距,使相机能够拍摄到完整的铸坯区域,且铸坯的轴线与图像的轴线基本重合。
而且,由于连铸机结晶器出口附近的高温较高且存在大量水蒸汽的情况,因此需要对工业相机进行高温以及水蒸汽的防护,同时,还需要设置压缩空气吹扫装置,以避免水蒸汽遮挡工业相机镜头。
S2对采集到的所述铸坯图像进行预处理;
由于工业计算机处于的环境存在大量水蒸汽,在有雾的时候,工业相机由于受到空气中悬浮颗粒的影响,从而导致采集图像的颜色、纹理等特征受到严重的衰弱,故此类图像的清晰度往往较低,严重影响了工业相机的正常工作。因此,在一实施例中,采用去雾算法去除水蒸汽对铸坯监测的干扰。具体可以采用基于暗通道先验(Dark Channel Prior)的去雾算法。
在对铸坯图像进行去雾处理后,再通过对度增强算法,使图片中的铸坯轮廓更加清晰,因此,可以采用直方图均衡化算法,来增加图像的对比度。
S3确定铸坯的感兴趣区域;
感兴趣区域,简称ROI,region of interest。在机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域。这个区域是你的图像分析所关注的重点。圈定该区域以便进行进一步处理。使用ROI圈定你想读的目标,可以减少处理时间,增加精度。
具体地,如图2所示,所述确定铸坯的感兴趣区域,具体包括:
S31获取预处理后的铸坯图像的灰度直方图;
S32计算所述灰度直方图中两个峰值的平均值,将该平均值作为灰度值阈值;
由于图片中的铸坯温度很高,故铸坯区域的图像呈现出较高的灰度值,而其它区域则相对较暗,呈现出较低的灰度值。因此,通过判断灰度值与阈值的大小就可以区分出铸坯区域。
S33判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小,大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域;
S34确定所述铸坯区域的最小外接矩形,则最小外接矩形为铸坯的感兴趣区域。
S4对所述铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢。具体地,可以采用卷积神经网络算法对铸坯的ROI图像进行分类识别。如图3所示,框I1为铸坯图像的ROI区域。
若分类识别的结果为不漏钢,则直接输出该结果。
若分类识别的结果为漏钢,则还要进一步判定是否真的发生漏钢,具体地,如图4所示,包括以下步骤:
S41获取前n帧铸坯的感兴趣区域;
S42分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置;
S43将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较;
S44若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设定阈值,则进一步判定发生漏钢。
在一具体实施例中,可以获取前10帧图像的感兴趣区域,计算前10帧图像的感兴趣区域的位置的平均位置;如图5所示,可以看出,框II2为前10帧图像的铸坯ROI,框II存在一个平均位置,框III3为当前帧图像的ROI,其也存在一个中心位置,可以看出框II的平均位置与框III的中心位置间的间距较大,则可以判定发生的漏钢。
本发明通过对结晶器漏钢与否进行实时判断,实时将结晶器是否漏钢的信号发送给连铸中间罐塞棒自动控制系统,若以生漏钢则及时关闭从中间罐注入结晶器的钢流,避免造成更大的漏钢损失。
如图6所示,本实施例还提供一种连铸机结晶器漏钢监测装置,该结晶器漏钢监测装置包括:
图像采集模块11,用于获取结晶器出口附近的铸坯图像;
预处理模块12,用于对采集到的铸坯图像进行预处理;
划分模块13,用于确定铸坯的感兴趣区域;
识别模块14,用于对铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢。
于一实施例中,该装置还包括判定模块,该判定模块在分类识别的结果为漏钢时,则执行以下步骤:
获取前n帧铸坯的感兴趣区域;
分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置;
将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较;
若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设定阈值,则进一步判定发生漏钢。
于一实施例中,利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。
于一实施例中,如图7所示,所述预处理模块包括:
去雾子模块121,用于基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理;
对比度增强子模块122,用于通过对比度增强算法增强去雾后的铸坯图像的对比度。
于一实施例中,如图8所示,所述划分模块包括:
灰度直方图获取子模块131,用于获取预处理后的铸坯图像的灰度直方图;
灰度值阈值确定子模块132,用于计算所述灰度直方图中两个峰值的平均值,将该平均值作为灰度值阈值;
铸坯区域确定子模块133,用于判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小,大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域;
感兴趣区域确定子模块134,用于确定所述铸坯区域的最小外接矩形,则最小外接矩形为铸坯的感兴趣区域。
于一实施例中,该装置还包括调节模块15,用于调整图像采集设备的焦距,使铸坯的轴线与图像的轴线重合。
需要说明的是,由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例的内容请参见方法部分的实施例的描述,这里暂不赘述。
本发明还提供一种存储介质,存储计算机程序,所述计算机程序被处理器运行时执行前述的监测方法。
本发明还提供一种设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器存储的计算机程序,以使所述设备执行前述的监测方法。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是内部存储单元或外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字卡(Secure Digital,SD),闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括内部存储单元,也包括外部存储设备。所述存储器用于存储所述计算机程序以及其他程序和数据。所述存储器还可以用于暂时地存储己经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器((RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
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 (12)
1.一种连铸机结晶器漏钢监测方法,其特征在于,所述监测方法包括:
获取结晶器出口附近的铸坯图像;
对采集到的所述铸坯图像进行预处理;
确定铸坯的感兴趣区域;
对所述铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢;
若分类识别的结果为漏钢,则获取前n帧铸坯的感兴趣区域;
分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置;
将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较;
若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设置阈值,则进一步判定发生漏钢。
2.根据权利要求1所述的一种连铸机结晶器漏钢监测方法,其特征在于,所述确定铸坯的感兴趣区域,具体包括:
获取预处理后的铸坯图像的灰度直方图;
计算所述灰度直方图中两个峰值的平均值,将该平均值作为灰度值阈值;
判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小,大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域;
确定所述铸坯区域的最小外接矩形,则最小外接矩形为铸坯的感兴趣区域。
3.根据权利要求1所述的一种连铸机结晶器漏钢监测方法,其特征在于,利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。
4.根据权利要求1所述的一种连铸机结晶器漏钢监测方法,其特征在于,所述对采集到的铸坯图像进行预处理,具体包括:
基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理;
通过直方图均衡算法增强去雾后的铸坯图像的对比度。
5.根据权利要求1所述的一种连铸机结晶器漏钢监测方法,其特征在于,在获取铸坯图像前还包括:调整图像采集设备的焦距,使铸坯的轴线与图像的轴线重合。
6.一种连铸机结晶器漏钢监测装置,其特征在于,该结晶器漏钢监测装置包括:
图像采集模块,用于获取结晶器出口附近的铸坯图像;
预处理模块,用于对采集到的铸坯图像进行预处理;
划分模块,用于确定铸坯的感兴趣区域;
识别模块,用于对铸坯的感兴趣区域进行分类识别,分类识别的结果包括漏钢和不漏钢;
判定模块,用于在分类识别的结果为漏钢时,则执行以下步骤:
获取前n帧铸坯的感兴趣区域;
分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置;
将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较;
若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设置阈值,则进一步判定发生漏钢。
7.根据权利要求6所述的一种连铸机结晶器漏钢监测装置,其特征在于,所述划分模块包括:
灰度直方图获取子模块,用于获取预处理后的铸坯图像的灰度直方图;
灰度值阈值确定子模块,用于计算所述灰度直方图中两个峰值的平均值,将该平均值作为灰度值阈值;
铸坯区域确定子模块,用于判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小,大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域;
感兴趣区域确定子模块,用于确定所述铸坯区域的最小外接矩形,则最小外接矩形为铸坯的感兴趣区域。
8.根据权利要求6所述的一种连铸机结晶器漏钢监测装置,其特征在于,利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。
9.根据权利要求6所述的一种连铸机结晶器漏钢监测装置,其特征在于,所述预处理模块包括:
去雾子模块,用于基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理;
对比度增强子模块,用于通过对比度增强算法增强去雾后的铸坯图像的对比度。
10.根据权利要求6所述的一种连铸机结晶器漏钢监测装置,其特征在于,该装置还包括调节模块,用于调整图像采集设备的焦距,使铸坯的轴线与图像的轴线重合。
11.一种存储介质,存储计算机程序,其特征在于,所述计算机程序被处理器运行时执行如权利要求1至5中任一项所述的监测方法。
12.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至5中任一项所述的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910285840.XA CN109954854B (zh) | 2019-04-10 | 2019-04-10 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910285840.XA CN109954854B (zh) | 2019-04-10 | 2019-04-10 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109954854A CN109954854A (zh) | 2019-07-02 |
CN109954854B true CN109954854B (zh) | 2021-02-26 |
Family
ID=67025992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910285840.XA Active CN109954854B (zh) | 2019-04-10 | 2019-04-10 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109954854B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992323B (zh) * | 2019-11-26 | 2023-05-12 | 中冶赛迪信息技术(重庆)有限公司 | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 |
CN112317713B (zh) * | 2020-11-04 | 2022-10-18 | 中冶赛迪信息技术(重庆)有限公司 | 一种连铸控制方法及系统 |
CN114653914B (zh) * | 2021-12-30 | 2023-12-29 | 白居冰 | 基于形态重构的结晶器漏钢预警方法及电子装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09168848A (ja) * | 1995-12-20 | 1997-06-30 | Nippon Steel Corp | 連続鋳造の鋳型内湯面レベル制御方法 |
JP2002239700A (ja) * | 2001-02-15 | 2002-08-27 | Kawasaki Steel Corp | ブリード検出方法および装置 |
CN101941060A (zh) * | 2010-09-19 | 2011-01-12 | 河北钢铁股份有限公司唐山分公司 | 基于多排实测热电偶温度的结晶器热像图实时显示方法 |
CN103182496B (zh) * | 2011-12-31 | 2017-06-13 | Posco公司 | 连铸工艺中的拉漏检测装置 |
US8408280B1 (en) * | 2012-02-17 | 2013-04-02 | Wagstaff, Inc. | Bleedout detection system |
CN105562643B (zh) * | 2016-02-03 | 2017-12-22 | 首钢总公司 | 一种结晶器漏钢处理方法 |
CN206104837U (zh) * | 2016-08-25 | 2017-04-19 | 北京中远通科技有限公司 | 一种连铸机漏钢检测装置 |
CN109146874B (zh) * | 2018-09-05 | 2020-08-18 | 中冶赛迪重庆信息技术有限公司 | 一种基于机器视觉的溢渣检测方法 |
CN109029830B (zh) * | 2018-09-25 | 2020-12-15 | 首钢集团有限公司 | 一种漏钢检测系统及方法 |
CN109365769B (zh) * | 2018-12-18 | 2021-03-30 | 重庆邮电大学 | 一种基于混合模型判断的结晶器漏钢预报方法 |
-
2019
- 2019-04-10 CN CN201910285840.XA patent/CN109954854B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109954854A (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109954854B (zh) | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 | |
EP3542211B1 (de) | Verfahren und vorrichtung sowie computerprogramm zum ermitteln einer repräsentation eines brillenglasrands | |
CN109389135B (zh) | 一种图像筛选方法及装置 | |
CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
CN102780847A (zh) | 一种针对运动目标的摄像机自动对焦控制方法 | |
CN110602484A (zh) | 一种输电线路设备拍摄质量在线检核方法 | |
CN107346547B (zh) | 基于单目平台的实时前景提取方法及装置 | |
CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN113449606B (zh) | 一种目标对象识别方法、装置、计算机设备及存储介质 | |
CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
CN110378934B (zh) | 主体检测方法、装置、电子设备和计算机可读存储介质 | |
CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
CN109766846B (zh) | 一种基于视频的自适应多车道车流检测方法及系统 | |
CN113222941B (zh) | 连铸铸坯的切割状态确定方法、系统、设备及介质 | |
CN107909542A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN109034058B (zh) | 一种针对图像中区域划分和自修正方法和系统 | |
CN113219903B (zh) | 一种基于深度视觉的钢坯最优剪切控制方法及装置 | |
CN107977608B (zh) | 一种应用于公路视频图像道路区域提取的方法 | |
CN112396016A (zh) | 一种基于大数据技术的人脸识别系统 | |
CN114937358B (zh) | 一种高速公路多车道车流量统计方法 | |
CN111881748A (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 | |
CN114724119B (zh) | 车道线提取方法、检测设备及存储介质 | |
CN113284115B (zh) | 一种钢卷塔形识别方法、系统、介质和终端 | |
CN116030430A (zh) | 铁轨识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 400013 No. 1, Shuang Steel Road, Yuzhong District, Chongqing, China Patentee after: CISDI ENGINEERING Co.,Ltd. Patentee after: MCC CCID information technology (Chongqing) Co.,Ltd. Address before: 400013 No. 1, Shuang Steel Road, Yuzhong District, Chongqing, China Patentee before: CISDI ENGINEERING Co.,Ltd. Patentee before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |