CN112017145B - 一种高效的铁水预处理自动扒渣方法和系统 - Google Patents
一种高效的铁水预处理自动扒渣方法和系统 Download PDFInfo
- Publication number
- CN112017145B CN112017145B CN201910466805.8A CN201910466805A CN112017145B CN 112017145 B CN112017145 B CN 112017145B CN 201910466805 A CN201910466805 A CN 201910466805A CN 112017145 B CN112017145 B CN 112017145B
- Authority
- CN
- China
- Prior art keywords
- slag
- image
- molten iron
- skimming
- path
- 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
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
- C21C7/00—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00
- C21C7/0087—Treatment of slags covering the steel bath, e.g. for separating slag from the molten metal
-
- 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
-
- 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
- C21C7/00—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
-
- 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
- C21C2300/00—Process aspects
- C21C2300/06—Modeling of the process, e.g. for control purposes; CII
-
- 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
- G06T2207/10004—Still image; Photographic 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Materials Engineering (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
- Furnace Charging Or Discharging (AREA)
Abstract
本发明公开了一种高效的铁水预处理自动扒渣方法,其包括步骤:采集铁水包口区域的图像,并对图像进行预处理;对图像内的铁水渣进行识别,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;基于铁水渣在图像中的位置,寻找出最优扒渣路径,最优扒渣路径为为扒渣时间与扒渣量的比值最小的路径;在自动扒渣过程中,控制扒渣头按照最优扒渣路径进行扒渣;并且当满足启动条件时,启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。此外,本发明还公开了一种高效的铁水预处理自动扒渣系统。
Description
技术领域
本发明涉及一种铁水预处理方法和系统,尤其涉及一种铁水预处理扒渣方法和系统。
背景技术
冶金行业随着对高品质钢铁产品的要求,对进入转炉炼钢前的铁水需要经过预处理。而该工序前期要扒高炉渣,然后铁水通过喷粉方式或搅拌方式,使脱硫剂与铁水充分接触,最大效率地进行脱硫、脱磷和脱硅等处理。由于反应后的产物是渣,且密度比铁水轻,因而浮在铁水表面,因此,在工序的后期要扒除浮在铁水表面的脱硫后的渣。不同钢种扒渣终点的残渣量要求不同。纯净度要求高的钢种,残渣量要求越低。
然而,目前该工序中的扒渣操作主要通过操作人员手动操作,操作的内容包括:
1)人工操作倾翻台车,使钢包从垂直位倾转到一定角度,停止,等待扒渣;
2)人工观测铁水表面的渣的位置,手动操作扒渣机的操作柄,将铁水表面的渣一次一次扒到渣盘中;
3)不同钢种,根据人工肉眼判断残渣量,确定是否结束扒渣;
4)人工操作倾翻台车,使钢包回到垂直位。
需要指出的是,人工操作不仅操作环境恶劣,劳动强度高,而且对操作人员的专业操作技能要求高,不同操作人员扒渣时间差别大,扒渣的效果和质量也不同,使得手动扒渣受人为因素影响较大,极易造成铁水质量波动。
公开号为CN1507971,公开日为2004年6月30日,名称为“自动扒渣方法和装置”的中国专利文献公开了一种自动扒渣方法。在该专利文献所公开的技术方案,采用视觉传感器对铁水表面的渣进行检测,将图像输入到计算机,计算机对图像处理后输出信号给可编程控制器控制扒渣装置的机械手实施扒渣操作。
此外,公开号为CN105353654A,公开日为2016年2月24日,名称为“一种基于图像处理的铁水扒渣检测与控制系统及其方法”的中国专利文献公开了一种基于图像处理的铁水扒渣检测与控制系统。在该专利文献所公开的技术方案中,其通过使用实时监控扒渣过程,并根据扒渣标准数据库在线扒渣判定扒渣等级。
另外,公开号为CN108986098A,公开日为2018年12月11日,名称为“一种基于机器视觉的铁水智能扒渣方法”的中国专利文献公开了一种基于机器视觉的铁水智能扒渣方法。在该专利文献所公开的技术方案中,其采用实时采集目标区域的图像信息,根据实时图像信息设置第一感兴趣区域和第二感兴趣区域。在第一感兴趣区域,主要是图像识别扒渣铲,有扒渣铲说明在进行扒渣作业;在第二感兴趣区(没有扒渣铲区域)识别铁水中渣的量,在第二感兴趣区域划分若干个子区域,计算每个子区域中渣的面积,将渣的面积最大的子区域作为待扒渣区域。
上述的现有技术中,只是公开了自动扒渣的设备和方法,但是没有涉及到提高扒渣效率的方法,而对于生产过程中,扒渣效率是一个重要的生产指标,扒渣效率可以通过扒渣时间进行衡量。扒渣时间短,不仅可以减少铁水的温降,节约能源,还可以增加处理的炉数,提高工序产能。
基于此,期望获得一种高效的铁水预处理自动扒渣方法,其不仅可以有效替代现在扒渣过程中的人工操作,改善工人的工作环境并减轻工人的劳动强度,并且其可以极高地缩短扒渣时间,减少铁水的温降,节约能源,同时还可以增加处理的炉数,提高产能。
发明内容
本发明的目的之一在于提供一种高效的铁水预处理自动扒渣方法,该铁水预处理自动扒渣方法不仅可以有效替代现在扒渣过程中的人工操作,改善工人的工作环境并减轻工人的劳动强度,并且其可以极高地缩短扒渣时间,减少铁水的温降,节约能源,同时还可以增加处理的炉数,提高产能。
为了实现上述目的,本发明提出了一种高效的铁水预处理自动扒渣方法,其包括步骤:
采集铁水包口区域的图像,并对图像进行预处理;
对图像内的铁水渣进行识别,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;
基于铁水渣在图像中的位置,寻找出最优扒渣路径,所述最优扒渣路径为扒渣时间与扒渣量的比值最小的路径;
在自动扒渣过程中,控制扒渣头按照最优扒渣路径进行扒渣;并且当满足启动条件时,启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。
进一步地,在本发明所述的高效的铁水预处理自动扒渣方法中,图像包括:可见光图像、红外图像和远红外图像的其中之一。
进一步地,在本发明所述的高效的铁水预处理自动扒渣方法中,在对图像进行预处理时,将图像转换为灰度图;然后对灰度图进行图像增强、二值化和去噪声处理。
进一步地,在本发明所述的高效的铁水预处理自动扒渣方法中,采用改进的动态阈值法识别图像内的铁水渣,其中:当某一像素点的灰度值小于max(g)时,则将该像素点记为0并判断为铁水渣,并且将该像素点对应的微区面积记为铁水渣的面积;其中Max(g)=α×(Max(w1×w2×(u1-u2)×(u1-u2)));式中α表示调节系数,其表示噪音和干扰对图像的影响,其取值范围为0<α≤1,当没有干扰和噪音时,α的值取1;当有噪音和干扰时,噪音和干扰越大,α的取值越小;w1表示图像中的前景点数占图像的比例;w2表示背景点数占图像的比例;u1表示前景平均灰度;u2表示背景平均灰度;g表示前景和背景间的方差。
上述方案中,考虑到每一炉的扒渣工况均不相同,为了避免噪音和目标之间的大小差异,而出现多峰的情况,降低识别准确,因此,在本发明所述的技术方案中,优选地可以采用改进的动态阈值法识别铁水渣。
根据图像的灰度值,255表示白色,代表全部是铁水;0表示黑色,代表渣;当该像素点的灰度值小于max(g)时,该像素点记为0,该微区面积都认为是渣的面积。
进一步地,在本发明所述的高效的铁水预处理自动扒渣方法中,最优扒渣路径的模型为:
其中,Opm(Slag,t)表示最优扒渣路径,Si表示有渣区域单个像素的面积,N表示扒渣头走过的区域内作为铁水渣的像素点的个数总和;t表示单次扒渣时间。
上述方案中,扒渣路径优化的模块可以用于确定识别出的渣的位置点,在扒渣头的面积范围内,计算最短的扒渣距离,花费最短的时间,扒取最大的渣量的路径。
进一步地,在本发明所述的高效的铁水预处理自动扒渣方法中,铁水渣在图像内所占的总面积比例slag%基于下述公式获得:
式中:∑Si表示图像内所有铁水渣的面积总和;S表示铁水包图像的面积。
进一步地,在本发明所述的高效的铁水预处理自动扒渣方法中,还包括步骤:倾翻台车动作以对铁水包进行倾转;基于对图像内的铁水渣及包口包壁的识别,当判断铁水渣流出铁水包口时,倾翻台车停止倾转。
相应地,本发明的另一目的在于提供一种高效的铁水预处理自动扒渣系统,该铁水预处理自动扒渣系统进行扒渣时,不仅可以有效替代现在扒渣过程中的人工操作,改善工人的工作环境并减轻工人的劳动强度,并且其可以极高地缩短扒渣时间,减少铁水的温降,节约能源,同时还可以增加处理的炉数,提高产能。
为了实现上述目的,本发明提出了一种高效的铁水预处理自动扒渣系统,其包括:
扒渣装置,其用于执行扒渣动作;
图像采集装置,其采集铁水包口区域的图像;
存储模块,其存储图像采集装置传输的图像;
图像识别模块,其对存储模块中存储的图像进行预处理后识别出图像内的铁水渣,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;
路径优化模块,其基于图像识别模块的识别结果,寻找出最优扒渣路径,最优扒渣路径为扒渣时间与扒渣量的比值最小的路径;
吹气赶渣装置;
控制模块,控制扒渣装置按照所述最优扒渣路径进行扒渣;并且当满足启动条件时,控制模块还启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。
进一步地,在本发明所述的高效的铁水预处理自动扒渣系统中,图像采集装置包括可见光摄像机、红外摄像机以及远红外摄像机的其中之一。
进一步地,在本发明所述的高效的铁水预处理自动扒渣系统中,扒渣装置上还设有传感器或编码器,传感器或编码器与控制模块连接,以将检测到的扒渣装置的位移量传输给控制模块。
进一步地,在本发明所述的高效的铁水预处理自动扒渣系统中,还包括:倾翻台车,用于将铁水包倾转到扒渣位,倾翻台车与控制模块连接。
进一步地,在本发明所述的高效的铁水预处理自动扒渣系统中,倾翻台车上设有角度测量装置,以检测倾翻台车的倾转角度。
角度测量装置可以是倾角仪,也可以在倾翻台车的转轴上设置编码器,从而实现对倾翻台车的倾转角度的测量。
相较于现有技术,本发明所述的高效的铁水预处理自动扒渣方法和系统具有如下所述的优点以及有益效果:
本发明所述的铁水预处理自动扒渣方法不仅可以有效替代现在扒渣过程中的人工操作,改善工人的工作环境并减轻工人的劳动强度,并且其可以极高地缩短扒渣时间,减少铁水的温降,节约能源,同时还可以增加处理的炉数,提高产能。
此外,本发明所述的铁水预处理自动扒渣系统也同样具有上述的优点以及有益效果。
附图说明
图1为本发明所述的高效的铁水预处理自动扒渣方法在一种实施方式下的铁水包倾翻台车的结构示意图。
图2示意性地显示了本发明所述的高效的铁水预处理自动扒渣系统在一种实施方式下的结构。
图3示意性地显示了本发明所述的高效的铁水预处理自动扒渣方法在一种实施方式下的流程。
图4为本发明所述的高效的铁水预处理自动扒渣系统在一种实施方式下的工艺流程图。
具体实施方式
以下将根据本发明的具体实施例以及说明书附图对本发明所述的高效的铁水预处理自动扒渣方法和系统作进一步的说明,但是该说明并不构成对本发明的不当限定。
图1为本发明所述的高效的铁水预处理自动扒渣方法在一种实施方式下的扒渣装置的结构示意图。
如图1所示,行车吊运铁水包1至倾翻台车2的座架上后,开始扒渣。扒渣时,首先倾动倾翻台车2,使铁水包1从垂直位倾转到与地面成一定角度的扒渣位。倾转角度可以测量,测量的方式可以是外加倾角仪,也可以在倾翻台车2的转轴上安装编码器。
为了提高效率,自动倾转倾翻台车2以一定的倾转角速度自动倾转到扒渣位。随后,当确定倾翻台车2已经在扒渣位,钢包已经在台车上后,开始执行自动扒渣。
其中,铁水预处理自动扒渣系统的结构可以参考图2。图2示意性地显示了本发明所述的高效的铁水预处理自动扒渣系统在一种实施方式下的结构。
如图2所示,通过图像采集装置31实时记录铁水包口的图像,并将图像传输到计算机系统进行数字化连续存储,由于铁水渣的颜色与铁水包口颜色相差很大,因而,可以以此识别出是否有渣从铁水包包口流出,若没有溢渣,则继续倾转,而若有溢渣,则倾转机构停止倾转,钢包停留在扒渣位进行扒渣,通过本实施方式中的铁水预处理自动扒渣系统可以将浮于铁水5表面上的渣4扒入渣罐6内,其中,铁水预处理自动扒渣系统包括:扒渣装置32,其用于执行扒渣动作;图像采集装置31,其采集铁水包口区域的图像,在一些实施方式中,图像采集装置可以是可见光摄像机、红外摄像机或是远红外摄像机的至少其中之一,所采集的图像包括:可见光图像、红外图像和远红外图像的其中之一;存储模块,其存储图像采集装置传输的图像;图像识别模块,其对存储模块中存储的图像进行预处理后识别出图像内的铁水渣,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;路径优化模块,其基于图像识别模块的识别结果,寻找出最优扒渣路径,最优扒渣路径为扒渣时间与扒渣量的比值最小的路径;吹气赶渣装置33;控制模块,其控制扒渣装置按照所述最优扒渣路径进行扒渣;并且当满足启动条件时,控制模块还启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。
吹气赶渣装置33进行赶渣时,首先控制吹气赶渣枪下降,并在达到距离液面一定高度后(如1000mm)时自动打开吹氮阀门进行吹氮,当吹气赶渣枪的插入深度达到设定深度时停止下降,在该高度保持吹气赶渣,待图像识别模块判定铁水包内渣量达到钢种的渣量要求时发出提枪指令至吹气赶渣枪,此时,吹气赶渣枪进行提枪。
此外,需要说明的是,在图像识别模块中,铁水渣在图像内所占的总面积比例slag%可以基于下述公式获得:
式中:∑Si表示图像内所有铁水渣的面积总和;S表示铁水包图像的面积。
另外,在上述方案中,可以根据图像采集装置实时采集的图像进行分析确定倾翻台车2上倾转台自动倾转和倾转停止位置,实现台车倾转台的自动倾转。
最后,根据不同钢种的残渣量的工艺要求,确定扒渣终点,扒渣机自动停止扒渣。扒渣停止后,台车倾转台自动倾转至零位,倾翻台车2自动走行到起吊位。
需要说明的是,在对图像进行预处理时,可以将图像转换为灰度图;然后对灰度图进行图像增强、二值化和去噪声处理。由于渣、铁水、包壁的温度不同,颜色也不同,因而可以通过灰度阈值的自动处理来进行识别。
在对图像进行识别时,采用改进的动态阈值法识别铁水渣,其中:当某一像素点的灰度值小于max(g)时,则将该像素点记为0并判断为铁水渣,其中Max(g)=α×(Max(w1×w2×(u1-u2)×(u1-u2)));式中α表示调节系数,其表示噪音和干扰对图像的影响,其取值范围为0<α≤1,当没有干扰和噪音时,α的值取1;当有噪音和干扰时,噪音和干扰越大,α的取值越小;w1表示图像中的前景点数占图像的比例;w2表示背景点数占图像的比例;u1表示前景平均灰度;u2表示背景平均灰度;g表示前景和背景间的方差。
根据图像的灰度值,255表示白色,代表全部是铁水;0表示黑色,代表渣;当该像素点的灰度值小于max(g)时,该像素点记为0,该微区面积都认为是渣的面积。
需要指出的是,α是用于调节噪音和干扰对图像的影响的,根据干扰的程度,α的取值范围是0<α≤1,由于干扰在图像的画面上是不均匀的和具有区域性质的,因此,在不同的区域根据实际情况,实现噪音和干扰条件下的灰度值的计算。
此外,在上述方案中,最优扒渣路径的模型为:
其中,Opm(Slag,t)表示最优扒渣路径,Si表示有渣区域单个像素的面积,N表示扒渣头走过的区域内作为铁水渣的像素点的个数总和;t表示单次扒渣时间。
此外,在本实施方式中,优选地,扒渣装置32上还设有传感器或编码器,传感器或编码器与控制模块连接,以将检测到的扒渣装置32的位移量传输给控制模块。
另外,需要说明的是,存储模块、图像识别模块、路径优化模块以及控制模块可以采用具有模型计算或控制处理的工控机、或计算机或服务器实现。
图3示意性地显示了本发明所述的高效的铁水预处理自动扒渣方法在一种实施方式下的流程。图4为本发明所述的高效的铁水预处理自动扒渣系统在一种实施方式下的工艺流程图。
结合图3和图4可以看出,在本实施方式中,高效的铁水预处理自动扒渣方法包括步骤:
采集铁水包口区域的图像,并对图像进行预处理;
对图像内的铁水渣进行识别,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;
基于铁水渣在图像中的位置,寻找出最优扒渣路径,最优扒渣路径为扒渣时间与扒渣量的比值最小的路径;
在自动扒渣过程中,控制扒渣头按照所述最优扒渣路径进行扒渣;并且当满足启动条件时,启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中所述启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。
综上所述可以看出,本发明所述的铁水预处理自动扒渣方法不仅可以有效替代现在扒渣过程中的人工操作,改善工人的工作环境并减轻工人的劳动强度,并且其可以极高地缩短扒渣时间,减少铁水的温降,节约能源,同时还可以增加处理的炉数,提高产能。
此外,本发明所述的铁水预处理自动扒渣系统也同样具有上述的优点以及有益效果。
需要说明的是,本发明的保护范围中现有技术部分并不局限于本申请文件所给出的实施例,所有不与本发明的方案相矛盾的现有技术,包括但不局限于在先专利文献、在先公开出版物,在先公开使用等等,都可纳入本发明的保护范围。
此外,本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式,本案记载的所有技术特征可以以任何方式进行自由组合或结合,除非相互之间产生矛盾。
还需要注意的是,以上所列举的实施例仅为本发明的具体实施例。显然本发明不局限于以上实施例,随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的,均应属于本发明的保护范围。
Claims (12)
1.一种高效的铁水预处理自动扒渣方法,其特征在于,包括步骤:
采集铁水包口区域的图像,并对图像进行预处理;
对图像内的铁水渣进行识别,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;
基于铁水渣在图像中的位置,寻找出最优扒渣路径,所述最优扒渣路径为扒渣时间与扒渣量的比值最小的路径;
在自动扒渣过程中,控制扒渣头按照所述最优扒渣路径进行扒渣;并且当满足启动条件时,启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中所述启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。
2.如权利要求1所述的高效的铁水预处理自动扒渣方法,其特征在于,所述图像包括:可见光图像、红外图像和远红外图像的其中之一。
3.如权利要求1所述的高效的铁水预处理自动扒渣方法,其特征在于,在对图像进行预处理时,将图像转换为灰度图;然后对灰度图进行图像增强、二值化和去噪声处理。
4.如权利要求1所述的高效的铁水预处理自动扒渣方法,其特征在于,采用改进的动态阈值法识别图像内的铁水渣,其中:当某一像素点的灰度值小于max(g)时,则将该像素点记为0并判断为铁水渣,并且将该像素点对应的微区面积记为铁水渣的面积;其中Max(g)=α×(Max(w1×w2×(u1-u2)×(u1-u2)));式中α表示调节系数,其表示噪音和干扰对图像的影响,其取值范围为0<α≤1,当没有干扰和噪音时,α的值取1;当有噪音和干扰时,噪音和干扰越大,α的取值越小;w1表示图像中的前景点数占图像的比例;w2表示背景点数占图像的比例;u1表示前景平均灰度;u2表示背景平均灰度;g表示前景和背景间的方差。
5.如权利要求1所述的高效的铁水预处理自动扒渣方法,其特征在于,所述最优扒渣路径的模型为:
其中,Opm(Slag,t)表示最优扒渣路径,Si表示有渣区域单个像素的面积,N表示扒渣头走过的区域内作为铁水渣的像素点的个数总和;t表示单次扒渣时间。
6.如权利要求1所述的高效的铁水预处理自动扒渣方法,其特征在于,铁水渣在图像内所占的总面积比例slag%基于下述公式获得:
式中:∑Si表示图像内所有铁水渣的面积总和;S表示铁水包图像的面积。
7.如权利要求1-6中任意一项所述的高效的铁水预处理自动扒渣方法,其特征在于,还包括步骤:倾翻台车动作以对铁水包进行倾转;基于对图像内的铁水渣及包口包壁的识别,当判断铁水渣流出铁水包口时,倾翻台车停止倾转。
8.一种高效的铁水预处理自动扒渣系统,其特征在于,包括:
扒渣装置,其用于执行扒渣动作;
图像采集装置,其采集铁水包口区域的图像;
存储模块,其存储图像采集装置传输的图像;
图像识别模块,其对存储模块中存储的图像进行预处理后识别出图像内的铁水渣,以确定铁水渣在图像中的位置以及铁水渣在图像内所占的总面积比例;
路径优化模块,其基于图像识别模块的识别结果,寻找出最优扒渣路径,所述最优扒渣路径为扒渣时间与扒渣量的比值最小的路径;
吹气赶渣装置;
控制模块,控制扒渣装置按照所述最优扒渣路径进行扒渣;并且当满足启动条件时,控制模块还启动吹气赶渣装置将分散的铁水渣聚集在一起以便于高效扒渣,其中所述启动条件为:铁水渣在图像内所占的总面积比例slag%小于设定的吹气赶渣启动阈值。
9.如权利要求8所述的高效的铁水预处理自动扒渣系统,其特征在于,所述图像采集装置包括可见光摄像机、红外摄像机以及远红外摄像机的其中之一。
10.如权利要求8所述的高效的铁水预处理自动扒渣系统,其特征在于,所述扒渣装置上还设有传感器或编码器,所述传感器或编码器与控制模块连接,以将检测到的扒渣装置的位移量传输给控制模块。
11.如权利要求8-10中任意一项所述的高效的铁水预处理自动扒渣系统,其特征在于,还包括:倾翻台车,用于将铁水包倾转到扒渣位,所述倾翻台车与控制模块连接。
12.如权利要求11所述的高效的铁水预处理自动扒渣系统,其特征在于,所述倾翻台车上设有角度测量装置,以检测倾翻台车的倾转角度。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466805.8A CN112017145B (zh) | 2019-05-31 | 2019-05-31 | 一种高效的铁水预处理自动扒渣方法和系统 |
PCT/CN2020/091178 WO2020238714A1 (zh) | 2019-05-31 | 2020-05-20 | 一种高效的铁水预处理自动扒渣方法和系统 |
KR1020217043155A KR102648199B1 (ko) | 2019-05-31 | 2020-05-20 | 용철 전처리를 위한 고효율 자동 슬래그 스키밍 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466805.8A CN112017145B (zh) | 2019-05-31 | 2019-05-31 | 一种高效的铁水预处理自动扒渣方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112017145A CN112017145A (zh) | 2020-12-01 |
CN112017145B true CN112017145B (zh) | 2023-08-11 |
Family
ID=73501391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910466805.8A Active CN112017145B (zh) | 2019-05-31 | 2019-05-31 | 一种高效的铁水预处理自动扒渣方法和系统 |
Country Status (3)
Country | Link |
---|---|
KR (1) | KR102648199B1 (zh) |
CN (1) | CN112017145B (zh) |
WO (1) | WO2020238714A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113467437B (zh) * | 2020-03-31 | 2022-06-28 | 宝山钢铁股份有限公司 | 一种kr自动扒渣智能路径的优化方法 |
CN112950586A (zh) * | 2021-03-02 | 2021-06-11 | 攀钢集团攀枝花钢铁研究院有限公司 | 一种lf炉钢渣红外识别方法和系统 |
CN113215363A (zh) * | 2021-04-28 | 2021-08-06 | 武汉钢铁有限公司 | 一种铁水脱硫智能吹气赶渣控制系统 |
CN113430324A (zh) * | 2021-05-26 | 2021-09-24 | 武汉钢铁有限公司 | 高废钢比条件下的角度自适应吹气赶渣系统及赶渣方法 |
CN113528750A (zh) * | 2021-07-27 | 2021-10-22 | 湖南福华信息工程有限公司 | 一种自动扒渣系统 |
CN115011759A (zh) * | 2022-06-27 | 2022-09-06 | 中冶华天南京工程技术有限公司 | 一种铁水预处理脱硫扒渣智能方法 |
CN115167270A (zh) * | 2022-07-21 | 2022-10-11 | 中冶南方工程技术有限公司 | 一种铁水预处理的自动控制系统 |
CN115415496A (zh) * | 2022-09-30 | 2022-12-02 | 樟树市兴隆高新材料有限公司 | 一种复合变质处理高速钢轧辊制备方法 |
CN117428183B (zh) * | 2023-12-20 | 2024-03-26 | 苏州朗信智能科技有限公司 | 基于图像识别的扒渣控制方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1507971A (zh) * | 2002-12-20 | 2004-06-30 | 宝山钢铁股份有限公司 | 自动扒渣方法和装置 |
CN105353654A (zh) * | 2015-09-29 | 2016-02-24 | 田陆 | 一种基于图像处理的铁水扒渣检测与控制系统及其方法 |
CN106670449A (zh) * | 2015-11-05 | 2017-05-17 | 衡阳镭目科技有限责任公司 | 一种铁水扒渣测控方法 |
CN108424994A (zh) * | 2017-02-13 | 2018-08-21 | 上海梅山钢铁股份有限公司 | 一种降低铁水扒渣损失的方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9618265B2 (en) * | 2014-10-29 | 2017-04-11 | Nupro Corporation | Method for tapping a steel making furnace |
-
2019
- 2019-05-31 CN CN201910466805.8A patent/CN112017145B/zh active Active
-
2020
- 2020-05-20 KR KR1020217043155A patent/KR102648199B1/ko active IP Right Grant
- 2020-05-20 WO PCT/CN2020/091178 patent/WO2020238714A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1507971A (zh) * | 2002-12-20 | 2004-06-30 | 宝山钢铁股份有限公司 | 自动扒渣方法和装置 |
CN105353654A (zh) * | 2015-09-29 | 2016-02-24 | 田陆 | 一种基于图像处理的铁水扒渣检测与控制系统及其方法 |
CN106670449A (zh) * | 2015-11-05 | 2017-05-17 | 衡阳镭目科技有限责任公司 | 一种铁水扒渣测控方法 |
CN108424994A (zh) * | 2017-02-13 | 2018-08-21 | 上海梅山钢铁股份有限公司 | 一种降低铁水扒渣损失的方法 |
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 |
---|---|
KR102648199B1 (ko) | 2024-03-15 |
KR20220024209A (ko) | 2022-03-03 |
CN112017145A (zh) | 2020-12-01 |
WO2020238714A1 (zh) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017145B (zh) | 一种高效的铁水预处理自动扒渣方法和系统 | |
CN111349753A (zh) | 铁水罐扒渣控制系统、扒渣机及铁水罐自动扒渣控制方法 | |
CN105353654B (zh) | 一种基于图像处理的铁水扒渣检测与控制系统及其方法 | |
CN105160683B (zh) | 一种基于人工干预的铁水扒渣检测与控制系统及其方法 | |
CN111522293B (zh) | 冶金罐的自动倾翻控制方法和系统 | |
CN111650903B (zh) | 一种基于视觉识别的钢包底吹氩智能控制系统 | |
CN105956618A (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 | |
CN110747306A (zh) | 转炉出钢过程中的溢渣控制方法、装置、设备及存储介质 | |
WO2021197166A1 (zh) | 一种转炉留渣工艺自动倒渣的方法和系统 | |
CN111560489A (zh) | 一种转炉出钢中的台车自动走行方法和系统 | |
CN112091206B (zh) | 一种安全可靠的铁水预处理自动扒渣方法和系统 | |
CN104392213B (zh) | 一种适用于熔炼过程中的图像信息状态识别系统 | |
WO2021197168A1 (zh) | 一种基于图像识别的转炉留渣工艺自动倒渣的方法和系统 | |
WO2021190568A1 (zh) | 一种转炉全自动倒渣的方法和系统 | |
CN106670448A (zh) | 一种铁水扒渣测控系统 | |
CN106670449A (zh) | 一种铁水扒渣测控方法 | |
CN111485055A (zh) | 转炉出钢过程中的合金溜槽自动对中方法和系统 | |
CN112501377A (zh) | 一种转炉炼钢渣含量异常检测方法及系统 | |
CN109521730B (zh) | 一种铁水包内渣面的在线计算方法 | |
CN113755667B (zh) | 一种铁水预处理自动扒渣动态控制方法和装置 | |
CN113255741A (zh) | 一种高温熔炼软搅拌系统热像跟踪及控制方法 | |
CN112458231B (zh) | 一种转炉下渣检测方法及系统 | |
CN113063474A (zh) | 一种渣液面实时检测方法、装置、设备及存储介质 | |
CN112853033B (zh) | 一种基于炉口图像分析的高效溅渣智能控制方法及系统 | |
CN113467437B (zh) | 一种kr自动扒渣智能路径的优化方法 |
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 |