CN111598905A - 一种使用图像分割技术识别高炉火焰类型的方法 - Google Patents
一种使用图像分割技术识别高炉火焰类型的方法 Download PDFInfo
- Publication number
- CN111598905A CN111598905A CN202010404095.9A CN202010404095A CN111598905A CN 111598905 A CN111598905 A CN 111598905A CN 202010404095 A CN202010404095 A CN 202010404095A CN 111598905 A CN111598905 A CN 111598905A
- Authority
- CN
- China
- Prior art keywords
- flame
- image
- blast furnace
- information
- color
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000003709 image segmentation Methods 0.000 title claims abstract description 11
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 13
- 239000010959 steel Substances 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 20
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000001035 drying Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G06T5/77—
-
- 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
Abstract
本发明公开了一种使用图像分割技术识别高炉火焰类型的方法,包括以下步骤:S1:使用Canny图像边界处理算法,获取在不同视频帧中火焰的边界信息;首先使用图像均衡化算法,调整图像亮度,保证低对比度的火焰区域的颜色亮度,同时,根据问题的不同特点和先验信息;S2:根绝火焰和钢水的颜色特点,将RGB图像变换到HSV空间,在V通道统计火焰和钢水的颜色变化,然后根据阈值对图像进行分割。本发明可以极大的降低一线工作人员的劳动强度;同时,可以高精度的识别高炉炉口出现的各种问题;通过及时的反馈和记录问题,可以有效的促进生产环节的优化和生产质量的提升。
Description
技术领域
本发明涉及数字图像处理领域领域,尤其涉及一种使用图像分割技术识别高炉火焰类型的方法。
背景技术
在钢厂生产作业中,高炉作为重要的生产环节,运转状态直接关系到后续产品生产还击和产品的质量,在高炉生产过程中经常会出现喷溅,甩渣,返干等现象,通过对高炉火焰以及喷溅,摔渣,返干等现象的提前识别,可以对生产环境做出提前预判,目前在钢厂生产环节中,为了保证高炉的生产质量,通常会在高炉炉口前设置观察相机,通过观察火焰的变化情况以及小喷溅,大喷溅等,对生产状态及时作出判断,目前对高炉炉口的变化状态大多集中在人力的观察和记录。并没有一种稳定有效的技术手段,高精度的识别出上述问题。
目前,在高炉炉口的相机,多用于记录生产过程,用于发现问题后,进行回溯;同时对高炉炉口情况的变化,大多依赖于人力去观察和记录;由于工种和工作环境问等原因,对小喷溅、大喷溅等问题,不能做到准确及时的发现问题并记录,炉口前设置的相机,并没有对生产环节产生更多的帮助,如监督和改善高炉状态,优化生产环节等,同时由于不同人对高炉炉口状态判断标准不一致,往往存在着错记录,多记录等问题,没有形成统一的判断标准,当问题发生时,如小喷溅,大喷溅,不能做出及时的反馈,影响后续的生产工序和产品质量。
发明内容
基于背景技术存在的技术问题,本发明提出了一种使用图像分割技术识别高炉火焰类型的方法。
本发明提出的使用图像分割技术识别高炉火焰类型的方法,包括以下步骤:
S1:使用Canny图像边界处理算法,获取在不同视频帧中火焰的边界信息;首先使用图像均衡化算法,调整图像亮度,保证低对比度的火焰区域的颜色亮度,同时,根据问题的不同特点和先验信息;
S2:根绝火焰和钢水的颜色特点,将RGB图像变换到HSV空间,在V通道统计火焰和钢水的颜色变化,然后根据阈值对图像进行分割,同时,统计火焰和钢水的颜色变化,将不同温度和状态的火焰区域进行分割,提取到火焰和喷溅部分,并过滤掉背景区域;
S3:根据视频中火焰的变化形态和大喷溅小喷溅等流动状态,对不同的运动状态进行估计和提取,获取到运动的前景,并根据运动的特点,火焰、小喷溅、和大喷溅进行区别,获取到不同的运动类型和运动区域;
S4:结合S1-S3中的信息,将算法识别到的边界信息,颜色信息和光流信息进行综合,提取多维度的图像特征,使用预先标注好的训练数据训练分类器,获取最终的识别效果;
S5:进一步的提升识别效果,增加后处理阶段。
优选的,所述S1中对于小喷溅区域较小,大喷溅多集中在火焰下方等信息,对canny算法设置不同的动态阈值,保证能够获取稳定的火焰区域,对候选的边界区域进行筛选,过滤掉不必要的识别结果。
优选的,所述S3中对不同的运动状态进行估计和提取的方法为光流法。
优选的,所述S5中使用CRF对前后帧的连续信息进行过滤,提高如小喷溅等问题的识别效果。
本发明的有益效果:通过使用数字图像处理技术,对炉口的状态进行判断,如识别小喷溅,大喷溅等,并及时记录和提示生产状态,优化生产环节,提高生产质量,本发明可以高精度的识别高炉炉口的状态,通过视频内容判断大小喷溅等问题;可以减轻值班人员劳动强度,减少枯燥的视频值班时间;通过高精度的识别炉口状态,优化生产环节,提高生产质量。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
本实施例中提出了使用图像分割技术识别高炉火焰类型的方法,包括以下步骤:
S1:使用Canny图像边界处理算法,获取在不同视频帧中火焰的边界信息;首先使用图像均衡化算法,调整图像亮度,保证低对比度的火焰区域的颜色亮度,同时,根据问题的不同特点和先验信息;
S2:根绝火焰和钢水的颜色特点,将RGB图像变换到HSV空间,在V通道统计火焰和钢水的颜色变化,然后根据阈值对图像进行分割,同时,统计火焰和钢水的颜色变化,将不同温度和状态的火焰区域进行分割,提取到火焰和喷溅部分,并过滤掉背景区域;
S3:根据视频中火焰的变化形态和大喷溅小喷溅等流动状态,对不同的运动状态进行估计和提取,获取到运动的前景,并根据运动的特点,火焰、小喷溅、和大喷溅进行区别,获取到不同的运动类型和运动区域;
S4:结合S1-S3中的信息,将算法识别到的边界信息,颜色信息和光流信息进行综合,提取多维度的图像特征,使用预先标注好的训练数据训练分类器,获取最终的识别效果;
S5:进一步的提升识别效果,增加后处理阶段。
所述S1中对于小喷溅区域较小,大喷溅多集中在火焰下方等信息,对canny算法设置不同的动态阈值,保证能够获取稳定的火焰区域,对候选的边界区域进行筛选,过滤掉不必要的识别结果。
所述S3中对不同的运动状态进行估计和提取的方法为光流法。
所述S5中使用CRF对前后帧的连续信息进行过滤,提高如小喷溅等问题的识别效果。
本发明可以极大的降低一线工作人员的劳动强度;同时,可以高精度的识别高炉炉口出现的各种问题;通过及时的反馈和记录问题,可以有效的促进生产环节的优化和生产质量的提升。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,用于帮助理解本发明的方法及其核心思想,而并非是对本发明的实施方式的限定。对于所属领域的技术人员来说,在不脱离本发明原理的前提下,在上述实例说明的基础上还可以做出若干形式上的改进和修饰。凡是属于本发明的技术方案所引伸出的显而易见的改变和修饰仍处于本发明的保护范围之列。
Claims (4)
1.使用图像分割技术识别高炉火焰类型的方法,其特征在于,包括以下步骤:
S1:使用Canny图像边界处理算法,获取在不同视频帧中火焰的边界信息;首先使用图像均衡化算法,调整图像亮度,保证低对比度的火焰区域的颜色亮度,同时,根据问题的不同特点和先验信息;
S2:根绝火焰和钢水的颜色特点,将RGB图像变换到HSV空间,在V通道统计火焰和钢水的颜色变化,然后根据阈值对图像进行分割,同时,统计火焰和钢水的颜色变化,将不同温度和状态的火焰区域进行分割,提取到火焰和喷溅部分,并过滤掉背景区域;
S3:根据视频中火焰的变化形态和大喷溅小喷溅等流动状态,对不同的运动状态进行估计和提取,获取到运动的前景,并根据运动的特点,火焰、小喷溅、和大喷溅进行区别,获取到不同的运动类型和运动区域;
S4:结合S1-S3中的信息,将算法识别到的边界信息,颜色信息和光流信息进行综合,提取多维度的图像特征,使用预先标注好的训练数据训练分类器,获取最终的识别效果;
S5:进一步的提升识别效果,增加后处理阶段。
2.根据权利要求1所述的使用图像分割技术识别高炉火焰类型的方法,其特征在于,所述S1中对于小喷溅区域较小,大喷溅多集中在火焰下方等信息,对canny算法设置不同的动态阈值,保证能够获取稳定的火焰区域,对候选的边界区域进行筛选,过滤掉不必要的识别结果。
3.根据权利要求1所述的使用图像分割技术识别高炉火焰类型的方法,其特征在于,所述S3中对不同的运动状态进行估计和提取的方法为光流法。
4.根据权利要求1所述的使用图像分割技术识别高炉火焰类型的方法,其特征在于,所述S5中使用CRF对前后帧的连续信息进行过滤,提高如小喷溅等问题的识别效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010404095.9A CN111598905A (zh) | 2020-05-13 | 2020-05-13 | 一种使用图像分割技术识别高炉火焰类型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010404095.9A CN111598905A (zh) | 2020-05-13 | 2020-05-13 | 一种使用图像分割技术识别高炉火焰类型的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598905A true CN111598905A (zh) | 2020-08-28 |
Family
ID=72187265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010404095.9A Pending CN111598905A (zh) | 2020-05-13 | 2020-05-13 | 一种使用图像分割技术识别高炉火焰类型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598905A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298027A (zh) * | 2021-06-15 | 2021-08-24 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956618A (zh) * | 2016-04-27 | 2016-09-21 | 云南昆钢集团电子信息工程有限公司 | 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 |
CN108052950A (zh) * | 2017-12-08 | 2018-05-18 | 东北大学 | 一种基于mia的电熔镁炉动态火焰分割及特征提取方法 |
CN108074234A (zh) * | 2017-12-22 | 2018-05-25 | 湖南源信光电科技股份有限公司 | 一种基于目标跟踪和多特征融合的大空间火焰检测方法 |
CN110298297A (zh) * | 2019-06-26 | 2019-10-01 | 湖北九感科技有限公司 | 火焰识别方法和装置 |
CN110309973A (zh) * | 2019-07-01 | 2019-10-08 | 中冶赛迪重庆信息技术有限公司 | 一种基于视频智能算法的转炉喷溅预测方法及系统 |
CN111062293A (zh) * | 2019-12-10 | 2020-04-24 | 太原理工大学 | 一种基于深度学习的无人机森林火焰识别方法 |
-
2020
- 2020-05-13 CN CN202010404095.9A patent/CN111598905A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956618A (zh) * | 2016-04-27 | 2016-09-21 | 云南昆钢集团电子信息工程有限公司 | 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 |
CN108052950A (zh) * | 2017-12-08 | 2018-05-18 | 东北大学 | 一种基于mia的电熔镁炉动态火焰分割及特征提取方法 |
CN108074234A (zh) * | 2017-12-22 | 2018-05-25 | 湖南源信光电科技股份有限公司 | 一种基于目标跟踪和多特征融合的大空间火焰检测方法 |
CN110298297A (zh) * | 2019-06-26 | 2019-10-01 | 湖北九感科技有限公司 | 火焰识别方法和装置 |
CN110309973A (zh) * | 2019-07-01 | 2019-10-08 | 中冶赛迪重庆信息技术有限公司 | 一种基于视频智能算法的转炉喷溅预测方法及系统 |
CN111062293A (zh) * | 2019-12-10 | 2020-04-24 | 太原理工大学 | 一种基于深度学习的无人机森林火焰识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298027A (zh) * | 2021-06-15 | 2021-08-24 | 济南博观智能科技有限公司 | 一种火焰检测方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10345046B2 (en) | Fault diagnosis device based on common information and special information of running video information for electric-arc furnace and method thereof | |
WO2022099598A1 (zh) | 一种基于图像像素相对统计特征的视频动态目标检测的方法 | |
CN104135660B (zh) | 一种摄像模组脏污检测方法及检测系统 | |
CN101098462A (zh) | 结合色度偏差和亮度偏差的视频运动目标检测方法 | |
CN106097368A (zh) | 一种单板裂缝的识别方法 | |
CN104392213B (zh) | 一种适用于熔炼过程中的图像信息状态识别系统 | |
CN108052950B (zh) | 一种基于mia的电熔镁炉动态火焰分割及特征提取方法 | |
CN111598905A (zh) | 一种使用图像分割技术识别高炉火焰类型的方法 | |
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 | |
CN112257590A (zh) | 一种高炉铁口工作状态的自动检测方法、系统及存储介质 | |
CN111061231A (zh) | 焊接装配间隙和错边前馈的熔池监控系统及熔透监测方法 | |
CN102663781A (zh) | 一种基于视觉的亚像素级焊缝中心提取方法 | |
CN102509095A (zh) | 一种车牌图像的预处理方法 | |
CN110033437A (zh) | 一种基于卷积神经网络的中厚板压痕智能识别方法 | |
CN111476784A (zh) | 一种基于图像增强识别技术的产品表面缺陷在线检测方法 | |
CN113744326B (zh) | 一种在ycrcb颜色空间中基于种子区域生长法则的火灾检测方法 | |
CN101620420B (zh) | 用于钢铁行业的控制系统 | |
CN103034997A (zh) | 一种适用于监控视频前/背景分离的前景检测方法 | |
CN110516725A (zh) | 基于机器视觉的木板条纹间距和颜色的检测方法 | |
Hua et al. | Image segmentation algorithm based on improved visual attention model and region growing | |
CN114842383A (zh) | 一种基于dvrl-vst的电熔镁炉工况视频识别方法 | |
CN110674754A (zh) | 一种在线间歇中空滤棒视觉缺陷检测识别系统 | |
CN114937015A (zh) | 一种锂电池极片制造中智能视觉识别方法和系统 | |
CN115100197A (zh) | 一种工件磨削加工表面烧伤检测方法 | |
CN114998788A (zh) | 一种基于视频分析的烟雾判定方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |
|
RJ01 | Rejection of invention patent application after publication |