CN110218824B - 一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 - Google Patents
一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 Download PDFInfo
- Publication number
- CN110218824B CN110218824B CN201910485789.7A CN201910485789A CN110218824B CN 110218824 B CN110218824 B CN 110218824B CN 201910485789 A CN201910485789 A CN 201910485789A CN 110218824 B CN110218824 B CN 110218824B
- Authority
- CN
- China
- Prior art keywords
- image
- slag
- blast furnace
- particles
- furnace slag
- 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.)
- Expired - Fee Related
Links
- 239000002245 particle Substances 0.000 title claims abstract description 137
- 239000002893 slag Substances 0.000 title claims abstract description 126
- 238000005469 granulation Methods 0.000 title claims abstract description 48
- 230000003179 granulation Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 18
- 230000007797 corrosion Effects 0.000 claims description 10
- 238000005260 corrosion Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 239000013049 sediment Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 239000007788 liquid Substances 0.000 abstract description 13
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000011084 recovery Methods 0.000 abstract description 10
- 238000000691 measurement method Methods 0.000 abstract description 5
- 230000001105 regulatory effect Effects 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 10
- 101100190617 Arabidopsis thaliana PLC2 gene Proteins 0.000 description 7
- 101100408456 Arabidopsis thaliana PLC8 gene Proteins 0.000 description 7
- 101100464304 Caenorhabditis elegans plk-3 gene Proteins 0.000 description 7
- 101100093534 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) RPS1B gene Proteins 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011897 real-time detection Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910000805 Pig iron Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- ODINCKMPIJJUCX-UHFFFAOYSA-N calcium oxide Inorganic materials [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004033 diameter control Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000011490 mineral wool Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B3/00—General features in the manufacture of pig-iron
- C21B3/04—Recovery of by-products, e.g. slag
- C21B3/06—Treatment of liquid slag
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- Metallurgy (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Sampling And Sample Adjustment (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开提出了一种基于图像识别的高炉渣离心粒化粒径检测系统及方法，检测系统包括控制单元、取渣装置和图像采集单元，所述取渣装置对高炉渣离心粒化后的渣粒进行取样，图像采集单元采集渣粒的图像，控制单元根据采集的图像对渣粒的大小进行检测分析获得渣粒大小的检测数据；所述控制单元分别与取渣装置和图像采集单元连接。本公开通过设置图像采集装置对渣粒进行图像采集，经过图像分析后获得渣粒大小的数据，采用软测量方法克服了高炉渣颗粒因温度高而无法实时测量的技术问题，提高了高炉渣离心粒化粒径测量的实时性和准确性。根据渣粒大小的数据能够对高炉渣粒化装置进行实时的调控，以实时地控制颗粒直径，保证液态熔渣机械离心粒化的热回收效率。
Description
技术领域
本公开涉及高炉炉渣处理相关技术领域，具体的说，是涉及一种基于图像识别的高炉渣离心粒化粒径检测系统及方法，涉及到液态熔渣机械离心粒化过程中，颗粒直径的实时检测。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。
钢铁是我国国民经济的支柱性行业，炼铁过程中，会产生大量的高炉渣副产品，根据研究，每产生一吨的生铁约产生0.3～0.4吨的高炉渣，其温度大约在1500℃，具有产量大，热量高的特点。同时，高炉渣的主要成分为SiO2，CaO，MgO，Al2O3，是水泥制作的原材料。
液态熔渣和铁水分离后，通过离心装置，液态熔渣在离心粒化的作用下形成颗粒，颗粒尺寸大小，很大程度上影响对热量的回收，热量回收的效率和高炉渣颗粒直径有直接的联系，颗粒直径越小，其热回收效率越高，但粒径过小，会形成渣棉，不利于后续回收。为了提高处理效率，同时保证一定的热回收效率，需要将粒化后的颗粒直径控制在1.5到2mm范围内。对颗粒直径的实时检测与反馈时控制粒化直径的关键因素。
传统的颗粒检测方法主要有筛分法，沉降法，显微镜法和电感应法，这些方法因为测量过程较长，或者因为渣粒的温度较高，在液态熔渣离心粒化过程中，颗粒温度极高，直接测量方法很难实现，无法实现实时检测，并且准确度也较低。但颗粒直径的实时检测与反馈控制粒化直径的系统对颗粒直径的检测实时性和准确性要求较高，传统的粒径检测方法的局限性限制了其在高炉渣粒径检测中的应用。
发明内容
本公开为了解决上述问题，提出了一种基于图像识别的高炉渣离心粒化粒径检测方法及系统，通过设置图像采集装置对渣粒进行图像采集，经过图像分析后获得渣粒大小的数据，采用软测量方法克服了高炉渣颗粒因温度高而无法实时测量的技术问题，提高了高炉渣离心粒化粒径测量的实时性和准确性。根据渣粒大小的数据能够对高炉渣粒化装置进行实时的调控，以实时地控制颗粒直径，保证液态熔渣机械离心粒化的热回收效率。
为了实现上述目的，本公开采用如下技术方案：
一个或多个实施例提供了一种基于图像识别的高炉渣离心粒化粒径检测系统，包括控制单元、取渣装置和图像采集单元，所述取渣装置对高炉渣离心粒化后的渣粒进行取样，图像采集单元采集渣粒的图像，控制单元根据采集的图像对渣粒的大小进行检测分析获得渣粒大小的检测数据；所述控制单元分别与取渣装置和图像采集单元连接。
一个或多个实施例提供了一种基于图像识别的高炉渣离心粒化粒径检测方法，包括如下步骤：
控制取样板移动至粒化仓内对渣粒进行取样；
将取样板上的渣粒传输到工业相机的视野中，触发工业相机进行拍照，采集高炉渣颗粒图像；
对采集的图像进行预处理，获得预处理后的图像；
使用自适应阈值，对预处理后的图像进行二值化处理，将图像转化为黑白图像；
对获取的黑白图像进行边缘检测和图像分割，获得分割后的图像；
根据分割后的图像测量颗粒的大小，计算颗粒大小的合格率。
通过设置图像采集装置对渣粒进行图像采集，经过图像分析后获得渣粒大小的数据，采用软测量方法克服了高炉渣颗粒因温度高而无法实时测量的技术问题，提高了高炉渣离心粒化粒径测量的实时性和准确性。根据渣粒大小的数据能够对高炉渣粒化装置进行实时的调控，以实时地控制颗粒直径，保证液态熔渣机械离心粒化的热回收效率。
与现有技术相比，本公开的有益效果为：
(1)本公开通过设置图像采集装置对渣粒进行图像采集，经过图像分析后获得渣粒大小的数据，采用软测量方法克服了高炉渣颗粒因温度高而无法实时测量的技术问题，提高了高炉渣离心粒化粒径测量的实时性和准确性。根据渣粒大小的数据能够对高炉渣粒化装置进行实时的调控，以实时地控制颗粒直径，保证液态熔渣机械离心粒化的热回收效率。
(2)本公开为了准确地提取各个颗粒的尺寸参数，基于形态学操作基础上，使用形态学腐蚀和膨胀处理，将粘结的颗粒准确分割开来，并将缺失的部分像素进行补全，同时，该方法的实时性和准确性上完全可以满足试验要求，并满足颗粒的尺寸参数测量。
(3)采用本公开检测系统，可以根据实际情形对系统参数进行修改，方便检测系统的调节。同时，对测量的结果和拍摄的图像可以进行保存，以进行后续的分析。
(4)本公开检测系统可以进行全天数据采集，连续处理记录数据；通过处理采集的数据，实时对粒化装置的参数进行调节，以保证一定的粒化效果，减少了人工测量参数的次数，达到减少人员编制，提高劳动生产率的效果。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
图1是根据一个或多个实施方式的系统的框图；
图2是根据一个或多个实施方式的检测方法的流程图；
图3是本公开实施例的取样板的结构示意图；
图4是本公开实施例的高炉渣粒径检测界面图；
其中：1、上位机，2、PLC，3、控制柜，4、模组电机，5，丝杠模组，6、工业相机，7、高炉渣颗粒，8、粒化仓，9、粒化器，10、取样板，11、取样口，12、工业光源；
10-1、旋转圆盘，10-2、挡板，10-3、转轴，10-4、底板。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
在一个或多个实施方式中公开的技术方案中，如图1所示，一种基于图像识别的高炉渣离心粒化粒径检测系统，包括控制单元、取渣装置和图像采集单元，所述取渣装置对高炉渣离心粒化后的渣粒进行取样，图像采集单元采集渣粒的图像，控制单元根据采集的图像对渣粒的大小进行检测分析获得渣粒大小的检测数据，通过软测量的方式实现渣粒的实时检测。所述控制单元分别与取渣装置和图像采集单元连接。
可选的，本实施例的取渣装置可以包括依次连接的模组电机4、丝杠模组5和取样板10，模组电机4与控制单元连接，所述模组电机4为丝杠模组5的工作传递动力，所述丝杠模组5带动取样板10移动；粒化仓8的侧壁上设置取样口11，取样板10通过取样口11取样。取样板10的移动方向和移动距离可以通过丝杠模组5的控制实现，使得取样板10可以伸入粒化仓8内，取渣后可以将渣粒移动至工业相机6的摄像范围内。
作为进一步的改进，取渣板包括取样部和连接部，所述连接部连接丝杠模组5和取样部，所述取样部和连接部铰接。
取渣板的取样部结构可以采用为如图3所示的结构，取渣板的取样部包括底板10-4和通过转轴10-3设置在底板上的旋转圆盘10-1，所述底板10-4的边缘设置挡板10-2；转轴10-3连接旋转电机提供动力，在取渣过程中，旋转圆盘10-1缓速旋转，可以将堆积的颗粒平铺，同时，周围有挡板10-2，可以保证取出的颗粒不会滚落。通过取样部和连接部铰接结构将在取出高炉渣颗粒并采集完图像后，将取渣板中的颗粒倒回粒化仓中。
可选的，图像采集单元包括工业相机6和工业光源12，所述工业相机6和工业光源12分别与控制单元连接，工业相机6用于采集渣粒的图像，工业光源12为工业相机的图像采集提供照明，提高图像采集的质量。
基于上述检测系统的结构可以通过设定控制模组电机4，控制丝杠模组5定时启动，进行定期的取样，如可以设定几分钟取一次样，当取样板10上的取样位置位于工业相机6下可以使得取样板10暂停，同时启动工业相机6进行拍照取样。
可选的，图像采集单元还包括光电传感器，所述光电传感器与控制单元连接，设置在采样装置的侧面，具体的可以设置在取样板10的侧面，可以通过支撑架设置，设置在取样板上的渣粒到达工业相机6之前的位置。用于检测是否有渣粒通过工业相机6的摄像范围内。当检测到有渣粒通过时，启动工业相机6进行拍照。
可选的，控制单元包括控制柜3、PLC2和上位机1，所述控制柜3分别与PLC2和上位机1连接，用于提供配电、显示及相应的操控；上位机1用于对采集的图像进行处理，并将相应控制指令发送至PLC2,还用于接收控制柜3的操控命令生成控制指令发送至PLC2,将相应的数据处理结果发送至控制柜3。所述上位机可以为电脑终端PC机。PLC2控制取渣装置和图像采集单元的动作，具体的可以控制电机、工业相机等执行机构。
如图1所示，本实施例的粒化装置可以包括粒化仓8和设置在粒化仓8内的粒化器9，液态熔渣通过粒化器9在离心力作用下，变成了小颗粒，通过调节粒化器工作的相关参数，相关参数包括粒化器9的旋转速度或者进入粒化器9的液态熔渣的流量，可实现对粒化后渣粒大小的调节。通过上述一种基于图像识别的高炉渣离心粒化粒径检测系统在检测出颗粒直径后，上位机实时地进行数据反馈，可以通过对粒化器工作的相关参数进行调节，以实时地控制颗粒直径，保证液态熔渣机械离心粒化技术的热回收效率。
具体的，本实施例的检测系统的工作过程为：通过由丝杠模组5搭建的取渣装置，使用PLC2进行控制，对高炉渣进行取样，取样后，运输到工业相机6的视野中，对取样颗粒进行拍摄，获取其图像数据，并实时上传到PC机客户端，对图像进行实时处理，并获取其数据参数，再进行系统分析，以实时调节高炉渣机械离心粒化的相关参数，对颗粒直径进行实时控制。粒化器9对液态熔渣进行离心粒化；取渣装置进行颗粒取样和传送；工业相机6用于取样颗粒的图像拍摄和上传；PC机用于图像的处理，数据的获取和系统的分析，以进行系统整体调控；PLC2用于工业相机的控制触发，电机的控制等相关操作；控制柜用于系统配电，系统操纵以及系统显示等。
本实施例还提供一种基于图像识别的高炉渣离心粒化粒径检测方法，如图2所示，包括如下步骤：
步骤1：控制取样板移动至粒化仓内对渣粒进行取样；
步骤2：将取样板上的渣粒传输到工业相机的视野中，触发工业相机进行拍照，采集高炉渣颗粒图像；
步骤3：对采集的图像进行预处理，获得预处理后的图像；
步骤4：使用自适应阈值，对预处理后的图像进行二值化处理，将图像转化为黑白图像。
步骤5：对获取的黑白图像进行边缘检测和图像分割，获得分割后的图像；
步骤6：根据分割后的图像测量颗粒的大小，计算颗粒大小的合格率。
上述步骤中的步骤2：将取样板上的渣粒传输到工业相机的视野中，触发工业相机进行拍照，采集高炉渣颗粒7的图像。
可以选择不同的触发模式来进行拍摄，获取颗粒图像。工业相机的触发模式，可以为间隔时间触发、手动触发、自动触发或者PLC触发，可以根据实际的调试和工作状况进行选择。本实施例中可以控制PLC发出触发信号给工业相机6进行图像拍摄。
步骤3，对采集的图像进行预处理，获得预处理后的图像；所述预处理包括灰度处理和滤波处理，具体的可以如下：
步骤31：将拍摄的图像转化为灰度图像，在图4中系统界面上的“灰度图像”即为拍摄的高炉渣颗粒图像转化后的灰度图像。
步骤32：对灰度图像进行滤波处理。滤波处理可以采用均值滤波、中值滤波和高斯滤波。本实施例可以使用中值滤波进行处理。选择一定大小的中值滤波卷积核，将卷积核范围中的像素进行排序，取中值作为该点的像素值。中值滤波可以很好地保护边缘图像。在图4中系统界面上的“滤波图像”即为滤波后的图像。
中值滤波的卷积核可以如下：
滤波公式可以如下：
公式(1)中，Mean_kernel表示中值滤波卷积核，(s,t)表示当前卷积核的中心位置。(x-s,y-t)表示卷积核的领域。该卷积核在图像中移动，并对卷积核区域进行卷积求和，即可得到滤波后的图像。
步骤4、使用自适应阈值，对预处理后的图像进行二值化处理，将图像转化为黑白图像，具体如下：
步骤41：计算预处理后的图像的积分图像；本实施例中预处理后的图像为滤波后的图像。
积分图像计算方法为如下所示：
可以通过以下两个公式进行实现：
s(x,y)＝f(x,y)+s(x,y-1) (3)
g(x,y)＝s(x,y)+g(x-1,y) (4)
其中，(x,y)表示图像任意点，(x,y-1)表示相对于(x,y)上边的位置，(x-1,y)表示相对于(x,y)左边的位置。s(x,y)表示对灰度图像f(i,j)的像素值进行按列求和，g(x,y)表示对s(x,y)按行求和，且s(x,0)＝0，g(0,y)＝0。对图像进行从左至右，从上至下进行一次扫描就可以计算积分图像，大大减小了计算量。
步骤42：设定图像阈值窗口大小，计算对应每个窗口的自适应阈值；所述阈值图像窗口是指在进行阈值设定时，划定一定大小区域，对每个区域设定阈值，而不是对整个图像设定一个阈值进行二值化处理，提高了图像处理的精确度。
计算出积分图像后，由以下公式进行计算对应每个窗口的自适应阈值即为局部自适应阈值：
式中，λ(x,y)为在图像任意点(x,y)处的阈值，t为调节参数，w为窗口大小。
步骤43：根据对应每个窗口的自适应阈值，将灰度图像转化为纯黑白图像。其公式可以如下：
公式中，g(x,y)表示积分图像。h(x,y)表示最终的二值化图像。
步骤5、对获取的黑白图像进行边缘检测和图像分割，获得分割后的图像；具体如下：
步骤51：采用形态学操作，求颗粒的梯度图像，获取图像的边界信息，得到单像素边界图像；如图3中界面中的边缘提取后的图像，显示了颗粒的边界。
步骤52：采用形态学腐蚀和膨胀处理，对图像做形态结构大小为1的一次腐蚀处理，原图像减去腐蚀后的图像，即可得到颗粒的单元素的边界图像。对单像素边界图像进行多次腐蚀处理和膨胀处理，直至将单像素边界图像中的粘结颗粒分割开，并用不同的颜色标记图像颗粒边缘。
使用形态学处理，获取图像的单像素边界，不同的图像颗粒标记为不同的颜色。将图像进行腐蚀操作，使用图像减去腐蚀图像，可以得到边界图像。
膨胀操作为：
腐蚀操作为：
公式中，A表示被腐蚀或膨胀的结构，B表示用于腐蚀或膨胀的结构单元，膨胀操作表示使用结构B中心在A边界上移动，取最大并集结构为最终结果。腐蚀操作表示使用结构B中心在A边界上移动，取最小的交集结构为最终结果。
为了准确地提取各个颗粒的尺寸参数，本实施例在基于形态学操作基础上，使用形态学腐蚀和膨胀处理，将粘结的颗粒准确分割开来，并将缺失的部分像素进行补全，同时，该方法的实时性和准确性上完全可以满足试验要求，并满足颗粒的尺寸参数测量。
步骤6、根据分割后的图像测量颗粒的大小，计算颗粒大小的合格率。
根据分割后的图像测量颗粒的大小的步骤具体为：测量分割后的图像中颗粒的在图像中的尺寸，对相机进行标定，然后计算颗粒的实际大小。还可以根据颗粒所占据的像素，求出颗粒的面积，直径，周长，圆度等相关参数。
在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。对相机进行标定获得相机参数。
计算颗粒大小的合格率的步骤包括：
步骤61设置圆度阈值，将不符合圆度的颗粒进行删除。圆度越大，形状越规则，越接近圆，将颗粒圆度小于设置的圆度阈值的颗粒进行删除。
步骤62：对符合圆度要求的颗粒计算直径参数，设定颗粒直径阈值，计算出颗粒直径的合格率。
可以设定直径阈值为1.5-2mm，计算颗粒直径的合格率，根据计算的合格率对高炉渣化的装置进行反馈调节，通过调节粒化器工作的相关参数，相关参书包括粒化器旋转速度或者进入粒化器的液态熔渣的流量，可实现对粒化后渣粒大小的调节。
图3是本公开实施例的高炉渣粒径检测界面图；这仅仅是个示例而已，根据本实施例中的方法设置的系统界面可以为任意显示形式。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (7)
1.一种基于图像识别的高炉渣离心粒化粒径检测系统，其特征是：包括控制单元、取渣装置和图像采集单元，所述取渣装置对高炉渣离心粒化后的渣粒进行取样，所述取渣装置包括取样板，所述取样板通过粒化仓侧壁上的取样口取样，所述取样板包括取样部和连接部，取样部包括底板和通过转轴设置在底板上的旋转圆盘，所述底板的边缘设置挡板；在取渣过程中，旋转圆盘缓速旋转，可以将堆积的颗粒平铺；图像采集单元采集渣粒的图像，控制单元根据采集的图像对渣粒的大小进行检测分析获得渣粒大小的检测数据；所述控制单元分别与取渣装置和图像采集单元连接；所述控制单元包括控制柜、PLC和上位机，所述控制柜分别与PLC和上位机连接，用于提供配电、显示及相应的操控；上位机用于对采集的图像进行处理，并将相应控制指令发送至PLC，PLC控制取渣装置和图像采集单元的动作；上位机还进行实时的数据反馈，根据所反馈的数据可以对粒化器工作参数进行调节，以实时控制颗粒直径。
2.如权利要求1所述的一种基于图像识别的高炉渣离心粒化粒径检测系统，其特征是：取渣装置包括依次连接的模组电机、丝杠模组和取样板，模组电机与控制单元连接，所述模组电机为丝杠模组的工作传递动力，所述丝杠模组带动取样板移动。
3.如权利要求1所述的一种基于图像识别的高炉渣离心粒化粒径检测系统，其特征是：图像采集单元包括工业相机和工业光源，所述工业相机和工业光源分别与控制单元连接。
4.如权利要求3所述的一种基于图像识别的高炉渣离心粒化粒径检测系统，其特征是：图像采集单元还包括光电传感器，所述光电传感器设置在取样装置的侧面，并与控制单元电连接，用于检测是否有渣粒通过工业相机的摄像范围内。
5.一种基于图像识别的高炉渣离心粒化粒径检测方法，采用如权利要求1-4任一项所述的基于图像识别的高炉渣离心粒化粒径检测系统，其特征是，包括如下步骤：
控制取样板移动至粒化仓内对渣粒进行取样；
将取样板上的渣粒传输到工业相机的视野中，触发工业相机进行拍照，采集高炉渣颗粒图像；
对采集的图像进行预处理，获得预处理后的图像；
使用自适应阈值，对预处理后的图像进行二值化处理，将图像转化为黑白图像；
对获取的黑白图像进行边缘检测和图像分割，获得分割后的图像；具体为：
采用形态学操作，求颗粒的梯度图像，获取图像的边界信息，得到单像素边界图像；
采用形态学腐蚀和膨胀处理，对单像素边界图像进行多次腐蚀处理和膨胀处理，直至分割出各个颗粒，并用不同的颜色标记图像颗粒边缘；
根据分割后的图像测量颗粒的大小，计算颗粒大小的合格率。
6.如权利要求5所述的一种基于图像识别的高炉渣离心粒化粒径检测方法，其特征是：使用自适应阈值，对预处理后的图像进行二值化处理，将图像转化为黑白图像的方法，具体为：
步骤41：计算预处理后的图像的积分图像；
步骤42：设定图像阈值窗口大小，计算对应每个窗口的自适应阈值；
步骤43：根据对应每个窗口的自适应阈值，将灰度图像转化为纯黑白图像。
7.如权利要求6所述的一种基于图像识别的高炉渣离心粒化粒径检测方法，其特征是：对应每个窗口的自适应阈值为：
其中，λ(x,y)为在图像任意点(x,y)处的阈值，t为调节参数，w为窗口大小g(x,y)为积分图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910485789.7A CN110218824B (zh) | 2019-06-05 | 2019-06-05 | 一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910485789.7A CN110218824B (zh) | 2019-06-05 | 2019-06-05 | 一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110218824A CN110218824A (zh) | 2019-09-10 |
| CN110218824B true CN110218824B (zh) | 2021-09-28 |
Family
ID=67819771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910485789.7A Expired - Fee Related CN110218824B (zh) | 2019-06-05 | 2019-06-05 | 一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110218824B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110305997B (zh) * | 2019-07-30 | 2021-05-25 | 青岛大学 | 一种具有渣粒直径监测功能的液态熔渣粒化装置 |
| CN113552028B (zh) * | 2020-04-23 | 2022-12-13 | 中冶长天国际工程有限责任公司 | 混合料视觉分析装置、混合料粒度组成检测方法及系统 |
| CN114697532A (zh) * | 2020-12-31 | 2022-07-01 | 徐州晶睿半导体装备科技有限公司 | 单晶炉中长晶检测影像的处理方法、存储介质、上位机 |
| CN113122669B (zh) * | 2021-04-22 | 2022-07-26 | 上海应用技术大学 | 一种高炉出铁口状态监控方法及系统 |
| CN113628171B (zh) * | 2021-07-19 | 2023-09-19 | 北京科技大学 | 一种基于机器视觉及数据驱动的球团生产方法及装置 |
| CN114486647A (zh) * | 2021-12-31 | 2022-05-13 | 江苏丰尚智能科技有限公司 | 物料粒子的检测方法、装置、粒子检测装置、计算机设备 |
| CN115198041B (zh) * | 2022-07-08 | 2023-10-17 | 中国科学院力学研究所 | 一种用于转盘离心粒化制粉的粒径控制系统、方法及应用 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490532A (zh) * | 2017-08-16 | 2017-12-19 | 清华大学 | 一种确定飞行高温颗粒几何尺度的装置及方法 |
-
2019
- 2019-06-05 CN CN201910485789.7A patent/CN110218824B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490532A (zh) * | 2017-08-16 | 2017-12-19 | 清华大学 | 一种确定飞行高温颗粒几何尺度的装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于图像分割的破碎颗粒粒度分布检测;张大蔓;《湖南师范大学 硕士学位论文》;20160531;第23-49页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110218824A (zh) | 2019-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110218824B (zh) | 一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 | |
| CN107063946B (zh) | 视频生球粒径仪及其生球粒径状态检测方法 | |
| CN105891233B (zh) | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 | |
| WO2020098299A1 (zh) | 一种高温熔融流体流速检测方法及系统 | |
| CN109785378B (zh) | 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 | |
| CN102322434B (zh) | 一种用于工频熔炼炉除尘风机节能的控制方法及其控制系统 | |
| CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
| CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
| CN103645573A (zh) | 一种基于机器视觉的lcd检测的方法和系统 | |
| CN109975301A (zh) | 一种用于炼铁高炉的筛网破损检测方法及检测装置 | |
| CN100596330C (zh) | 冶金矿相智能识别方法 | |
| CN105973771A (zh) | 矿热炉冶炼铬铁球团粒度检测装置及其检测方法 | |
| CN106290379A (zh) | 基于面扫描相机的钢轨表面缺陷检测装置及方法 | |
| CN112075876A (zh) | 基于机器视觉的产线智能吸尘机器人 | |
| WO2023168984A1 (zh) | 一种基于面阵相机的阴极铜质量检测方法及系统 | |
| CN110751669A (zh) | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及系统 | |
| CN105548196B (zh) | 硬质合金顶锤在线无损检测的方法和装置 | |
| CN115601379A (zh) | 一种基于数字图像处理的表面裂纹精确检测技术 | |
| CN114187282A (zh) | 一种基于图像分割的篦冷机料层厚度测量方法 | |
| CN112422818B (zh) | 一种基于多元图像融合的智能化掉筛远程检测方法 | |
| CN106501278B (zh) | 基于旋转不变纹理特征的灯管表面瑕疵分类方法及系统 | |
| CN104807447A (zh) | 一种新型智能化机器视觉数字媒体系统 | |
| CN208568616U (zh) | 玻璃锡缺陷视觉鉴别系统 | |
| CN111041194A (zh) | 一种提高矿粉球团矿生球质量的制备装置及其使用方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210928 |