CN110484678B - 一种扒渣效果的确定方法及装置 - Google Patents

一种扒渣效果的确定方法及装置 Download PDF

Info

Publication number
CN110484678B
CN110484678B CN201910839304.XA CN201910839304A CN110484678B CN 110484678 B CN110484678 B CN 110484678B CN 201910839304 A CN201910839304 A CN 201910839304A CN 110484678 B CN110484678 B CN 110484678B
Authority
CN
China
Prior art keywords
slag
molten iron
determining
interval
pixel point
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
Application number
CN201910839304.XA
Other languages
English (en)
Other versions
CN110484678A (zh
Inventor
高攀
赵晓东
朱国森
李海波
孙亮
黄桂斌
郭玉明
刘风刚
井含文
马文俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shougang Corp
Original Assignee
Shougang Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shougang Corp filed Critical Shougang Corp
Priority to CN201910839304.XA priority Critical patent/CN110484678B/zh
Publication of CN110484678A publication Critical patent/CN110484678A/zh
Application granted granted Critical
Publication of CN110484678B publication Critical patent/CN110484678B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
    • C21C5/28—Manufacture of steel in the converter
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30116—Casting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Geometry (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Carbon Steel Or Casting Steel Manufacturing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种扒渣效果的确定方法及装置，方法包括：采集铁水包表面的铁水图像；对所述铁水图像进行识别，获得铁水图像中每个像素点的RGB值；根据各像素点的RGB值确定每个像素点的Red值；根据每个像素点的Red值确定出铁水区间及炉渣区间；根据铁水区间及炉渣区间确定扒渣亮面比例，当确定扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格；如此，利用像素点的Red值确定出炉渣区间及铁水区间，可以确保确定精度，并且根据炉渣区间及铁水区间确定出扒渣亮面的比例，当该比例满足预设的基准值时，代表炉渣的去除已满足要求，这样就可以提高扒渣效果的确定精度，提高扒渣效果的稳定性，降低转炉回硫量的波动。

Description

一种扒渣效果的确定方法及装置
技术领域
本发明属于铁水预处理技术领域，尤其涉及一种扒渣效果的确定方法及装置。
背景技术
对于大多数钢种来说，硫元素是有害元素。而最佳的脱硫条件是铁水预处理脱硫，铁水预处理脱硫可以实现极低的脱硫终点铁水硫含量控制。脱硫预处理结束之后，高硫含量的炉渣会漂浮在铁水表面上。
在转炉冶炼过程中，由于热力学条件发生变化，高硫含量的炉渣中的硫含量会重新进入铁水中，造成转炉冶炼过程回硫。为了减轻回硫，需要对扒渣工艺进行控制。传统的扒渣工艺采取固定扒渣时间的方式，或者依靠人工判断的方式来判断扒渣效果，造成扒渣效果不稳定，导致转炉回硫量波动较大。
发明内容
针对现有技术存在的问题，本发明实施例提供了一种扒渣效果的确定方法及装置，用于解决现有技术中判断扒渣效果的精度不高，造成扒渣效果不稳定，进而导致转炉回硫量波动大的技术问题。
本发明实施例提供一种扒渣效果的确定方法，所述方法包括：
采集铁水包表面的铁水图像；
对所述铁水图像进行转换处理后，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值；
根据各像素点的RGB值确定所述每个像素点的Red值；
根据所述每个像素点的Red值确定出铁水区间及炉渣区间；
根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。
上述方案中，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值，包括：
利用像素获取函数对所述铁水图像的二维图像进行识别，获得每个像素点的二维坐标和相应的RGB值。
上述方案中，所述根据所述每个像素点的Red值确定出铁水区间，包括：
当所述a<Red<b时，确定该像素点为铁水；
对所述铁水对应的所有像素点进行汇总，确定出所述铁水区间；其中，所述a的取值范围为[40，50]，所述b的取值范围为[60，255]。
上述方案中，所述根据所述每个像素点的Red值确定出炉渣区间，包括：
当所述c<Red<d时，确定该像素点为炉渣；
对所述炉渣对应的所有像素点进行汇总，确定出所述炉渣区间；其中，所述c的取值范围为[20，30]，所述d的取值范围为[40，50]。
上述方案中，所述根据所述铁水区间及炉渣区间确定扒渣亮面比例，包括：
根据公式
Figure BDA0002193175930000021
确定扒渣亮面比例；其中，所述s为扒渣亮面比例，所述g为所述铁水区间的面积，所述m为所述炉渣区间的面积；所述铁水区间面积为所述铁水对应的所有像素点的面积之和；所述炉渣区间面积为所述炉渣对应的所有像素点的面积之和。
上述方案中，所述根据各像素点的RGB值确定所述每个像素点的Red值，包括：
从所述每个像素点的RGB值中提取出相应的Red值，所述RGB值中包括Red值、Green值及Blue值。
本发明实施例还提供一种扒渣效果的确定装置，所述装置包括：
图像采集单元，用于采集铁水包表面的铁水图像；
图像处理单元，用于对所述铁水图像进行转换处理；
识别单元，用于利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值；
确定单元，用于根据各像素点的RGB值确定所述每个像素点的Red值；
根据所述每个像素点的Red值确定出铁水区间及炉渣区间；
根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。
上述方案中，所述确定单元具体用于：
当所述a<Red<b时，确定该像素点为铁水；
对所述铁水对应的所有像素点进行汇总，确定出所述铁水区间；其中，所述a的取值范围为[40，50]，所述b的取值范围为[60，255]。
上述方案中，所述确定单元具体用于：
当所述c<Red<d时，确定该像素点为炉渣；
对所述炉渣对应的所有像素点进行汇总，确定出所述炉渣区间；其中，所述c的取值范围为[20，30]，所述d的取值范围为[40，50]。
上述方案中，所述确定单元具体用于：
根据公式
Figure BDA0002193175930000031
确定扒渣亮面比例；其中，所述s为扒渣亮面比例，所述g为所述铁水区间的面积，所述m为所述炉渣区间的面积；所述铁水区间面积为所述铁水对应的所有像素点的面积之和；所述炉渣区间面积为所述炉渣对应的所有像素点的面积之和。
本发明实施例提供了一种扒渣效果的确定方法及装置，方法包括：采集铁水包表面的铁水图像；对所述铁水图像进行转换处理后，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值；根据各像素点的RGB值确定所述每个像素点的Red值；根据所述每个像素点的Red值确定出铁水区间及炉渣区间；根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格；如此，因炉渣像素点与铁水像素点的Red值是有根本区别的，利用像素点的Red值确定出炉渣区间及铁水区间，可以确保确定精度，并且根据炉渣区间及铁水区间确定出扒渣亮面的比例，当该比例满足预设的基准值时，代表炉渣的去除已满足要求，这样就可以提高扒渣效果的确定精度，提高扒渣效果的稳定性，进而降低了转炉回硫量的波动。
附图说明
图1为本发明实施例提供的扒渣效果的确定方法流程示意图；
图2为本发明实施例提供的扒渣效果的装置结构示意图。
具体实施方式
为了解决现有技术中判断扒渣效果的精度不高，造成扒渣效果不稳定，进而导致转炉回硫量波动大的技术问题，本发明提供了一种扒渣效果的确定方法及装置，方法包括：采集铁水包表面的铁水图像；对所述铁水图像进行转换处理后，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值；根据所述RGB值确定所述每个像素点的Red值；根据所述每个像素点的Red值确定出铁水区间及炉渣区间；根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。
下面通过附图及具体实施例对本发明的技术方案做进一步的详细说明。
实施例一
本实施例提供一种扒渣效果的确定方法，如图1所示，方法包括：
S110，采集铁水包表面的铁水图像；
本步骤中可以利用CCD工业摄像头采集铁水包表面的铁水图像，具体是将CCD工业摄像头安装在铁水包的前方，持续拍摄铁水表面的铁水图像，形成各帧二维图像。
S111，对所述铁水图像进行转换处理后，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值；
这里，因各帧二维图像是模拟量，因此需要对所述铁水图像进行转换处理，具体包括：利用图像采集卡对各帧二维图像进行转换，将模拟量转换为数字量。为了提高传输效率，将数字量进行压缩处理，将压缩后的数字量传输至工控机。
这里，工控机中安装有图像识别软件，当工控机接收到压缩后的数字量后，对该数字量进行解压，获取铁水图像的二维图像，利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值。
这里，利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值，包括：
利用像素获取函数COLORREF GetPixel(HDC hdc,int nXPos,int nYPos)对所述铁水图像的二维图像进行处理，获得每个像素点的二维坐标(x，y)和相应的RGB值。
这里，像素获取函数中，参数hdc为设备环境句柄；nXPos为像素点的逻辑X轴坐标；nYPos为像素点的逻辑Y轴坐标。
S112，根据各像素点的RGB值确定所述每个像素点的Red值；
当每个像素点的RGB值确定出之后，根据各像素点的RGB值确定所述每个像素点的Red值。
每个像素点的RGB值获取之后，RGB值中包括Red值、Green值及Blue值，那么直接从RGB值提取出Red值就可以获取每个像素点的Red值了。
S113，根据所述每个像素点的Red值确定出铁水区间及炉渣区间；
当每个像素点的Red值确定出之后，根据每个像素点的Red值确定出铁水区间及炉渣区间。
这里，根据每个像素点的Red值确定出铁水区间，包括：
当所述a<Red<b时，确定该像素点为铁水；
对所述铁水对应的所有像素点进行汇总，确定出所述铁水区间；其中，所述a的取值范围为[40，50]，所述b的取值范围为[60，255]。
根据所述每个像素点的Red值确定出炉渣区间，包括：
当所述c<Red<d时，确定该像素点为炉渣；
对所述炉渣对应的所有像素点进行汇总，确定出所述炉渣区间；其中，c的取值范围为[20，30]，所述d的取值范围为[40，50]。
作为一种可选的实施例，当e<Red<f时，确定该像素点为铁水包的包壁；e的取值范围为[0，5]，所述f的取值范围为[20，30]。
S114，根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。
当铁水区间及炉渣区间均确定出之后，根据铁水对应的所有像素点的面积之和确定铁水区间的面积，根据炉渣对应的所有像素点的面积之和确定出炉渣区间的面积。
那么就可以根据公式(1)确定出扒渣亮面比例s：
Figure BDA0002193175930000061
在公式(1)中，s为扒渣亮面比例，所述g为所述铁水区间的面积，所述m为所述炉渣区间的面积。
判断扒渣亮面比例是否大于或等于预设的基准值，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。若确定扒渣亮面比例小于基准值时，推送继续扒渣的提示信息。其中，预设的基准值一般为85％。这样就可以精确评价扒渣效果。
基于同样的发明构思，本文还提供一种扒渣效果的确定装置，详见实施例二。
实施例二
本实施例提供一种扒渣效果的确定装置，如图2所示，装置包括：图像采集单元21、图像处理单元22、识别单元23及确定单元24；其中，
图像采集单元21采集铁水包表面的铁水图像，本实施例中的图像残疾单元21可以为CCD工业摄像头，具体是将CCD工业摄像头安装在铁水包的前方，持续拍摄铁水表面的铁水图像，形成各帧二维图像。
这里，因各帧二维图像是模拟量，因此需要利用图像处理单元22对所述铁水图像进行转换处理。其中，图像处理单元22可以包括图像采集卡。
具体包括：利用图像采集卡对各帧二维图像进行转换，将模拟量转换为数字量。为了提高传输效率，将数字量进行压缩处理，将压缩后的数字量传输至识别单元23。
当识别单元23接收到压缩后的数字量后，对该数字量进行解压，获取铁水图像的二维图像，利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值。其中，识别单元23可以为工控机中的图像识别软件。
这里，识别单元23利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值，包括：
利用像素获取函数COLORREF GetPixel(HDC hdc,int nXPos,int nYPos)对所述铁水图像的二维图像进行处理，获得每个像素点的二维坐标(x，y)和相应的RGB值。
这里，像素获取函数中，参数hdc为设备环境句柄；nXPos为像素点的逻辑X轴坐标；nYPos为像素点的逻辑Y轴坐标。
当每个像素点的RGB值确定出之后，确定单元24根据各像素点的RGB值确定所述每个像素点的Red值。
其中，每个像素点的RGB值获取之后，RGB值中包括Red值、Green值及Blue值，那么确定单元24直接从RGB值提取出Red值就可以获取每个像素点的Red值了。
当每个像素点的Red值确定出之后，确定单元24还用于根据每个像素点的Red值确定出铁水区间及炉渣区间。
这里，确定单元24根据每个像素点的Red值确定出铁水区间，包括：
当所述a<Red<b时，确定该像素点为铁水；
对所述铁水对应的所有像素点进行汇总，确定出所述铁水区间；其中，所述a的取值范围为[40，50]，所述b的取值范围为[60，255]。
确定单元24根据所述每个像素点的Red值确定出炉渣区间，包括：
当所述c<Red<d时，确定该像素点为炉渣；
对所述炉渣对应的所有像素点进行汇总，确定出所述炉渣区间；其中，c的取值范围为[20，30]，所述d的取值范围为[40，50]。
作为一种可选的实施例，当e<Red<f时，确定单元24确定该像素点为铁水包的包壁；e的取值范围为[0，5]，所述f的取值范围为[20，30]。
当铁水区间及炉渣区间均确定出之后，确定单元24还用于：根据铁水对应的所有像素点的面积之和确定铁水区间的面积，根据炉渣对应的所有像素点的面积之和确定出炉渣区间的面积。
那么确定单元24就可以根据公式(1)确定出扒渣亮面比例s：
Figure BDA0002193175930000081
在公式(1)中，s为扒渣亮面比例，所述g为所述铁水区间的面积，所述m为所述炉渣区间的面积。
进一步地，确定单元24可以判断扒渣亮面比例是否大于或等于预设的基准值，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。其中，预设的基准值一般为85％。这样就可以精确评价扒渣效果。
本发明实施例提供的扒渣效果的确定方法及装置能带来的有益效果至少是：
本发明实施例提供了一种扒渣效果的确定方法及装置，方法包括：采集铁水包表面的铁水图像；对所述铁水图像进行转换处理后，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值；根据各像素点的RGB值确定所述每个像素点的Red值；根据所述每个像素点的Red值确定出铁水区间及炉渣区间；根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格；如此，因炉渣像素点与铁水像素点的Red值是有根本区别的，利用像素点的Red值确定出炉渣区间及铁水区间，可以确保确定精度，并且根据炉渣区间及铁水区间确定出扒渣亮面的比例，当该比例满足预设的基准值时，代表炉渣的去除已满足要求，这样就可以提高扒渣效果的确定精度，提高扒渣效果的稳定性，进而降低了转炉回硫量的波动。
实施例三
实际应用中，当利用实施例一提供的方法及实施例二提供的装置对210t铁水包的扒渣效果进行确定时，具体实现如下：
是将CCD工业摄像头安装在铁水包的前方，持续拍摄铁水表面的铁水图像，形成各帧二维图像。图像采集卡对各帧二维图像进行转换，将模拟量转换为数字量，将数字量进行压缩处理，将压缩后的数字量传输至工控机。
当工控机接收到压缩后的数字量后，对该数字量进行解压，获取铁水图像的二维图像，利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值。
当像素点的Red值为[2，25]时，认定该像素点为包壁，当像素点的Red值为[25，45]时，认定该像素点为炉渣，当像素点的Red值为[46，180]时，认定该像素点为铁水。
当铁水区间及炉渣区间均确定出之后，根据铁水对应的所有像素点的面积之和确定铁水区间的面积，根据炉渣对应的所有像素点的面积之和确定出炉渣区间的面积。
根据公式(1)确定出扒渣亮面比例≥85％，扒渣效果是合格的。
实施例四
实际应用中，当利用实施例一提供的方法及实施例二提供的装置对210t铁水包的扒渣效果进行确定时，具体实现如下：
是将CCD工业摄像头安装在铁水包的前方，持续拍摄铁水表面的铁水图像，形成各帧二维图像。图像采集卡对各帧二维图像进行转换，将模拟量转换为数字量，将数字量进行压缩处理，将压缩后的数字量传输至工控机。
当工控机接收到压缩后的数字量后，对该数字量进行解压，获取铁水图像的二维图像，利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值。
当像素点的Red值为[0，20]时，认定该像素点为包壁，当像素点的Red值为[20，40]时，认定该像素点为炉渣，当像素点的Red值为[41，60]时，认定该像素点为铁水。
当铁水区间及炉渣区间均确定出之后，根据铁水对应的所有像素点的面积之和确定铁水区间的面积，根据炉渣对应的所有像素点的面积之和确定出炉渣区间的面积。
根据公式(1)确定出扒渣亮面比例≥85％，扒渣效果是合格的。
实施例五
实际应用中，当利用实施例一提供的方法及实施例二提供的装置对300t铁水包的扒渣效果进行确定时，具体实现如下：
是将CCD工业摄像头安装在铁水包的前方，持续拍摄铁水表面的铁水图像，形成各帧二维图像。图像采集卡对各帧二维图像进行转换，将模拟量转换为数字量，将数字量进行压缩处理，将压缩后的数字量传输至工控机。
当工控机接收到压缩后的数字量后，对该数字量进行解压，获取铁水图像的二维图像，利用图片像素识别算法对铁水图像的二维图像进行识别，获得所述铁水图像中每个像素点的RGB值。
当像素点的Red值为[5，28]时，认定该像素点为包壁，当像素点的Red值为[29，48]时，认定该像素点为炉渣，当像素点的Red值为[49，250]时，认定该像素点为铁水。
当铁水区间及炉渣区间均确定出之后，根据铁水对应的所有像素点的面积之和确定铁水区间的面积，根据炉渣对应的所有像素点的面积之和确定出炉渣区间的面积。
根据公式(1)确定出扒渣亮面比例≥85％，扒渣效果是合格的。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种扒渣效果的确定方法，其特征在于，所述方法包括：
采集铁水包表面的铁水图像；
对所述铁水图像进行转换处理后，利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值，包括：利用像素获取函数对所述铁水图像的二维图像进行识别，获得每个像素点的二维坐标和相应的RGB值；
根据各像素点的RGB值确定所述每个像素点的Red值；
根据所述每个像素点的Red值确定出铁水区间及炉渣区间，具体包括：当Red值为[41，60]时，确定该像素点为铁水；对所述铁水对应的所有像素点进行汇总，确定出所述铁水区间；当Red值为[20，40]时，确定该像素点为炉渣；对所述炉渣对应的所有像素点进行汇总，确定出所述炉渣区间；
根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。
2.如权利要求1所述的方法，其特征在于，所述根据所述铁水区间及炉渣区间确定扒渣亮面比例，包括：
根据公式
Figure DEST_PATH_IMAGE002
确定扒渣亮面比例；其中，所述s为扒渣亮面比例，所述g为所述铁水区间的面积，所述m为所述炉渣区间的面积；所述铁水区间面积为所述铁水对应的所有像素点的面积之和；所述炉渣区间面积为所述炉渣对应的所有像素点的面积之和。
3.如权利要求1所述的方法，其特征在于，所述根据各像素点的RGB值确定所述每个像素点的Red值，包括：
从所述每个像素点的RGB值中提取出相应的Red值，所述RGB值中包括Red值、Green值及Blue值。
4.一种扒渣效果的确定装置，其特征在于，所述装置包括：
图像采集单元，用于采集铁水包表面的铁水图像；
图像处理单元，用于对所述铁水图像进行转换处理；
识别单元，用于利用图片像素识别算法对所述铁水图像进行识别，获得所述铁水图像中每个像素点的RGB值，包括：利用像素获取函数对所述铁水图像的二维图像进行识别，获得每个像素点的二维坐标和相应的RGB值；
确定单元，用于根据各像素点的RGB值确定所述每个像素点的Red值；
根据所述每个像素点的Red值确定出铁水区间及炉渣区间，具体用于：当Red值为[41，60]时，确定该像素点为铁水；对所述铁水对应的所有像素点进行汇总，确定出所述铁水区间；当Red值为[20，40]时，确定该像素点为炉渣；对所述炉渣对应的所有像素点进行汇总，确定出所述炉渣区间；
根据所述铁水区间及炉渣区间确定扒渣亮面比例，当确定所述扒渣亮面比例大于或等于预设的基准值时，确定扒渣效果合格。
5.如权利要求4所述的装置，其特征在于，所述确定单元具体用于：
根据公式
Figure 300427DEST_PATH_IMAGE002
确定扒渣亮面比例；其中，所述s为扒渣亮面比例，所述g为所述铁水区间的面积，所述m为所述炉渣区间的面积；所述铁水区间面积为所述铁水对应的所有像素点的面积之和；所述炉渣区间面积为所述炉渣对应的所有像素点的面积之和。
CN201910839304.XA 2019-09-05 2019-09-05 一种扒渣效果的确定方法及装置 Active CN110484678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910839304.XA CN110484678B (zh) 2019-09-05 2019-09-05 一种扒渣效果的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910839304.XA CN110484678B (zh) 2019-09-05 2019-09-05 一种扒渣效果的确定方法及装置

Publications (2)

Publication Number Publication Date
CN110484678A CN110484678A (zh) 2019-11-22
CN110484678B true CN110484678B (zh) 2021-07-23

Family

ID=68556823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910839304.XA Active CN110484678B (zh) 2019-09-05 2019-09-05 一种扒渣效果的确定方法及装置

Country Status (1)

Country Link
CN (1) CN110484678B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6197086B1 (en) * 1997-11-13 2001-03-06 Bethlehem Steel Corporation System and method for minimizing slag carryover during the production of steel
CN105160683B (zh) * 2015-09-29 2019-01-15 田陆 一种基于人工干预的铁水扒渣检测与控制系统及其方法
CN106670448A (zh) * 2015-11-05 2017-05-17 衡阳镭目科技有限责任公司 一种铁水扒渣测控系统
CN107287385B (zh) * 2016-03-31 2019-04-16 上海梅山钢铁股份有限公司 铁水扒渣留渣比例的计算与控制方法
CN108986098A (zh) * 2018-09-05 2018-12-11 中冶赛迪技术研究中心有限公司 一种基于机器视觉的铁水智能扒渣方法

Also Published As

Publication number Publication date
CN110484678A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN105956618B (zh) 基于图像动静态特征的转炉炼钢吹炼状态识别系统及方法
CN112017145B (zh) 一种高效的铁水预处理自动扒渣方法和系统
CN109872300A (zh) 一种摩擦片外观缺陷的视觉显著性检测方法
EP1361542A4 (en) TREATMENT DEVICE
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
CN103571994B (zh) 转炉红外钢渣探测方法
CA2609533A1 (en) Vehicle and road sign recognition device
EP1215620A3 (en) Image capturing method and apparatus and fingerprint collation method and apparatus
CN106483143A (zh) 一种太阳能光伏板积灰在线监测装置及其检测方法
CN205845067U (zh) 基于图像动静态特征的转炉炼钢吹炼状态识别系统
Zhang et al. Detection method for pulverized coal injection and particles in the tuyere raceway using image processing
CN110484678B (zh) 一种扒渣效果的确定方法及装置
CN111560489A (zh) 一种转炉出钢中的台车自动走行方法和系统
CN107287385A (zh) 铁水扒渣留渣比例的计算与控制方法
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
CN102016879B (zh) 闪光检测
CN110766636B (zh) 一种用于ai芯片的智能图像处理方法
CN1506686A (zh) 运动图像检测方法
CN114065526A (zh) 一种炼钢高炉自适应优化安全控制系统
CN109521730B (zh) 一种铁水包内渣面的在线计算方法
CN102968644A (zh) 一种氩氧精炼铁合金冶炼终点预测方法
CN111062926B (zh) 一种视频数据处理方法、装置及存储介质
JP6822283B2 (ja) 粉塵の種類判別方法、装置及びプログラム
Zheng et al. Connecting rod surface defect detection system based on HALCON
CN113393539B (zh) 化学反应溶液颜色突变识别方法

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