CN111415337A - 一种烧结机的台车箅条倾斜角检测方法及系统 - Google Patents
一种烧结机的台车箅条倾斜角检测方法及系统 Download PDFInfo
- Publication number
- CN111415337A CN111415337A CN202010176408.XA CN202010176408A CN111415337A CN 111415337 A CN111415337 A CN 111415337A CN 202010176408 A CN202010176408 A CN 202010176408A CN 111415337 A CN111415337 A CN 111415337A
- Authority
- CN
- China
- Prior art keywords
- grate
- image
- grate bars
- slope
- images
- 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.)
- Granted
Links
- 238000005245 sintering Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000007781 pre-processing Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 101100491335 Caenorhabditis elegans mat-2 gene Proteins 0.000 description 1
- 244000181917 Rubus leucodermis Species 0.000 description 1
- 235000011036 Rubus leucodermis Nutrition 0.000 description 1
- 235000003942 Rubus occidentalis Nutrition 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005453 pelletization Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000012256 powdered iron Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
-
- 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
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倾斜角检测方法，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；对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边缘直线清晰的图像；对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条的边缘直线清晰的图像；针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。该方法能够非常方便精确的检测出箅条的倾斜角，掌握箅条的倾斜情况，并且能够定位倾斜角过大的箅条位置，进而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倾斜角检测方法及系统。
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”。
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倾斜角检测方法，该方法能够非 常方便精确的检测出箅条的倾斜角，掌握箅条的倾斜情况，并且能够定位倾斜角过大的箅条 位置，进而进行故障诊断等及采取相应的维修措施。此外，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倾斜角检测系统。
为解决上述技术问题，本申请提供的一种烧结机的台车箅条倾斜角检测方法，用于检测 烧结机的台车上的箅条的倾斜角，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图像预处理，得到所有排箅条的边缘直线清晰的图像；
对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条的边 缘直线清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成的边缘直线图像 的集合；
针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；
当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。
可选的，所述针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率的过程，包 括：
针对一个箅条形成的边缘直线图像，采用直线拟合算法，得到该箅条的边缘直线：yi＝kixi+bi上的两个端点的坐标：pi1(xi1,yi1)、pi2(xi2,yi2)，此时i表示当前排箅条中第 i个箅条对应的拟合直线；
通过如下公式计算该箅条的边缘直线的斜率的绝对值：
将ki大于或等于1的斜率对应的边缘直线选出，得到对应的边缘直线的斜率。
可选的，所述检测方法还包括：以x11作为第一个箅条的拟合直线对应的横坐标，保留相邻间隔 Δx＝xi2-xi1大于设定间隔阈值的拟合直线，从而得到该排箅条的斜率向量Ki，此时i表示箅条的排数。
可选的，所述检测方法还包括：
计算出每一排箅条的斜率向量，按照如下矩阵公式，将每一个箅条的斜率对应存储：
其中，
ni表示 第i排箅条检测出来的箅条斜率数。
可选的，所述当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警的过程，包括：
在所述矩阵中，获取每一行的斜率最大值，当斜率最大值大于或等于所述斜率阈值时， 予以报警，并根据所述矩阵记录该箅条所在的行数及序号位置。
可选的，所述对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边缘直线清 晰的图像的过程，包括：
对得到的所有排箅条的初始完整图像进行灰度变换的第一次图像预处理，得到所有排箅 条的灰度图像；
基于所述灰度图像，进行第二次图像预处理，得到所有排箅条的边缘直线清晰的图像。
可选的，所述第二次图像预处理的过程包括：
基于所述灰度图像，进行二值化处理，得到所有排箅条的二值化图像；
基于所述二值化图像，进行第三次图像预处理，得到所有排箅条的边缘直线清晰的图像。
可选的，所述第三次图像预处理的过程包括：
基于所述二值化图像，进行形态学算法处理，得到所有排箅条的边缘直线清晰的图像。
可选的，所述对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到 一排箅条的边缘直线清晰的图像的过程包括：
根据起始已知箅条的排数及单根箅条的长度，将所有排箅条的边缘直线清晰的图像在箅 条长度方向上确定分割点；
然后以经过该分割点并垂直于箅条的直线，将所有排箅条的边缘直线清晰的图像分割为 一排箅条的边缘直线清晰的图像。
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倾斜角检测系统，用于 检测烧结机的台车上的箅条的倾斜角，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；
预处理单元，用于对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边 缘直线清晰的图像；
分割单元，用于对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得 到一排箅条的边缘直线清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成 的边缘直线图像的集合；
计算单元，用于针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；
报警单元，用于当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。
在本申请的一种实施例中，一种烧结机的台车箅条倾斜角检测方法，用于检测烧结机的 台车上的箅条的倾斜角，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图像预处理，得到所有排箅条的边缘直线清晰的图像；对 所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条的边缘直线 清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成的边缘直线图像的集合； 针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；当边缘直线的斜率大于或等 于预定的斜率阈值时，予以报警。该方法能够非常方便精确的检测出箅条的倾斜角，掌握箅 条的倾斜情况，并且能够定位倾斜角过大的箅条位置，进而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倾斜角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倾斜角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倾斜角检测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中的图像进行形态学处理后得到的图像；
图7为图3中烧结机的台车箅条的安装结构图；
图8为图3中烧结机的台车箅条的各种倾斜结构图；
图9为图8中倾斜箅条上两个点的坐标示意图；
图10为图3中烧结机的台车箅条筛选时的结构示意图；
图11为本申请一种实施例中烧结机的台车箅条倾斜角检测方法更细化后的流程图。
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倾斜角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倾斜角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区域，黑色区域为箅条间隙区域。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。
灰度变换和二值处理完成后，然后对于图像进行如下处理：
2、形态学处理：图5中箅条区域上存在一些黑色的小点，该点会让提取的箅条外轮廓不连续，为了减少箅条区域内黑色噪点对篦条边缘轮廓的提取的干扰，通过形态学滤 波中的开运算、闭运算、形态学梯度、顶帽和黑帽算法等对图像进行处理，得到干净的 箅条区域图像，如图6所示，图6为对图5中的图像进行形态学处理后得到的图像，黑色 噪点会少于图5。
作为一种举例，以下对本申请的中用的开运算、闭运算、形态学梯度、顶帽和黑帽算 法做出具体介绍。
开运算是先腐蚀后膨胀运算，其目的是把细微连在一起的两块目标分开。
闭运算是先膨胀后腐蚀运算，其目的是将两个细微连接的图像块连接在一起。
腐蚀可以使目标区域范围“变小”，实质是造成图像边界的收缩，用来消除小且无意义的 目标物
膨胀可以使目标区域范围“变大”，使目标边界向外扩张，将目标区域接触到的背景点合 并到该目标区域中，可用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪 声。
形态学梯度也是讲膨胀和腐蚀基础操作适当组合的方法。
顶帽运算：为原图与开运算的结果之差。
黑帽运算为闭运算与原图像之差。
需要说明的是，上述算法是本申请中通过膨胀腐蚀的组合用来去除二值图像中的一些噪 声点的举例，不限于具体使用的是膨胀还是腐蚀，想表达会利用到这类方法用于去除噪声。 显然，其他算法或算法组合，也能够去除噪声的话，也应该在本申请的技术构思的保护范围 之内。
对于图像进行形态学处理完后，还需要进行如下步骤处理：
3、边缘直线拟合：将箅条划分为上、中、下三排，得到三张子图，image1，image2，image3， 采用直线拟合算法，如霍夫直线拟合，利用箅条边缘与间隙的像素差，得到箅条边缘直线 yi＝kixi+bi上的两个端点坐标pi1(xi1,yi1)，pi2(xi2,yi2)，此时i表示当前排箅条中第i个拟合直线。
在该步骤，作为一种举例，对于霍夫直线拟合做出具体介绍：
霍夫直线检测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。
对于图像进行边缘直线拟合后，还需要进行如下步骤处理：
具体参考图8和图9，图8为图3中烧结机的台车箅条的各种倾斜结构图；图9为图8中倾斜箅条上两个点的坐标示意图。
4、倾斜角计算：箅条存在长边和短边(从图8和图9上来看即为矩形的长边和短边)， 长边能更加明确的反应出箅条的倾斜程度，因此需要将斜率不符合范围的直线剔除。
直线的斜率计算为：
如果ki>1，则为长边的拟合直线，将大于1的选出。得到的斜率中，每根箅条包含两个斜率，因此需进一步筛选，以保证斜率数与箅条根数一致。
计算：Δx＝xi2-xi1，以x11作为第一个箅条的拟合直线开始，保留相邻间隔Δx大于设定阈 值的拟合直线，从而得到该排箅条的斜率向量Ki，此时i表示箅条的排数。
在上述技术方案中，可以做出进一步补充说明如下：
箅条结构位置如图8所示，是长条形的，每一个箅条矩形均包括两个长边和两个短边。， 在霍夫变换直线检测中，长边和短边的直线都会被检测出来，而在长边和短边中，长边能够 比较合理的反映箅条的倾斜，因而在本申请中，采用矩形长边的斜率表示箅条的倾斜，箅条 倾斜形式如图8所示。
倾斜角度计算方式为选取长边上的两点，如图9所示的A、B两点，根据两点计算其斜 率
其中，当斜率等于1时表示倾斜角度为45°的值，一般箅条在垂直和向左或向右略微倾斜， 不会倾斜超过45°角，反之其短边，计算出来的值会小于1。因而需要通过筛选，将斜率大于 1的直线保存下来，同时去除掉过短边的直线。
对于斜率的筛选策略，还可以做出如下说明：
具体请参考图10，图10为图3中烧结机的台车箅条筛选时的结构示意图。
如图10所示，箅条是具有一定宽度的，因此两个直线在x轴方向是有一定的间距，Δx＝xi2-xi1，选定第一个直线保留，之后保留间距大于一定阈值的直线，如下图绿色为保留的直线，选定第一根后，第二根直线是与第一根直线间距大于阈值，第三根直线与第二根直线距离大于阈值。
通过斜率筛选，可以每根箅条只存储一个倾斜角度值，阈值的范围根据箅条的宽度来设 定的，在相机安装固定、采用的箅条尺寸一定的情况下，箅条宽度在图像中占的像素数量会 在一定的范围内，这个阈值是根据箅条宽度来设定的。
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
通过倾斜角计算后得到三排箅条的斜率，斜率以台车为单位，按矩阵的形式将每根箅条 的斜率对应存储，如下：
max(K1)
其中，
ni表示第i排箅条检测出 来的箅条斜率数。
完成参数存储后，再进行智能诊断，说明如下：
请参考图7，图7为图3中烧结机的台车箅条的安装结构图。
如图7所示，一个台车单元包括台车本体横梁1、隔热垫2及放到隔热垫上的箅条1。如图7所示，箅条是活动的卡在台车上，正常时箅条之间间隙小，相互支撑，是的箅条竖直排列。故障时，箅条间隙变大，箅条可在台车梁上移动，相互无法支撑后会发生一定倾斜，因此根据箅条的倾斜角度可以用于诊断箅条故障。由于箅条下端的勾住隔热垫的结构长度较 短，因此倾斜角度多大时，则可能导致整排箅条大面积脱落。
诊断过程，请参考图11，图11为本申请一种实施例中烧结机的台车箅条倾斜角检测方 法更细化后的流程图。
获取箅条倾斜角度矩阵，然后分别计算每行中倾斜角度的最大值，判断每行中最大倾斜 角度是否大于阈值，如果否则箅条正常。如果是，则根据最大倾角的行数和序号值，记录其 故障位置。
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倾斜角检测方法的逻辑 流程图。
在一种实施例中，一种烧结机的台车箅条倾斜角检测方法，用于检测烧结机的台车上的 箅条的倾斜角，包括如下步骤：
S101:获取烧结机的台车上所有排箅条的初始完整图像；
S102:对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边缘直线清晰的 图像；
S103:对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条 的边缘直线清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成的边缘直线 图像的集合；
S104:针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；
S105:当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。
该方法能够非常方便精确的检测出箅条的倾斜角，掌握箅条的倾斜情况，并且能够定位 倾斜角过大的箅条位置，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，可以做出进一步具体设计。比如，针对每一个箅条形成的边缘直线图 像，得到其边缘直线的斜率的过程，包括：
针对一个箅条形成的边缘直线图像，采用直线拟合算法，得到该箅条的边缘直线：yi＝kixi+bi上的两个端点的坐标：pi1(xi1,yi1)、pi2(xi2,yi2)，此时i表示当前排箅条中第 i个箅条对应的拟合直线；
通过如下公式计算该箅条的边缘直线的斜率的绝对值：
将ki大于或等于1的斜率对应的边缘直线选出，得到对应的边缘直线的斜率。
在上述技术方案中，检测方法还包括：以x11作为第一个箅条的拟合直线对应的横坐标， 保留相邻间隔Δx＝xi2-xi1大于设定间隔阈值的拟合直线，从而得到该排箅条的斜率向量Ki， 此时i表示箅条的排数。
进一步的，检测方法还包括：
计算出每一排箅条的斜率向量，按照如下矩阵公式，将每一个箅条的斜率对应存储：
其中，
ni表示 第i排箅条检测出来的箅条斜率数。
在上述实施例中，还可以做出进一步的具体设计。
比如，当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警的过程，包括：
在矩阵中，获取每一行的斜率最大值，当斜率最大值大于或等于斜率阈值时，予以报警， 并根据矩阵记录该箅条所在的行数及序号位置。
在上述任一种实施例中，还可以对图像预处理的过程做出具体介绍。
对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边缘直线清晰的图像的过 程，包括：
对得到的所有排箅条的初始完整图像进行灰度变换的第一次图像预处理，得到所有排箅 条的灰度图像；
基于灰度图像，进行第二次图像预处理，得到所有排箅条的边缘直线清晰的图像。
第二次图像预处理的过程包括：
基于灰度图像，进行二值化处理，得到所有排箅条的二值化图像；
基于二值化图像，进行第三次图像预处理，得到所有排箅条的边缘直线清晰的图像。
得到的经过二值的图像如图5所示。
第三次图像预处理的过程包括：
基于二值化图像，进行形态学算法处理，得到所有排箅条的边缘直线清晰的图像。
经过形态学处理的图像请参考图6。
进一步的，述对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到 一排箅条的边缘直线清晰的图像的过程包括：
根据起始已知箅条的排数及单根箅条的长度，将所有排箅条的边缘直线清晰的图像在箅 条长度方向上确定分割点；
然后以经过该分割点并垂直于箅条的直线，将所有排箅条的边缘直线清晰的图像分割为 一排箅条的边缘直线清晰的图像。
此外，与上述方法实施例相对应，本申请还提供装置实施例。
一种烧结机的台车箅条倾斜角检测系统，用于检测烧结机的台车上的箅条的倾斜角，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；
预处理单元，用于对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边 缘直线清晰的图像；
分割单元，用于对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得 到一排箅条的边缘直线清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成 的边缘直线图像的集合；
计算单元，用于针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；
报警单元，用于当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。
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 (10)
1.一种烧结机的台车箅条倾斜角检测方法，用于检测烧结机的台车上的箅条的倾斜角，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图像预处理，得到所有排箅条的边缘直线清晰的图像；
对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条的边缘直线清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成的边缘直线图像的集合；
针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；
当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。
2.如权利要求1所述的烧结机的台车箅条倾斜角检测方法，其特征在于，所述针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率的过程，包括：
针对一个箅条形成的边缘直线图像，采用直线拟合算法，得到该箅条的边缘直线：yi＝kixi+bi上的两个端点的坐标：pi1(xi1,yi1)、pi2(xi2,yi2)，此时i表示当前排箅条中第i个箅条对应的拟合直线；
通过如下公式计算该箅条的边缘直线的斜率的绝对值：
将ki大于或等于1的斜率对应的边缘直线选出，得到对应的边缘直线的斜率。
3.如权利要求2所述的烧结机的台车箅条倾斜角检测方法，其特征在于，所述检测方法还包括：以x11作为第一个箅条的拟合直线对应的横坐标，保留相邻间隔Δx＝xi2-xi1大于设定间隔阈值的拟合直线，从而得到该排箅条的斜率向量Ki，此时i表示箅条的排数。
4.如权利要求3所述的烧结机的台车箅条倾斜角检测方法，其特征在于，所述检测方法还包括：
计算出每一排箅条的斜率向量，按照如下矩阵公式，将每一个箅条的斜率对应存储：
其中，
ni表示第i排箅条检测出来的箅条斜率数。
5.如权利要求4所述的烧结机的台车箅条倾斜角检测方法，其特征在于，所述当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警的过程，包括：
在所述矩阵中，获取每一行的斜率最大值，当斜率最大值大于或等于所述斜率阈值时，予以报警，并根据所述矩阵记录该箅条所在的行数及序号位置。
6.如权利要求1-5任一项所述的烧结机的台车箅条倾斜角检测方法，其特征在于，所述对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边缘直线清晰的图像的过程，包括：
对得到的所有排箅条的初始完整图像进行灰度变换的第一次图像预处理，得到所有排箅条的灰度图像；
基于所述灰度图像，进行第二次图像预处理，得到所有排箅条的边缘直线清晰的图像。
7.如权利要求6所述的一种烧结机的台车箅条倾斜角检测方法，其特征在于，所述第二次图像预处理的过程包括：
基于所述灰度图像，进行二值化处理，得到所有排箅条的二值化图像；
基于所述二值化图像，进行第三次图像预处理，得到所有排箅条的边缘直线清晰的图像。
8.如权利要求7所述的一种烧结机的台车箅条倾斜角检测方法，其特征在于，所述第三次图像预处理的过程包括：
基于所述二值化图像，进行形态学算法处理，得到所有排箅条的边缘直线清晰的图像。
9.如权利要求8所述的一种烧结机的台车箅条倾斜角检测方法，其特征在于，所述对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条的边缘直线清晰的图像的过程包括：
根据起始已知箅条的排数及单根箅条的长度，将所有排箅条的边缘直线清晰的图像在箅条长度方向上确定分割点；
然后以经过该分割点并垂直于箅条的直线，将所有排箅条的边缘直线清晰的图像分割为一排箅条的边缘直线清晰的图像。
10.一种烧结机的台车箅条倾斜角检测系统，用于检测烧结机的台车上的箅条的倾斜角，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；
预处理单元，用于对所有排箅条的初始完整图像进行图像预处理，得到所有排箅条的边缘直线清晰的图像；
分割单元，用于对所有排箅条的边缘直线清晰的图像按照预设的处理策略进行分割，得到一排箅条的边缘直线清晰的图像；该排箅条的边缘直线清晰的图像为该排每一个箅条形成的边缘直线图像的集合；
计算单元，用于针对每一个箅条形成的边缘直线图像，得到其边缘直线的斜率；
报警单元，用于当边缘直线的斜率大于或等于预定的斜率阈值时，予以报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010176408.XA CN111415337B (zh) | 2020-03-13 | 2020-03-13 | 一种烧结机的台车箅条倾斜角检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010176408.XA CN111415337B (zh) | 2020-03-13 | 2020-03-13 | 一种烧结机的台车箅条倾斜角检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111415337A true CN111415337A (zh) | 2020-07-14 |
| CN111415337B CN111415337B (zh) | 2024-04-19 |
Family
ID=71492998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010176408.XA Active CN111415337B (zh) | 2020-03-13 | 2020-03-13 | 一种烧结机的台车箅条倾斜角检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111415337B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101770575A (zh) * | 2008-12-31 | 2010-07-07 | 汉王科技股份有限公司 | 名片图像倾斜角度的测量方法和装置 |
| 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 |
| CN105160672A (zh) * | 2015-08-31 | 2015-12-16 | 国网山东省电力公司淄博供电公司 | 基于现场照片三维重构入侵识别的输电线路防外破方法 |
| EP3428571A1 (en) * | 2017-07-12 | 2019-01-16 | General Electric Company | Graphic overlay for measuring dimensions of features using a video inspection device |
| CN208688258U (zh) * | 2018-07-05 | 2019-04-02 | 安阳钢铁股份有限公司 | 一种新型烧结机台车 |
-
2020
- 2020-03-13 CN CN202010176408.XA patent/CN111415337B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101770575A (zh) * | 2008-12-31 | 2010-07-07 | 汉王科技股份有限公司 | 名片图像倾斜角度的测量方法和装置 |
| 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 |
| CN105160672A (zh) * | 2015-08-31 | 2015-12-16 | 国网山东省电力公司淄博供电公司 | 基于现场照片三维重构入侵识别的输电线路防外破方法 |
| EP3428571A1 (en) * | 2017-07-12 | 2019-01-16 | General Electric Company | Graphic overlay for measuring dimensions of features using a video inspection device |
| CN208688258U (zh) * | 2018-07-05 | 2019-04-02 | 安阳钢铁股份有限公司 | 一种新型烧结机台车 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111415337B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113646801B (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
| CN101272503B (zh) | 一种保持图像清晰度的网格噪声消除方法及其装置 | |
| CN111223098B (zh) | 一种烧结机的台车箅条倾斜角检测方法及系统 | |
| CN111476712B (zh) | 一种烧结机的台车箅条图像的摄取及检测方法、系统 | |
| CN104601965B (zh) | 摄像头遮挡检测方法 | |
| CN103543394A (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
| CN103488978A (zh) | 一种基于灰度跳变和字符投影间隔模式的车牌定位方法 | |
| CN111223094B (zh) | 一种烧结机的台车箅条间距检测方法及系统 | |
| CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
| CN115535525A (zh) | 基于图像匹配的输送带纵向撕裂检测系统及方法 | |
| CN111415337B (zh) | 一种烧结机的台车箅条倾斜角检测方法及系统 | |
| CN111008967A (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
| KR101328266B1 (ko) | 열간 슬라브의 표면 크랙 검출 장치 | |
| JP2006098217A (ja) | 画像検査装置、画像検査方法及び画像検査プログラム | |
| CN111353507B (zh) | 一种变电站器件表面油污的图像识别方法和装置 | |
| CN111223095B (zh) | 一种烧结机的台车箅条间距检测方法及系统 | |
| CN111340830A (zh) | 一种烧结机的台车箅条总数检测方法及系统 | |
| CN115187593B (zh) | 屏幕缺陷检测方法和装置 | |
| Xu | A new method for license plate detection based on color and edge information of Lab space | |
| CN111223096B (zh) | 一种烧结机的台车箅条糊堵度检测方法及系统 | |
| CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
| CN111223097B (zh) | 一种烧结机的台车箅条糊堵度检测方法及系统 | |
| KR101543896B1 (ko) | 스캡 결함 검출 장치 및 방법 | |
| CN111222510B (zh) | 一种烧结机的台车箅条图像摄取方法及系统 | |
| CN112070081B (zh) | 一种基于高清视频的智能化车牌识别方法 |
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 |