CN112091206A - 一种安全可靠的铁水预处理自动扒渣方法和系统 - Google Patents

一种安全可靠的铁水预处理自动扒渣方法和系统 Download PDF

Info

Publication number
CN112091206A
CN112091206A CN201910466822.1A CN201910466822A CN112091206A CN 112091206 A CN112091206 A CN 112091206A CN 201910466822 A CN201910466822 A CN 201910466822A CN 112091206 A CN112091206 A CN 112091206A
Authority
CN
China
Prior art keywords
slag
molten iron
image
raking
area
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
Application number
CN201910466822.1A
Other languages
English (en)
Other versions
CN112091206B (zh
Inventor
于艳
孙兴洪
张宇军
李火中
汪圣军
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.)
Baoshan Iron and Steel Co Ltd
Original Assignee
Baoshan Iron and Steel Co Ltd
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 Baoshan Iron and Steel Co Ltd filed Critical Baoshan Iron and Steel Co Ltd
Priority to CN201910466822.1A priority Critical patent/CN112091206B/zh
Priority to PCT/CN2020/091179 priority patent/WO2020238715A1/zh
Priority to KR1020217043149A priority patent/KR20220024208A/ko
Publication of CN112091206A publication Critical patent/CN112091206A/zh
Application granted granted Critical
Publication of CN112091206B publication Critical patent/CN112091206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D43/00—Mechanical cleaning, e.g. skimming of molten metals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D43/00—Mechanical cleaning, e.g. skimming of molten metals
    • B22D43/005—Removing slag from a molten metal surface
    • B22D43/007—Removing slag from a molten metal surface by using scrapers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D43/00—Mechanical cleaning, e.g. skimming of molten metals
    • B22D43/001—Retaining slag during pouring molten metal
    • 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
    • G06T7/0002—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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Furnace Charging Or Discharging (AREA)
  • Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)

Abstract

本发明公开了一种安全可靠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；对图像内的包壁、铁水和铁水渣进行识别，以基于识别结果在图像上划分出：近包壁区、扒渣减速区、流渣口区和快速扒渣区；在对图像进行分区的基础上，制定扒渣策略；并且在扒渣策略下，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，控制扒渣头执行扒渣策略并按照最优扒渣路径进行扒渣。此外，本发明还公开了一种安全可靠的铁水预处理自动扒渣系统，其包括：扒渣装置、图像采集装置、存储模块、图像识别模块、扒渣策略模块、路径优化模块以及控制模块。

Description

一种安全可靠的铁水预处理自动扒渣方法和系统
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，均存在安全性，这是由于铁水包壁的温度与铁水的温度相差不是太大，尤其是有烟尘等情况下，识别的不是很清楚，扒渣机容易在碰撞到包壁，导致设备损害。在公开的文献中，只提了自动扒渣的设备及方法，没有涉及如何避免扒渣机头碰撞到铁水包壁。
发明内容
本发明的目的之一在于提供一种安全可靠的铁水预处理自动扒渣方法，该铁水预处理自动扒渣方法除了可以有效减轻操作人员的劳动强度，提高人力效率外，还可以有效提高扒渣的安全性，避免出现扒渣装置碰撞包壁而受到损伤的情况。
为了实现上述目的，本发明提出了一种安全可靠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；
对图像内的包壁、铁水和铁水渣进行识别，以基于识别结果在图像上划分出：近包壁区、扒渣减速区、流渣口区和快速扒渣区，其中扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域，快速扒渣区与扒渣减速区毗邻并位于其内侧；并且基于识别结果，确定铁水渣在图像中的位置；在对图像进行分区的基础上，制定扒渣策略：扒渣头在扒渣过程中不进入包壁区，在快速扒渣区快速扒渣，在扒渣减速区减速，在流渣口区抬高以防止碰撞到扒渣口；并且在扒渣策略下，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，控制扒渣头执行扒渣策略并按照最优扒渣路径进行扒渣。
进一步地，在本发明所述的安全可靠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，在本发明所述的安全可靠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，在本发明所述的安全可靠的铁水预处理自动扒渣方法中，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。
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，在本发明所述的安全可靠的铁水预处理自动扒渣方法中，最优扒渣路径的模型为：
Figure BDA0002079672540000041
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，最大的渣量的路径。
进一步地，在本发明所述的安全可靠的铁水预处理自动扒渣方法中，还包括：基于启动条件启动吹气赶渣装置，以将分散的铁水渣聚集在一起；启动条件为：识别出的铁水渣量slag％小于设定的吹气赶渣启动阈值slaga％，其中铁水渣量采用图像内铁水渣所占的总面积比例来表征。
相应地，本发明的另一目的在于提供一种安全可靠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除了可以有效减轻操作人员的劳动强度，提高人力效率外，还可以有效提高扒渣的安全性，避免出现扒渣装置碰撞包壁而受到损伤的情况。
为了实现上述目的，本发明提出了一种安全可靠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，对图像内的包壁、铁水和铁水渣进行识别；
扒渣策略模块，其基于图像识别模块的识别结果在图像上划分出：近包壁区、扒渣减速区、流渣口区和快速扒渣区，其中扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域，快速扒渣区与扒渣减速区毗邻并位于其内侧；并且在对图像进行分区的基础上，制定扒渣策略；
路径优化模块，其基于图像识别模块的识别结果，确定铁水渣在图像中的位置，并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；
控制模块，其控制扒渣装置执行扒渣策略并按照所述最优扒渣路径进行扒渣。
进一步地，在本发明所述的安全可靠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，在本发明所述的安全可靠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，在本发明所述的安全可靠的铁水预处理自动扒渣系统中，还包括吹气赶渣装置，其与控制模块连接，控制模块基于启动条件启动吹气赶渣装置，以将分散的铁水渣聚集在一起；所述启动条件为：识别出的铁水渣量slag％小于设定的吹气赶渣启动阈值slaga％，其中铁水渣量采用图像内铁水渣所占的面积(即与总面积的)比例来表征。
相较于现有技术，本发明所述的安全可靠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除了可以有效减轻操作人员的劳动强度，提高人力效率外，还可以有效提高扒渣的安全性，避免出现扒渣装置碰撞包壁而受到损伤的情况。
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为本发明所述的安全可靠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安全可靠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安全可靠的铁水预处理自动扒渣方法在一种实施方式下的对图像内的包壁、铁水和铁水渣进行识别的情况。
图4示意性地显示了本发明所述的安全可靠的铁水预处理自动扒渣方法在一种实施方式下的制定扒渣策略的流程。
图5示意性地显示了本发明所述的安全可靠的铁水预处理自动扒渣系统在一种实施方式下的数据系统框架。
图6为本发明所述的安全可靠的铁水预处理自动扒渣系统在一种实施方式下的流程示意图。
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安全可靠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为本发明所述的安全可靠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。
随后，当确定铁水包倾翻台车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安全可靠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，对图像内的包壁、铁水和铁水渣进行识别；扒渣策略模块，其基于图像识别模块的识别结果在图像上划分出：近包壁区(即图3中所示的A区)、扒渣减速区(即图3中所示的B区)、流渣口区(即图3中所示的C区)和快速扒渣区(即图3中所示的D区)，其中扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域，快速扒渣区与扒渣减速区毗邻并位于其内侧；并且在对图像进行分区的基础上，制定扒渣策略；路径优化模块，其基于图像识别模块的识别结果，确定铁水渣在图像中的位置，并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；以及控制模块，其控制扒渣装置32执行扒渣策略并按照最优扒渣路径进行扒渣。
并且在本实施方式中，根据图像识别的渣比例和分散程度，控制模块基于气动条件启动与控制模块连接的吹气赶渣装置33，以将分散的铁水渣聚集在一起；所述启动条件为：识别出的铁水渣量slag％小于设定的吹气赶渣启动阈值slaga％，其中铁水渣量采用图像内铁水渣所占的面积比例来表征。
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。
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铁水倾翻台车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，铁水包倾翻台车自动走行到起吊位。
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：
Figure BDA0002079672540000081
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。
图3示意性地显示了本发明所述的安全可靠的铁水预处理自动扒渣方法在一种实施方式下的对图像内的包壁、铁水和铁水渣进行识别的情况。
如图3所示，A区表示近包壁区，其为靠近包壁的区域，在该区域内，扒渣装置极易碰撞到包壁，因此，该区域为扒渣装置的机头禁入区域。而B区表示扒渣减速区，扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域。C区表示流渣口区，在该区域内扒渣装置的扒渣头需要自动抬高，以免碰撞到流渣口区，而D区表示快速扒渣区，快速扒渣区与扒渣减速区毗邻并位于其内侧。
图4示意性地显示了本发明所述的安全可靠的铁水预处理自动扒渣方法在一种实施方式下的制定扒渣策略的流程。
如图4所示，路径规划后，输出渣的位置X,Y。X,Y的位置点如果在A区，重新规划路径。X,Y的位置点如果在B区，则以速度VB进行扒渣；若X,Y的位置点在C区，则以速度VC，并且扒渣臂抬高ΔHc进行扒渣；若判断X,Y的位置点不在A，B，C区，则以速度V进行扒渣。
在一些优选的实施方式中，扒渣装置32可以采用带有传感器或者编码器的扒渣机，以便于记录移动位移。
存储模块、图像识别模块、扒渣策略模块、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5示意性地显示了本发明所述的安全可靠的铁水预处理自动扒渣系统在一种实施方式下的数据系统框架。
图6为本发明所述的安全可靠的铁水预处理自动扒渣系统在一种实施方式下的流程示意图。
结合图5和图6可以看出，本实施方式中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；
对图像内的包壁、铁水和铁水渣进行识别，以基于识别结果在图像上划分出：近包壁区、扒渣减速区、流渣口区和快速扒渣区，其中扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域，快速扒渣区与扒渣减速区毗邻并位于其内侧；并且基于识别结果，确定铁水渣在图像中的位置；在对图像进行分区的基础上，制定扒渣策略：扒渣头在扒渣过程中不进入包壁区，在快速扒渣区快速扒渣，在扒渣减速区减速，在流渣口区抬高以防止碰撞到扒渣口；并且在所述扒渣策略下，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最短且扒渣量最大的路径；
在自动扒渣过程中，控制扒渣头执行扒渣策略并按照所述最优扒渣路径进行扒渣。
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除了可以有效减轻操作人员的劳动强度，提高人力效率外，还可以有效提高扒渣的安全性，避免出现扒渣装置碰撞包壁而受到损伤的情况。
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 (10)

1.一种安全可靠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；
对图像内的包壁、铁水和铁水渣进行识别，以基于识别结果在图像上划分出：近包壁区、扒渣减速区、流渣口区和快速扒渣区，其中扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域，快速扒渣区与扒渣减速区毗邻并位于其内侧；并且基于识别结果，确定铁水渣在图像中的位置；在对图像进行分区的基础上，制定扒渣策略：扒渣头在扒渣过程中不进入包壁区，在快速扒渣区快速扒渣，在扒渣减速区减速，在流渣口区抬高以防止碰撞到扒渣口；并且在所述扒渣策略下，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，控制扒渣头执行扒渣策略并按照所述最优扒渣路径进行扒渣。
2.如权利要求1所述的安全可靠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所述的安全可靠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所述的安全可靠的铁水预处理自动扒渣方法，其特征在于，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。
5.如权利要求1所述的安全可靠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：
Figure FDA0002079672530000021
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1-5中任意一项所述的安全可靠的铁水预处理自动扒渣方法，其特征在于，还包括：基于启动条件启动吹气赶渣装置，以将分散的铁水渣聚集在一起；所述启动条件为：识别出的铁水渣量slag％小于设定的吹气赶渣启动阈值slaga％，其中铁水渣量采用图像内铁水渣所占的面积比例来表征。
7.一种安全可靠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，对图像内的包壁、铁水和铁水渣进行识别；
扒渣策略模块，其基于图像识别模块的识别结果在图像上划分出：近包壁区、扒渣减速区、流渣口区和快速扒渣区，其中扒渣减速区为毗邻近包壁区且位于近包壁区内侧的区域，快速扒渣区与扒渣减速区毗邻并位于其内侧；并且在对图像进行分区的基础上，制定扒渣策略；
路径优化模块，其基于图像识别模块的识别结果，确定铁水渣在图像中的位置，并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；
控制模块，其控制扒渣装置执行扒渣策略并按照所述最优扒渣路径进行扒渣。
8.如权利要求7所述的安全可靠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。
9.如权利要求7所述的安全可靠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。
10.如权利要求7-9中任意一项所述的安全可靠的铁水预处理自动扒渣系统，其特征在于，还包括吹气赶渣装置，其与控制模块连接，所述控制模块基于启动条件启动吹气赶渣装置，以将分散的铁水渣聚集在一起；所述启动条件为：识别出的铁水渣量slag％小于设定的吹气赶渣启动阈值slaga％，其中铁水渣量采用图像内铁水渣所占的面积比例来表征。
CN201910466822.1A 2019-05-31 2019-05-31 一种安全可靠的铁水预处理自动扒渣方法和系统 Active CN112091206B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910466822.1A CN112091206B (zh) 2019-05-31 2019-05-31 一种安全可靠的铁水预处理自动扒渣方法和系统
PCT/CN2020/091179 WO2020238715A1 (zh) 2019-05-31 2020-05-20 一种安全可靠的铁水预处理自动扒渣方法和系统
KR1020217043149A KR20220024208A (ko) 2019-05-31 2020-05-20 용철 전처리를 위한 안전하고 신뢰성 있는 자동 슬래그 스키밍 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910466822.1A CN112091206B (zh) 2019-05-31 2019-05-31 一种安全可靠的铁水预处理自动扒渣方法和系统

Publications (2)

Publication Number Publication Date
CN112091206A true CN112091206A (zh) 2020-12-18
CN112091206B CN112091206B (zh) 2021-07-16

Family

ID=73553057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910466822.1A Active CN112091206B (zh) 2019-05-31 2019-05-31 一种安全可靠的铁水预处理自动扒渣方法和系统

Country Status (3)

Country Link
KR (1) KR20220024208A (zh)
CN (1) CN112091206B (zh)
WO (1) WO2020238715A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112828275A (zh) * 2020-12-30 2021-05-25 北京首钢自动化信息技术有限公司 一种自动扒渣方法、装置及系统
CN114196799A (zh) * 2021-12-01 2022-03-18 首钢集团有限公司 一种转炉溢渣的检测方法、装置及计算机设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07159053A (ja) * 1993-12-02 1995-06-20 Nkk Corp 除滓装置の制御方法
JPH07175931A (ja) * 1993-12-20 1995-07-14 Aichi Steel Works Ltd ノロ高さ測定装置
JPH08243730A (ja) * 1995-01-13 1996-09-24 Nkk Corp 除滓装置
JPH09262661A (ja) * 1996-03-28 1997-10-07 Nkk Corp 除滓装置とその運転方法
JP2002541329A (ja) * 1999-04-10 2002-12-03 エス・エム・エス・デマーク・アクチエンゲゼルシヤフト 冶金用の溶融容器から金属溶湯を出湯するための方法および装置
CA2491646A1 (en) * 2002-07-11 2004-01-22 Mcmaster University Method for online measurement of molten phases
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
CN2797380Y (zh) * 2005-02-06 2006-07-19 宝山钢铁股份有限公司 一种扒渣装置
CN102382922A (zh) * 2010-08-31 2012-03-21 上海梅山钢铁股份有限公司 一种吹气赶渣装置及赶渣方法
CN204058518U (zh) * 2014-08-15 2014-12-31 浙江润洁环境科技有限公司 一种转炉下渣检测系统
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
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
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
CN109146874A (zh) * 2018-09-05 2019-01-04 中冶赛迪技术研究中心有限公司 一种基于机器视觉的溢渣检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101412550B1 (ko) * 2012-07-31 2014-06-26 현대제철 주식회사 슬래그 배재 제어방법
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
CN105886694B (zh) * 2016-07-04 2017-12-26 湖南华菱湘潭钢铁有限公司 一种超低磷模铸钢的冶炼方法
CN107299194A (zh) * 2017-07-30 2017-10-27 湖南华菱湘潭钢铁有限公司 一种炉后脱磷的炼钢方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07159053A (ja) * 1993-12-02 1995-06-20 Nkk Corp 除滓装置の制御方法
JPH07175931A (ja) * 1993-12-20 1995-07-14 Aichi Steel Works Ltd ノロ高さ測定装置
JPH08243730A (ja) * 1995-01-13 1996-09-24 Nkk Corp 除滓装置
JPH09262661A (ja) * 1996-03-28 1997-10-07 Nkk Corp 除滓装置とその運転方法
JP2002541329A (ja) * 1999-04-10 2002-12-03 エス・エム・エス・デマーク・アクチエンゲゼルシヤフト 冶金用の溶融容器から金属溶湯を出湯するための方法および装置
CA2491646A1 (en) * 2002-07-11 2004-01-22 Mcmaster University Method for online measurement of molten phases
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
CN2797380Y (zh) * 2005-02-06 2006-07-19 宝山钢铁股份有限公司 一种扒渣装置
CN102382922A (zh) * 2010-08-31 2012-03-21 上海梅山钢铁股份有限公司 一种吹气赶渣装置及赶渣方法
CN204058518U (zh) * 2014-08-15 2014-12-31 浙江润洁环境科技有限公司 一种转炉下渣检测系统
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
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
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
CN109146874A (zh) * 2018-09-05 2019-01-04 中冶赛迪技术研究中心有限公司 一种基于机器视觉的溢渣检测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112828275A (zh) * 2020-12-30 2021-05-25 北京首钢自动化信息技术有限公司 一种自动扒渣方法、装置及系统
CN112828275B (zh) * 2020-12-30 2022-08-09 北京首钢自动化信息技术有限公司 一种自动扒渣方法、装置及系统
CN114196799A (zh) * 2021-12-01 2022-03-18 首钢集团有限公司 一种转炉溢渣的检测方法、装置及计算机设备

Also Published As

Publication number Publication date
KR20220024208A (ko) 2022-03-03
WO2020238715A1 (zh) 2020-12-03
CN112091206B (zh) 2021-07-16

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
CN112091206B (zh) 一种安全可靠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
WO2021197166A1 (zh) 一种转炉留渣工艺自动倒渣的方法和系统
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
CN111650903A (zh) 一种基于视觉识别的钢包底吹氩智能控制系统
CN111560489A (zh) 一种转炉出钢中的台车自动走行方法和系统
CN106670448A (zh) 一种铁水扒渣测控系统
CN106670449A (zh) 一种铁水扒渣测控方法
WO2021190568A1 (zh) 一种转炉全自动倒渣的方法和系统
CN111485055A (zh) 转炉出钢过程中的合金溜槽自动对中方法和系统
WO2022033195A1 (zh) 基于机器视觉的捞渣系统
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
CN114622060B (zh) 一种渣盆容积识别和自动行走控制装置及方法
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
Ayres et al. Measurement of thickness of oxygen lance skull in LD converters using artificial vision
CN115187653A (zh) 一种基于图像识别的扒渣机控制方法和系统
CN116409624A (zh) 具有保护功能的废渣装运方法
CN114235164B (zh) 一种用于钢包空包及出钢过程的热状态监测系统及方法

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