CN111223095B - 一种烧结机的台车箅条间距检测方法及系统 - Google Patents
一种烧结机的台车箅条间距检测方法及系统 Download PDFInfo
- Publication number
- CN111223095B CN111223095B CN202010176621.0A CN202010176621A CN111223095B CN 111223095 B CN111223095 B CN 111223095B CN 202010176621 A CN202010176621 A CN 202010176621A CN 111223095 B CN111223095 B CN 111223095B
- Authority
- CN
- China
- Prior art keywords
- gap
- bars
- grate
- image
- grate bars
- 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
- 238000005245 sintering Methods 0.000 title claims abstract description 67
- 238000001514 detection method Methods 0.000 title abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000007781 pre-processing Methods 0.000 claims abstract description 31
- 239000012634 fragment Substances 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 9
- 238000003860 storage Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000035699 permeability Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
- F27B21/00—Open or uncovered sintering apparatus; Other heat-treatment apparatus of like construction
- F27B21/02—Sintering grates or tables
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
- F27D21/02—Observation or illuminating devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
- F27D2021/0057—Security or safety devices, e.g. for protection against heat, noise, pollution or too much duress; Ergonomic aspects
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27M—INDEXING SCHEME RELATING TO ASPECTS OF THE CHARGES OR FURNACES, KILNS, OVENS OR RETORTS
- F27M2003/00—Type of treatment of the charge
- F27M2003/04—Sintering
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种烧结机的台车箅条间距检测方法,包括如下步骤:获取烧结机的台车上所有排箅条的初始完整图像;对所有排箅条,得到二值化后的箅条图像;对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像;基于所述间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段间隙图像片段,每排箅条区域截取两个或多个间隙图像片段;基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到每个间隙片段中箅条的间距值,基于该距离值对箅条故障进行诊断。该方法能够非常方便精确地检测出箅条的间距和箅条数量情况,进而掌握箅条的间距和数量情况,进行故障诊断等及采取相应的维修措施。
Description
技术领域
本申请涉及烧结机技术领域,特别涉及一种烧结机的台车箅条间距检测方法及系统。
背景技术
烧结是将各种粉状含铁原料配入适量的燃料、溶剂和水经过混合和造球后再烧结设备上使物料发生一系列物理化学变化,将矿粉颗粒粘结成块的过程。烧结作业是烧结生产的中心环节,它包括布料、点火和烧结等主要工序,烧结作业中的关键设备就是烧结机。请参考图1,图1为现有技术中一种烧结机的结构示意图。
如图1所示,烧结机包括台车101、炉缸层物料仓102、烧结混料仓103、点火炉104、头部星轮105、尾部星轮106、烧结矿破碎机107、风箱108及抽风机109等。带式烧结机是由头尾星轮带动的装有混合料的台车并配有点火、抽风装置的烧结机械装备。台车是首尾相连在封闭的轨道上连续运行的,如图1中上下两层的轨道上铺满了台车,一个烧结机包含上百个台车。含铁混合料通过给料装置下料到台车上后,点火装置将表面物料点燃,台车底部下方有一系列风箱,风箱一端为大型抽风机,通过抽风使台车装满的物料从表面向台车底部逐渐燃烧。
在台车上铺设有箅条。烧结机箅条作为台车的重要组成部件,箅条出现故障后可能导致漏料、透气性不佳等情况,因此其状态的好坏直接影响烧结的生产的正常运行和烧结质量的好坏。箅条就是固定在台车横梁上,用来承载物料并保证烧结反应的透气性。由于烧结台车是24h不间断运行,在矿物重量、抽风负压以及反复高温作用下,箅条容易损坏,箅条损坏后导致的不利影响有:
第一、箅条缺失。箅条断裂脱落后,会增加单排箅条的间隙宽度,当间隙过大时烧结混合料会从间隙孔中落入烟道,使料面形成“老鼠洞”。当箅条没有发生缺失,但是箅条由于工作磨损间距过大时,也会发生同样的问题。
2)箅条倾斜。箅条倾斜程度受箅条磨损和缺失的影响,当箅条倾斜过度时,箅条将无法卡在台车本体上,形成大面积脱落。
3)箅条间隙糊堵。烧结矿料堵塞在箅条间隙,大面积堵塞使得烧结反应的透气性变差,影响烧结矿质量。
发明内容
本申请要解决的技术问题为提供一种烧结机的台车箅条间距检测方法,该方法能够非常方便精确地检测出箅条的间距,进而掌握箅条的间距情况,并且能够定位到间距过大的的箅条位置,进而进行故障诊断等及采取相应的维修措施。此外,该方法能够非常方便精确地检测出箅条的总数,进而掌握箅条的缺失情况,并且能够定位到箅条的缺失位置,同时根据箅条缺失情况进行故障诊断等及采取相应的维修措施。再者,本申请另一个要解决的技术问题为提供一种烧结机的台车箅条间距检测系统。
为解决上述技术问题,本申请提供一种烧结机的台车箅条间距检测方法,用于检测烧结机的台车上所有排箅条的间距,包括如下步骤:
获取烧结机的台车上所有排箅条的初始完整图像;
对所有排箅条的初始完整图像进行第一次图像预处理,得到二值化后的箅条图像;
对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像;
基于所述间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段间隙图像片段,每排箅条区域截取两个或多个间隙图像片段;
在所述间隙图像片段中,计算箅条相邻间隙区域的面积;
基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到每个间隙片段中箅条的间距值,基于该距离值对箅条故障进行诊断。
可选的,所述在所述间隙图像片段中,计算箅条相邻间隙区域的面积的过程,包括:
计算出所有的箅条相邻区域的面积,并得出箅条间隙面积的平均值;
基于得到的箅条间隙面积的平均值与所述预设高度的比值,得到箅条的间距值。
可选的,所述在所述间隙图像片段中,计算箅条相邻间隙区域的面积的过程,包括:
采用边缘检测算法,检测获取所述理想间隙图像片段中箅条间隙的轮廓,并计算出每个轮廓的面积,得到轮廓面积向量:
l_area=[l1,l2,...,ln];
已知所述间隙图像片段的高度为所述预设高度h,将面积除以所述预设高度得出相邻箅条的间距值:
。
可选的,所述检测方法还包括:
通过矩阵方式存储所有的箅条的间距值,并且矩阵中的每个间距值的位置与图像中的箅条间隙的位置一一对应。
可选的,所述检测方法还包括:
箅条的排数有三排,计算出每一排中箅条的所有的间距值,并采用如下矩阵公式存储间距值:
其中,n代表每一排箅条的数量。
可选的,所述检测方法还包括:
每一排箅条的根数的数量等于该排间隙数量+1,则具有如下公式:
num1=n1+1
num2=n2+1
num3=n3+1
箅条的根数存储为:N=[num1,num2,num3]。
可选的,所述检测方法还包括:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当num1=N定时,
并当Max(J1)<δ1,不发出报警信号;
δ1=<Max(J1)<δ2,发出轻量级报警信号;
Max(J1)>=δ2,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
可选的,所述检测方法还包括:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当N定-num1=<2时,
并当Max(J1)<δ1,不发出报警信号;
δ1=<Max(J1)<δ2,发出轻量级报警信号;
Max(J1)>=δ2,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
可选的,所述检测方法还包括:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当2<N定-num1=<4时,
并当Max(J1)<δ1,发出轻量级报警信号;
δ1=<Max(J1)<δ2,发出第一重量级报警信号;
Max(J1)>=δ2,发出第二重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
可选的,所述检测方法还包括:
当N定-num1>4时,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
可选的,所述对所有排箅条的初始完整图像进行第一次图像预处理,得到所有排箅条的二值图像的过程,包括:
对所述初始完整图像进行灰度转换;
对经过灰度转换后的图像进行二值转换;
将得到的经过二值转换后的图像进行取反操作,得到所有排箅条的二值图,此时,图像中黑色区域为箅条区域和糊堵区域,白色区域为箅条间隙区域。
可选的,所述对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像的过程,包括:
对得到的所述箅条二值图像进行直线拟合,得到过箅条边缘轮廓的所有直线,对直线进行筛选,剔除箅条短边拟合的直线;
建立一个全部为黑色的图像,并大小与所述箅条原图大小相同;
根据保留的所有直线参数,在黑色图像汇总采用白色将直线进行绘制,并使得绘制的直线的宽度等于箅条间隙的宽度,该宽度可根据相邻两箅条边缘轮廓拟合的直线之间的距离进行确定。
此外,为解决上述技术问题,本申请还提供、一种烧结机的台车箅条间距检测系统,用于检测烧结机的台车上所有排箅条的间距,其特征在于,包括:
获取单元,用于获取烧结机的台车上所有排箅条的初始完整图像;
第一预处理单元,用于对所有排箅条的初始完整图像进行第一次图像预处理,得到所有排箅条的实际间隙图像;
第二预处理单元,用于对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的理想间隙图像;
截取单元,用于基于所述理想间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段理想间隙图像片段;
第一计算单元,用于在所述理想间隙图像片段中,计算箅条相邻间隙区域的面积;
第二计算单元,用于基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到箅条的间距值。
在一种实施例中,本申请所提供的一种烧结机的台车箅条间距检测方法,用于检测烧结机的台车上所有排箅条的间距,包括如下步骤:获取烧结机的台车上所有排箅条的初始完整图像;对所有排箅条的初始完整图像进行第一次图像预处理,得到二值化后的箅条图像;对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像;基于所述间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段间隙图像片段,每排箅条区域截取两个或多个间隙图像片段;在所述间隙图像片段中,计算箅条相邻间隙区域的面积;基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到每个间隙片段中箅条的间距值,基于该距离值对箅条故障进行诊断。该方法能够非常方便精确地检测出箅条的间距,进而掌握箅条的间距情况,并且能够定位到间距过大的的箅条位置,进而进行故障诊断等及采取相应的维修措施。
此外,该方法能够非常方便精确地检测出箅条的总数,进而掌握箅条的缺失情况,并且能够定位到箅条的缺失位置,同时根据箅条缺失情况进行故障诊断等及采取相应的维修措施。
附图说明
图1为现有技术中一种烧结机的结构示意图;
图2为本申请一种实施例中烧结机的台车箅条间距检测方法的功能框图;
图3为本申请中烧结机的部分结构示意图;
图3-1为本申请一种实施例中烧结机的台车箅条间距检测方法的逻辑流程图;
图4为本申请一种实施例中烧结机的台车箅条间距方法中获取的箅条的初始完整图像的示意图;
图5为对图4中的图像进行二值化处理后得到的二值化图像;
图6为对图5中的图像进行处理后得到的mask图像;
图7为对图6中的图像截取一段间隙图像片段的图像示意图;
图8为箅条间隙情况示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型.
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行清楚、完整地描述,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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的系统功能结构请参考图2,图2为本申请一种实施例中烧结机的台车箅条间距检测方法的功能框图。
如图2所述,功能模块包括图像采集装置、数据与模型存储、图像获取、参数输出、特征参数计算、智能诊断模型、状态输出等。其中,其中图像采集装置将采集的图像进行预处理,并存储到数据与模型存储模块中。数据与模型存储输出箅条图像到图像获取模块中,输出特征参数到参数获取模块中。特征参数计算模型中的参数也会存储到数据与模型存储模块中。
图像采集装置具体可以参照图3,图3为本申请中烧结机的部分结构示意图。
(1)图像采集装置
本发明在机头上层检修平台位置安装一套图像采集装置,结构如图3所示,包括相机201、光源202和安装支架,用来采集台车203上的箅条的图像。根据视野大小、镜头参数、相机参数等,选择合适的一台或多台相机采集。图3中为采用两台相机同步获取箅条图像的示例。
(2)图像获取:
本装置采用的两台相机同步获取图像,每台相机分左右两侧,各负责一部分区域,相机视场区域有一定重合,用于图像拼接,采用图像拼接算法,如SIFT、SURF等拼接算分,将左右两侧图片合并成台车底部完整的箅条图像。得到的图像,请参考图4,图4为本申请一种实施例中烧结机的台车箅条间距检测方法中获取的箅条的初始完整图像的示意图;
获取的图像数据存储系统中管理。
(3)特征参数计算模型:
由图4可知,每台台车底部有三排箅条,箅条为长条形结构,紧密排列在台车本体上,相邻箅条之间有一点间隙,获取的图像中间隙区域和箅条本体区域特征不同,为此本申请中提出了基于外轮廓的方式将每根箅条区域提取出来,根据外轮廓数量得到每排箅条的根数。
该模型用于计算出箅条图像中每排箅条的根数,其处理过程为:
1、灰度转换、二值转化,得到箅条的二值化图像,得到的二值化图像其中白色区域为箅条间隙区域,黑色区域为箅条区域和糊堵区域。二值化处理能减少光照不均匀对外轮廓提取的干扰,得到的二值化图像具体参考图5,图5为对图4中的图像进行二值化处理后得到的二值化图像。如图5和图4的对比,图5中箅条和间隙之间的对比更明显。
下边对本申请中的灰度变换做出具体介绍。
灰度变换:此处灰度变换是将相机获取的图像转换为灰度图像,如采用的是彩色相机,此时获取的图像一个像素有红、绿、蓝三个颜色分量表示,是一个三通道图像(R、G、B),通过灰度转换后,每个像素由一个灰度值表示,其取值范围为[0~255],变为单通道图像。转换的方法有:
1):平均法——将同一个像素位置3个通道RGB值进行平均
l(x,y)=1/3*l_R(x,y)+1/3*l_G(x,y)+1/3*l_B(x,y)
2)最大最小平均法——取同一个像素位置的RGB中亮度最大的和最小的进行平均
l(x,y)=0.5*max(l_R(x,y),l_G(x,y),l_B(x,y))+0.5*min(l_R(x,y),l_G(x,y),l_B(x,y))
3)加权平均法——每个颜色通道前的权重值不相同,如0.3*R+0.59*G+0.11*B。
需要说明是,以上灰度变换方法仅是一种举例,显然,其他灰度变换方法也能实现本申请的目的,也应该在本申请保护范围之内。
下边对本申请的二值处理作出具体介绍:
灰度图像取值为0~255之间,而二值图像也可称为黑白图像,其取值0表示黑色、255表示白色,进行二值转换时一般设定一个阈值T,当某像素点灰度值大于T时,设定该像素点的值为255,当小于T时,设定为0。
同上,需要说明是,以上二值处理方法仅是一种举例,显然,其他二值处理方法也能实现本申请的目的,也应该在本申请保护范围之内。
在完成上述灰度变换和二值转化后,需要再进行如下步骤:
具体请参考图6,图6为对图5中的图像进行处理后得到的mask图像。
2、箅条间隙区域提取:求糊堵占比首先要将箅条间隙区域全部提取出来。间隙区域的提取首先通过边缘提取或直线拟合的方法,找到箅条边缘区域,然后通过拟合的直线根据边缘长度将间隙区域填充,用于填充的直线需要另外绘制在相同尺寸的黑色画布上,得到一个mask图像,该mask代表箅条所有的间隙区域,如图6所示。
在上述方案中,可以直线拟合做出介绍,说明如下:
霍夫直线拟合就是把图像空间中的直线变换到参数空间中的点,通过统计特性来解决检测问题,如下图所示:笛卡尔坐标系中有三个坐标点,找拟合三点的直线,可以转换到找参数空间(斜率和截距空间)中直线的交际点,笛卡尔坐标中的一个点转换到参数空间中则为一条直线,交点直线数量越多,则该交点代表的参数值(k,q)在笛卡尔中代表的直线,为最三点的直线。
由于过三点的直线垂直x轴时,转到参数空间后,为平行的三条直线,因此后来一般采用极坐标的方式作为参数空间。
在图像空间中检测直线的问题转化为在极坐标参数空间中找通过点(r,θ)的最多正弦曲线数的问题。
使用霍夫变换检测直线的一般其步骤可以为:
1)彩色图像转换为灰度图像
2)去噪
3)边缘提取
4)二值化
5)映射到霍夫空间
6)取局部极大值,设定阈值,过滤干扰直线
7)绘制直线,标定角点
在本申请中,其处理流程与上述有一定区别。在进行霍夫直线检测检测时,只需将处理好的二值图像作为参数输入,输出可以得到每个直线的两个端点值(x1,y1,x2,y2),其中(x1,y1)表示线段的起点,(x2,y2)表示线段的终点。
此外,对于图6中的mask图像,具体通过如下步骤获得:
1)经过灰度转换、二值转换,对图像进行霍夫直线检测;
2)建立一个纯黑的图片,其大小与原图大小一致;
3)根据检测的直线参数,在纯黑的图片中采用白色对图像进行绘制,控制绘制直线的粗细,使直线的宽度接近间隙宽度,则可以得到图示6中的mask图。
从图5中可以看出,原图的间隙中由存在物料堵塞,则会有黑色区域,而图6中的mask区域则没有。
需要说明的是,绘制的直线宽度近似等于间隙宽度(本申请采用的方法比较简单,可以减少程序复杂度),不考虑计算复杂度情况也可以考虑,利用相邻两直线的间距,将两个直线之间的黑色像素全转换为白色像素。
完成箅条间隙区域提取后,还需要进行如下步骤:
请参考图7和图8,图7为对图6中的图像截取一段间隙图像片段的图像示意图;图8为箅条间隙情况示意图。
3、间隙距离计算:将mask图像划分为上、中、下三个区域,分别包含一排箅条范围,用mask′1,mask'2,mask′3表示。
在子区域mask'中,在提取多个更小的目标区域,如图8所示,如一个mask'中提取2个目标区域。
采用边缘检测算法,检测目标区域内的轮廓,并计算出每个轮廓的面积得到轮廓面积向量:l_area=[l1,l2,...,ln]。
已知目标区域图像高度为h,将面积除以图像高度得到的值可近似认为为相邻箅条的间距值:
每排箅条计算了两个距离值,J1和J2,用其平均值代表相邻箅条的距离,出现如图8所示情况时,图中倾斜箅条上端和下端距离不一致,平均值能在一定程度提高距离的代表性。
以上便是参数计算模型的四个步骤。完成参数计算模型后,然后进入如下阶段:
(4)参数存储
计算的参数根据区域分布位置,以矩阵的方式存储,得到一张图像的间距矩阵:
其中n表示一排箅条间隙的数量,其设置值为箅条根数或大于箅条根数,由于缺失,每排箅条间隙数量可能不一致,因此初始化J_total为全-1矩阵,检测的结果从1到n按顺序存储。
在完成参数存储后,便进行到诊断步骤了,具体如下:
新装台车,默认每个相邻箅条间隙距离相同,如初始值都为8mm。相邻箅条之间间距过大时,说明该位置存在箅条脱落。
已使用过一段时间的箅条,可能存在磨损,导致无缺失时箅条间隙也变大。因此虽可用于诊断箅条故障,但无法明确是缺失或磨损导致。
计算得到每排的总间隙距离值:sum(J1),sum(J2),sum(J3)和每排的最大间隙值:max(J1)、max(J2)、max(J3)。总间距值极限阈值为δ1,最大间距极限阈值为δ2
对于每排箅条诊断规则可以为:
以上是单纯针对间距进行检测判断的实施例。下边就结合箅条个数如何进行检测判断做出说明。
根据图像处理方法,会计算出每排相邻箅条的间距,间距按对应位置以矩阵的方式存储:间距:J_num=[J1,J2,J3]T
其中J1,J2,J3为向量,分别存储检测得到的第一行,第二行,第三行箅条的间距值。
矩阵列数大于等于箅条根数,其初始值为0,检测得到相邻箅条的间距值后,按前后位置和箅条排数存入间距矩阵中J_num。间距值不可能小于0,而箅条缺失会导致每排箅条间距数量不一致,因此0作为该排箅条间距的结束值。
此时计算箅条的根数:
箅条的根数=间隙根数+1,因此可以计算出每排箅条的根数为:
num1=n1+1
num2=n2+1
num3=n3+1
箅条根数存储:N=[num1,num2,num3]
然后结合进行诊断:
新装台车,默认每个相邻箅条间隙距离相同,如初始值都为8mm。相邻箅条之间间距过大时,说明该位置存在箅条脱落。
由于同一排的箅条在台车横梁上是可以移动的,因此箅条发生缺失后,该位置的间距可能被均摊在相邻的若干箅条的间隙中,导致箅条故障无法及时检测出来。因此,可结合间隙数量变化来判断箅条状态。
第一排箅条数量num1为J1中非零数值的数量,同样,第二排箅条间隙数量num2为J2中非零数值的数量;第三排箅条间隙数量num3为J3中非零数值的数量。间隙阈值分为两级,δ1和δ2,其中δ1<δ2。初始运行时,设定每个台车每排箅条的根数N定。
以第一排箅条诊断为例:
第二、三排的诊断方式同上。
检测出故障后,根据间距存储矩阵可以定位出故障位置,指导点检人员进行维修。就结合箅条间距及根数的检测判断,针对以上图表做出解释说明:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当num1=N定时,
并当Max(J1)<δ1,不发出报警信号;
δ1=<Max(J1)<δ2,发出轻量级报警信号;
Max(J1)>=δ2,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
当N定-num1=<2时,
并当Max(J1)<δ1,不发出报警信号;
δ1=<Max(J1)<δ2,发出轻量级报警信号;
Max(J1)>=δ2,发出重量级报警信号。
当2<N定-num1=<4时,
并当Max(J1)<δ1,发出轻量级报警信号;
δ1=<Max(J1)<δ2,发出第一重量级报警信号;
Max(J1)>=δ2,发出第二重量级报警信号。
当N定-num1>4时,发出重量级报警信号。
以上便是本申请在场景中的技术方案介绍。针对该具体的技术方案,本申请还做如下介绍。
请参考图3-1,图3-1为本申请一种实施例中烧结机的台车箅条间距检测方法的逻辑流程图。
在一种实施例中,如图3-1所示,一种烧结机的台车箅条间距检测方法,用于检测烧结机的台车上所有排箅条的间距,包括如下步骤:
步骤S101:获取烧结机的台车上所有排箅条的初始完整图像;
步骤S102:对所有排箅条的初始完整图像进行第一次图像预处理,得到二值化后的箅条图像;
步骤S103:对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像;
步骤S104:基于所述间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段间隙图像片段,每排箅条区域截取两个或多个间隙图像片段;
步骤S105:在所述间隙图像片段中,计算箅条相邻间隙区域的面积;
步骤S106:基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到每个间隙片段中箅条的间距值,基于该距离值对箅条故障进行诊断。
该方法能够非常方便精确地检测出箅条的间距,进而掌握箅条的间距情况,并且能够定位到间距过大的的箅条位置,进而进行故障诊断等及采取相应的维修措施。
在上述实施例中,在步骤S105中,在所述间隙图像片段中,计算箅条相邻间隙区域的面积;
包括:
计算出所有的箅条相邻区域的面积,并得出箅条间隙面积的平均值;
基于得到的箅条间隙面积的平均值与所述预设高度的比值,得到箅条的间距值。
进一步的,还可以做出如下设计:
,所述在所述间隙图像片段中,计算箅条相邻间隙区域的面积的过程,包括:
采用边缘检测算法,检测获取所述理想间隙图像片段中箅条间隙的轮廓,并计算出每个轮廓的面积,得到轮廓面积向量:
l_area=[l1,l2,...,ln];
已知所述间隙图像片段的高度为所述预设高度h,将面积除以所述预设高度得出相邻箅条的间距值:
此外,在上述实施例中,还可以做出进一步改进。
比如,所述检测方法还包括:
通过矩阵方式存储所有的箅条的间距值,并且矩阵中的每个间距值的位置与图像中的箅条间隙的位置一一对应。
箅条的排数有三排,计算出每一排中箅条的所有的间距值,并采用如下矩阵公式存储间距值:
其中,n代表每一排箅条的数量。
再者,在上述检测方法中,还可以做出做出进一步改进。比如,所述检测方法还包括:
在每一排箅条中,计算出箅条间距值的总和:sum(J1);
在每一排箅条中,计算出箅条间距值的最大值:max(J1);
设置总间距阈值为δ1,最大间距阈值为δ2;
当sum(J1)<δ1,并max(J1)<δ2时,不发出报警信号;
当sum(J1)>=δ1,并max(J1)<δ2时,发出轻量级报警信号;
当max(J1)>δ2时,发出重量级报警信号。
在上述实施例中,还可以对图像预处理的具体过程做出介绍。
所述对所有排箅条的初始完整图像进行第一次图像预处理,得到所有排箅条的二值图像的过程,包括:
对所述初始完整图像进行灰度转换;
对经过灰度转换后的图像进行二值转换;
将得到的经过二值转换后的图像进行取反操作,得到所有排箅条的二值图像,其中,图像中黑色区域为箅条区域和糊堵区域,白色区域为箅条间隙区域。
得到的二值化图像如图5所示。
进一步的,所述对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像的过程,包括:
对得到的所述二值图像进行直线拟合,得到过箅条边缘轮廓的所有直线,对直线进行筛选,剔除箅条短边拟合的直线;
建立一个全部为黑色的图像,并大小与所述箅条原图大小相同;
根据保留的所有直线参数,在黑色图像汇总采用白色将直线进行绘制,并使得绘制的直线的宽度等于箅条间隙的宽度,该宽度可根据相邻两箅条边缘轮廓拟合的直线之间的距离进行确定。
得到的mask图像如图6所示。
除了上述方法实施例,本申请还提供对应的装置实施例。
一种烧结机的台车箅条间距检测系统,用于检测烧结机的台车上所有排箅条的间距,包括:
获取单元,用于获取烧结机的台车上所有排箅条的初始完整图像;
第一预处理单元,用于对所有排箅条的初始完整图像进行第一次图像预处理,得到所有排箅条的实际间隙图像;
第二预处理单元,用于对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的理想间隙图像;
截取单元,用于基于所述理想间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段理想间隙图像片段;
第一计算单元,用于在所述理想间隙图像片段中,计算箅条相邻间隙区域的面积;
第二计算单元,用于基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到箅条的间距值。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等,意味着结合该实施例描述的具体特征、部件或特性包括在至少一个实施例中。因此,本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外,在一个或多个实施例中,具体特征、部件或特性可以任何合适的方式进行组合。因此,在无限制的情形下,结合一个实施例示出或描述的具体特征、部件或特性可全部或部分地与一个或多个其他实施例的特征、部件或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“终端”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种烧结机的台车箅条间距检测方法,用于检测烧结机的台车上所有排箅条的间距,其特征在于,包括如下步骤:
获取烧结机的台车上所有排箅条的初始完整图像;
对所有排箅条的初始完整图像进行第一次图像预处理,得到二值化后的箅条图像;
对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像;
基于所述间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段间隙图像片段,每排箅条区域截取两个或多个间隙图像片段;
在所述间隙图像片段中,计算箅条相邻间隙区域的面积;
基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到每个间隙片段中箅条的间距值,基于该间距值对箅条故障进行诊断;
其中,所述对所有排箅条的初始完整图像进行第一次图像预处理,得到所有排箅条的二值图像的过程,包括:
对所述初始完整图像进行灰度转换;
对经过灰度转换后的图像进行二值转换;
将得到的经过二值转换后的图像进行取反操作,得到所有排箅条的二值图,此时,图像中黑色区域为箅条区域和糊堵区域,白色区域为箅条间隙区域;
所述对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的间隙图像的过程,包括:
对得到的所述箅条二值图像进行直线拟合,得到过箅条边缘轮廓的所有直线,对直线进行筛选,剔除箅条短边拟合的直线;
建立一个全部为黑色的图像,并大小与所述箅条原图大小相同;
根据保留的所有直线参数,在黑色图像汇总采用白色将直线进行绘制,并使得绘制的直线的宽度等于箅条间隙的宽度,该宽度可根据相邻两箅条边缘轮廓拟合的直线之间的距离进行确定。
2.如权利要求1所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述在所述间隙图像片段中,计算箅条相邻间隙区域的面积的过程,包括:
计算出所有的箅条相邻区域的面积,并得出箅条间隙面积的平均值;
基于得到的箅条间隙面积的平均值与所述预设高度的比值,得到箅条的间距值。
3.如权利要求1所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述在所述间隙图像片段中,计算箅条相邻间隙区域的面积的过程,包括:
采用边缘检测算法,检测获取所述间隙图像片段中箅条间隙的轮廓,并计算出每个轮廓的面积,得到轮廓面积向量:
l_area=[l1,l2,...,ln];
已知所述间隙图像片段的高度为所述预设高度h,将面积除以所述预设高度得出相邻箅条的间距值:
J=[j1,j2,...,jn],
4.如权利要求3所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
通过矩阵方式存储所有的箅条的间距值,并且矩阵中的每个间距值的位置与图像中的箅条间隙的位置一一对应。
5.如权利要求4所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
箅条的排数有三排,计算出每一排中箅条的所有的间距值,并采用如下矩阵公式存储间距值:
其中,n代表每一排箅条的数量。
6.如权利要求5所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
每一排箅条的根数的数量等于该排间隙数量+1,则具有如下公式:
num1=n1+1
num2=n2+1
num3=n3+1
箅条的根数存储为:N=[num1,num2,num3]。
7.如权利要求6所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当num1=N定时,
并当Max(J1)<δ1,不发出报警信号;
δ1=<Max(J1)<δ2,发出轻量级报警信号;
Max(J1)>=δ2,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
8.如权利要求6所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当N定-num1=<2时,
并当Max(J1)<δ1,不发出报警信号;
δ1=<Max(J1)<δ2,发出轻量级报警信号;
Max(J1)>=δ2,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
9.如权利要求6所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
设定δ1代表第一间隙阈值,δ2代表第二间隙阈值,并且δ1<δ2;
当2<N定-num1=<4时,
并当Max(J1)<δ1,发出轻量级报警信号;
δ1=<Max(J1)<δ2,发出第一重量级报警信号;
Max(J1)>=δ2,发出第二重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
10.如权利要求6所述的一种烧结机的台车箅条间距检测方法,其特征在于,所述检测方法还包括:
当N定-num1>4时,发出重量级报警信号;
其中,N定代表每一排箅条的设定的标准数量值。
11.一种烧结机的台车箅条间距检测系统,用于检测烧结机的台车上所有排箅条的间距,其特征在于,包括:
获取单元,用于获取烧结机的台车上所有排箅条的初始完整图像;
第一预处理单元,用于对所有排箅条的初始完整图像进行第一次图像预处理,得到所有排箅条的实际间隙图像;
第二预处理单元,用于对所有排箅条的实际间隙图像进行第二次图像预处理,得到所有排箅条的理想间隙图像;
截取单元,用于基于所述理想间隙图像,在沿着垂直于箅条的方向上,基于预设高度,截取一段理想间隙图像片段;
第一计算单元,用于在所述理想间隙图像片段中,计算箅条相邻间隙区域的面积;
第二计算单元,用于基于得到的箅条相邻间隙区域的面积与所述预设高度的比值,得到箅条的间距值;
所述第一预处理单元被进一步配置为:
对所述初始完整图像进行灰度转换;
对经过灰度转换后的图像进行二值转换;
将得到的经过二值转换后的图像进行取反操作,得到所有排箅条的二值图,此时,图像中黑色区域为箅条区域和糊堵区域,白色区域为箅条间隙区域;
所述第二预处理单元被进一步配置为:
对得到的所述箅条二值图像进行直线拟合,得到过箅条边缘轮廓的所有直线,对直线进行筛选,剔除箅条短边拟合的直线;
建立一个全部为黑色的图像,并大小与所述箅条原图大小相同;
根据保留的所有直线参数,在黑色图像汇总采用白色将直线进行绘制,并使得绘制的直线的宽度等于箅条间隙的宽度,该宽度可根据相邻两箅条边缘轮廓拟合的直线之间的距离进行确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010176621.0A CN111223095B (zh) | 2020-03-13 | 2020-03-13 | 一种烧结机的台车箅条间距检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010176621.0A CN111223095B (zh) | 2020-03-13 | 2020-03-13 | 一种烧结机的台车箅条间距检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111223095A CN111223095A (zh) | 2020-06-02 |
CN111223095B true CN111223095B (zh) | 2024-03-12 |
Family
ID=70826911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010176621.0A Active CN111223095B (zh) | 2020-03-13 | 2020-03-13 | 一种烧结机的台车箅条间距检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111223095B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477009A (zh) * | 2009-01-21 | 2009-07-08 | 哈尔滨工业大学 | 测试碳纤维增强碳材料的纤维束和基体间界面强度的方法 |
CN104732531A (zh) * | 2015-03-11 | 2015-06-24 | 中国空间技术研究院 | 一种高分辨率遥感图像信噪比曲线自适应获取方法 |
CN104766078A (zh) * | 2015-04-02 | 2015-07-08 | 四川九洲电器集团有限责任公司 | 目标图像的倾斜角检测方法及倾斜角检测设备 |
CN107451999A (zh) * | 2017-08-16 | 2017-12-08 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
CN107764059A (zh) * | 2017-11-24 | 2018-03-06 | 韩家忠 | 烧结箅条及具有其的烧结机 |
CN108665443A (zh) * | 2018-04-11 | 2018-10-16 | 中国石油大学(北京) | 一种机械设备故障的红外图像敏感区域提取方法及装置 |
CN109724528A (zh) * | 2017-10-30 | 2019-05-07 | 中冶长天国际工程有限责任公司 | 一种烧结机台车的篦条堵塞程度的确定方法及装置 |
CN110111303A (zh) * | 2019-04-04 | 2019-08-09 | 上海大学 | 一种基于动态图像的大型运载皮带撕裂故障智能检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4934099B2 (ja) * | 2008-05-22 | 2012-05-16 | 信越化学工業株式会社 | ペリクルおよびペリクルの製造方法 |
-
2020
- 2020-03-13 CN CN202010176621.0A patent/CN111223095B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477009A (zh) * | 2009-01-21 | 2009-07-08 | 哈尔滨工业大学 | 测试碳纤维增强碳材料的纤维束和基体间界面强度的方法 |
CN104732531A (zh) * | 2015-03-11 | 2015-06-24 | 中国空间技术研究院 | 一种高分辨率遥感图像信噪比曲线自适应获取方法 |
CN104766078A (zh) * | 2015-04-02 | 2015-07-08 | 四川九洲电器集团有限责任公司 | 目标图像的倾斜角检测方法及倾斜角检测设备 |
CN107451999A (zh) * | 2017-08-16 | 2017-12-08 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
CN109724528A (zh) * | 2017-10-30 | 2019-05-07 | 中冶长天国际工程有限责任公司 | 一种烧结机台车的篦条堵塞程度的确定方法及装置 |
CN107764059A (zh) * | 2017-11-24 | 2018-03-06 | 韩家忠 | 烧结箅条及具有其的烧结机 |
CN108665443A (zh) * | 2018-04-11 | 2018-10-16 | 中国石油大学(北京) | 一种机械设备故障的红外图像敏感区域提取方法及装置 |
CN110111303A (zh) * | 2019-04-04 | 2019-08-09 | 上海大学 | 一种基于动态图像的大型运载皮带撕裂故障智能检测方法 |
Non-Patent Citations (1)
Title |
---|
带式烧结机台车篦条有限元分析;王会刚 等;《机械设计与制造》;20090408(第04期);第39-41页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111223095A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223094B (zh) | 一种烧结机的台车箅条间距检测方法及系统 | |
US8253828B2 (en) | Image capture device including edge direction determination unit, and image processing method for the same | |
US7771776B2 (en) | Apparatus and method for inspecting golf balls using spectral analysis | |
CN101272503B (zh) | 一种保持图像清晰度的网格噪声消除方法及其装置 | |
CN111476712B (zh) | 一种烧结机的台车箅条图像的摄取及检测方法、系统 | |
CN111223098B (zh) | 一种烧结机的台车箅条倾斜角检测方法及系统 | |
CN102730535B (zh) | 包括钢绳的移送机构用长条构件的检查装置及检查方法 | |
CN107613229A (zh) | 一种图像传感器坏点检测校正装置及方法 | |
CN110570422B (zh) | 一种基于矩阵分析的胶囊缺陷视觉检测方法 | |
CN108190774B (zh) | 一种基于投影的排绳故障检测方法及其装置 | |
CN110660060B (zh) | Oled屏幕混色缺陷检测方法、终端设备及计算机可读介质 | |
WO2021054200A1 (ja) | 印刷物検査装置、印刷物検査方法、プログラム及び印刷装置 | |
CN111223095B (zh) | 一种烧结机的台车箅条间距检测方法及系统 | |
CN111223097B (zh) | 一种烧结机的台车箅条糊堵度检测方法及系统 | |
CN111223096B (zh) | 一种烧结机的台车箅条糊堵度检测方法及系统 | |
CN111415337B (zh) | 一种烧结机的台车箅条倾斜角检测方法及系统 | |
CN102328871B (zh) | 乘客传送设备的扶手检查装置和乘客传送设备的维修方法 | |
CN112365435B (zh) | 一种图像坏点检测及基于边缘修复算法 | |
CN111222510B (zh) | 一种烧结机的台车箅条图像摄取方法及系统 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
CN114079735B (zh) | 固定图像噪声的影像补偿系统 | |
JP2007205873A (ja) | 塗膜形成ムラ検査装置 | |
CN111340830A (zh) | 一种烧结机的台车箅条总数检测方法及系统 | |
CN214173650U (zh) | 基于智能视觉的酒糟自动上料装置 | |
JP2007017319A (ja) | 塗布ムラ検査装置 |
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 |