CN112613523A - 一种转炉出钢口钢流识别方法、系统、介质及电子终端 - Google Patents

一种转炉出钢口钢流识别方法、系统、介质及电子终端 Download PDF

Info

Publication number
CN112613523A
CN112613523A CN202011482086.8A CN202011482086A CN112613523A CN 112613523 A CN112613523 A CN 112613523A CN 202011482086 A CN202011482086 A CN 202011482086A CN 112613523 A CN112613523 A CN 112613523A
Authority
CN
China
Prior art keywords
steel flow
edge
profile
image
edge profile
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
CN202011482086.8A
Other languages
English (en)
Other versions
CN112613523B (zh
Inventor
毛尚伟
庞殊杨
贾鸿盛
张超杰
李语桐
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.)
CISDI Chongqing Information Technology Co Ltd
Original Assignee
CISDI Chongqing Information Technology 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 CISDI Chongqing Information Technology Co Ltd filed Critical CISDI Chongqing Information Technology Co Ltd
Priority to CN202011482086.8A priority Critical patent/CN112613523B/zh
Publication of CN112613523A publication Critical patent/CN112613523A/zh
Application granted granted Critical
Publication of CN112613523B publication Critical patent/CN112613523B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • 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
    • C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
    • C21C5/28—Manufacture of steel in the converter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种转炉出钢口钢流识别方法、系统、介质及电子终端，方法包括：对采集的钢流图像进行预处理，获取预处理图像，预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；对预处理图像进行边缘检测，提取钢流的第一边缘轮廓；对第一边缘轮廓进行筛选，获取第二边缘轮廓并确定第二边缘轮廓中的直线线条，第二边缘轮廓的延伸方向为钢流流动方向；根据直线线条的斜率，进行钢流轮廓识别；本发明中的方法，通过提取预处理图像中的第一边缘轮廓，对第一边缘轮廓进行筛选，获取钢流流动方向上的第二边缘轮廓，并根据第二边缘轮廓中直线线条的斜率，进行钢流轮廓识别，识别精确度较高，避免采用人工的方式对转炉出钢口的钢流形态进行判断。

Description

一种转炉出钢口钢流识别方法、系统、介质及电子终端
技术领域
本发明涉及图像识别领域，尤其涉及一种转炉出钢口钢流识别方法、系统、介质及电子终端。
背景技术
在转炉出钢过程中，判断从转炉中倒出的钢流是否准确倒入炉下钢包车中是一个至关重要的环节，如果钢流没有准确倒入炉下钢包车中，会造成转炉中的钢水泄露，毁坏现场设备，影响生产效率，重则引发安全事故，目前，通常采用人工的方式，对钢流的形态和位置进行判断，进而控制钢包车在指定方向上的移动，使得钢流能够倒入钢包车中，然而，采用人工的方式对钢流进行识别，精确度较低，容易产生一定的安全隐患，为企业带来不必要的损失，且人工成本较高。
发明内容
本发明提供一种转炉出钢口钢流识别方法、系统、介质及电子终端，以解决现有技术中采用人工的方式对转炉出钢口的钢流的形态进行识别，精确度较低，容易产生一定的安全隐患的问题。
本发明提供的转炉出钢口钢流识别方法，包括：
对采集的钢流图像进行预处理，获取预处理图像，所述预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；
对所述预处理图像进行边缘检测，提取钢流的第一边缘轮廓；
对所述第一边缘轮廓进行筛选，获取第二边缘轮廓并确定所述第二边缘轮廓中的直线线条，所述第二边缘轮廓的延伸方向为钢流流动方向；
根据所述直线线条的斜率，进行钢流轮廓识别。
可选的，根据所述直线线条的斜率，进行钢流轮廓识别的步骤包括：
预设钢流轮廓的斜率阈值范围；
根据所述直线线条的斜率和所述斜率阈值范围，对所述直线线条进行筛选，获取一个或多个阈值边缘线条，所述阈值边缘线条的斜率在所述斜率阈值范围内；
对所述阈值边缘线条进行位置区分，确定左侧边缘线条和右侧边缘线条；
分别对所述左侧边缘线条和右侧边缘线条进行拟合，确定左侧边缘轮廓和右侧边缘轮廓，完成钢流轮廓识别。
可选的，对所述阈值边缘线条进行位置区分，确定左侧边缘线条和右侧边缘线条的步骤包括：
在钢流图像中建立参考坐标系；
在所述参考坐标系中定义一条参考线，所述参考线与所述阈值边缘线条相交；
获取一个或多个所述阈值边缘线条与所述参考线的交点，进而获取所述交点的在所述参考坐标系中的横坐标的平均值；
判断所述阈值边缘线条与所述参考线的交点的横坐标是否小于所述平均值，确定左侧边缘线条和右侧边缘线条。
可选的，对采集的钢流图像进行预处理，获取预处理图像的步骤包括：
对采集的钢流图像进行灰度化处理，获取灰度化图像；
对所述灰度化图像先进行腐蚀操作，再进行膨胀操作，去除灰度化图像中的内部线条，获取降噪图像；
对所述降噪图像进行高斯平滑滤波，消除图像中的高斯噪声，进而获取预处理图像。
可选的，对采集的钢流图像进行灰度化处理，获取灰度化图像的步骤的数学表达为：
Gray＝0.299×R+0.587×G+0.114×B
其中，Gray为灰度化处理后的钢流图像的每个像素点的R，G，B三通道的值，R、G、B分别为采集的所述钢流图像中每个像素点的R、G、B三通道的值。
可选的，对所述第一边缘轮廓进行筛选，获取第二边缘轮廓的步骤包括：
根据预设的尺寸阈值范围，对所述第一边缘轮廓的尺寸进行筛选，删除非钢流轮廓，所述非钢流轮廓为尺寸不在所述尺寸阈值范围内的边缘轮廓，获取尺寸合格轮廓；
对所述尺寸合格轮廓的方向进行筛选，获取第二边缘轮廓。
可选的，确定所述第二边缘轮廓中的直线线条的步骤包括：
构建极坐标系，获取所述第二边缘轮廓中每个点在所述极坐标系中的正弦曲线；
若多个所述正弦曲线相交于一点，则获取对应的交点；
判断经过所述交点的正弦曲线是否超出预设的曲线数量阈值，进而确定所述第二边缘轮廓中的直线线条。
本发明还提供一种转炉出钢口钢流识别系统，包括：
预处理模块，用于对采集的钢流图像进行预处理，获取预处理图像，所述预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；
处理模块，用于对所述预处理图像进行边缘检测，提取钢流的第一边缘轮廓；对所述第一边缘轮廓进行筛选，获取第二边缘轮廓并确定所述第二边缘轮廓中的直线线条，所述第二边缘轮廓的延伸方向为钢流流动方向；
轮廓识别模块，用于根据所述直线线条的斜率，进行钢流轮廓识别；所述预处理模块、处理模块和轮廓识别模块连接。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。
本发明的有益效果：本发明中的转炉出钢口钢流识别方法，通过对采集的图像进行预处理，能够降低后续的处理难度，通过提取预处理图像中的第一边缘轮廓，对第一边缘轮廓进行筛选，获取钢流流动方向上的第二边缘轮廓，并根据第二边缘轮廓中直线线条的斜率，进行钢流轮廓识别，识别精确度较高，能够避免采用人工的方式对转炉出钢口的钢流的形态进行判断，降低安全隐患。
附图说明
图1是本发明实施例中转炉出钢口钢流识别方法的一流程示意图；
图2是本发明实施例中转炉出钢口钢流识别方法的另一流程示意图；
图3是本发明实施例中转炉出钢口钢流识别方法的确定左侧边缘线条和右侧边缘线条的示意图；
图4是本发明实施例中转炉出钢口钢流识别系统的结构示意图。
附图标识：
1 阈值边缘线条；
2 参考线；
3 参考点
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
发明人发现，在钢铁企业的转炉出钢过程中，判断从转炉中倒出的钢流是否准确倒入炉下钢包车中是一个至关重要的环节，如果钢流没有准确倒入炉下钢包车中，会造成转炉中的钢水泄露，毁坏现场设备，影响生产效率，重则引发安全事故，目前，通常采用人工的方式，对钢流的形态和位置进行判断，进而控制钢包车在指定方向上的移动，使得钢流能够倒入钢包车中，然而，采用人工的方式对钢流进行识别，精确度较低，容易产生一定的安全隐患，为企业带来不必要的损失，且人工成本较高，因此，发明人提出一种转炉出钢口钢流识别方法、系统、介质及电子终端，通过对采集的图像进行预处理，能够降低后续的处理难度，通过提取预处理图像中的第一边缘轮廓，对第一边缘轮廓进行筛选，获取在钢流流动方向上的第二边缘轮廓，并根据第二边缘轮廓中直线线条的斜率，进行钢流轮廓识别，识别精确度较高，能够避免采用人工的方式对转炉出钢口的钢流的形态进行判断，降低安全隐患，可实施性较强，可靠性较高，成本较低。
如图1所示，本实施例中的转炉出钢口钢流识别方法，包括：
S1：对采集的钢流图像进行预处理，获取预处理图像，所述预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；通过对采集的钢流图像进行预处理，能够有效降低后续的图像处理难度，例如：对采集的钢流图像进行灰度化处理，能够将钢流图像中的每个像素点的RGB值转换为同一个灰度值，或者对采集的钢流图像进行先腐蚀后膨胀操作，能够删除钢流图像中的内部线条，平滑钢流的轮廓，去掉细小的突出部分，起到降噪的效果，或者对采集的钢流图像进行滤波，能够有效消除图像中的噪声，降低噪声对图像处理的干扰，预处理的步骤可以包括上述灰度化处理、降噪处理和滤波处理中的一个或多个，所获得的预处理图像处理起来较方便，精确度较高，可靠性较高；
S2：对所述预处理图像进行边缘检测，提取钢流的第一边缘轮廓；通过对预处理图像进行边缘检测，能够较好地提取所述预处理图像中钢流的第一边缘轮廓；
S3：对所述第一边缘轮廓进行筛选，获取第二边缘轮廓并确定所述第二边缘轮廓中的直线线条，所述第二边缘轮廓的延伸方向为钢流流动方向；通过对第一边缘轮廓进行筛选，能够去除不符合钢流轮廓的尺寸要求和/或方向要求的边缘轮廓，减少钢流轮廓识别误差，提高钢流轮廓识别精确度，通过获取第二边缘轮廓中的直线线条，能够对钢流的边缘轮廓进行进一步地筛选；
S4：根据所述直线线条的斜率，进行钢流轮廓识别。例如：根据预设的斜率阈值范围，判断所述直线线条的斜率是否在所述斜率阈值范围内，进而进行钢流轮廓识别，实施较方便，自动化程度较高，能够有效提高钢流识别的精确度。
如图2所示，在一些实施例中转炉出钢口钢流识别方法，包括：
S11：对采集的钢流图像进行灰度化处理，获取灰度化图像；通过对采集的钢流图像进行灰度化处理，将钢流图像中每个像素点的RGB值统一成同一个值，能够有效降低后续步骤中的处理难度，方便对钢流图像进行处理，在一些实施例中，可以在视频流中进行钢流图像的采集，也可以通过摄像头采集钢流图像；
S12：对所述灰度化图像先进行腐蚀操作，再进行膨胀操作，去除灰度化图像中的内部线条，获取降噪图像；通过对灰度化图像先进行腐蚀操作，再进行膨胀操作，能够有效去除灰度化图像中的内部线条，除去孤立的小点和毛刺，较完整地保留钢流边缘轮廓；进一步地，对所述灰度化图像先进行腐蚀操作，再进行膨胀操作的数学表达为：
dst(open)＝open(src)＝dilate(erode(src))
其中，dst(open)表示开运算，erode表示腐蚀运算，dilate表示膨胀运算，src为待处理图像；
腐蚀运算(erode)数学表达为：
dst(x，y)＝min(src(x+x′，y+y′))(x′，y′)：(x′，y′)≠0
膨胀运算(dilate)数学表达为：
dst(x，y)＝max(src(x+x′，y+y′))(x′，y′)：(x′，y′)≠0
其中，(x，y)为待处理像素点坐标，src(x，y)为待处理像素点的颜色值，dst(x，y)为处理后像素点的颜色值，(x+x′，y+y′)表示以(x，y)为中心的其周围互相联通的像素点。
S13：对所述降噪图像进行高斯平滑滤波，消除图像中的高斯噪声，进而获取预处理图像；通过对所述降噪图像进行高斯平滑滤波，能够较好地减少图像中的高斯噪声，避免噪声对钢流轮廓识别产生影响，提高钢流轮廓识别精确度；
在一些实施例中，对所述降噪图像进行高斯平滑滤波的步骤包括：用一个模板扫描图像中的每一个像素，再用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值，对所述开运算图像进行高斯平滑滤波的步骤的数学表达为：
Figure BDA0002837871820000061
其中，(x，y)为模板内任一点的坐标，(μx，μy)为模板内中心点的坐标，σ是标准差。
S21：对所述预处理图像进行边缘检测，提取所述预处理图像中的钢流的第一边缘轮廓；
S31：根据预设的尺寸阈值范围，对第一边缘轮廓的尺寸进行筛选，删除非钢流轮廓，所述非钢流轮廓为尺寸不在所述尺寸阈值范围内的边缘轮廓，获取尺寸合格轮廓；通过对第一边缘轮廓的尺寸进行筛选，能够去除尺寸不合格的边缘轮廓，减少识别误差；
S32：对所述尺寸合格轮廓的方向进行筛选，获取第二边缘轮廓，所述第二边缘轮廓的延伸方向为钢流流动方向；通过对尺寸合格轮廓的方向进行筛选，能够获取钢流流动方向上方向的边缘轮廓，提高识别精确度；
S33：构建极坐标系，获取所述第二边缘轮廓中每个点在所述极坐标系中的正弦曲线；
S34：若多个所述正弦曲线相交于一点，则获取对应的交点；
S35：判断经过所述交点的正弦曲线是否超出预设的曲线数量阈值，进而确定所述第二边缘轮廓中的直线线条；例如：先在极坐标系中设置过点(x0，y0)的一族直线为：
γθ＝x0 cosθ+y0 sinθ
其中，γθ为直线到图像原点的距离，图像原点可以根据实际情况确定，θ为直线的法向方向与极坐标系的x轴的夹角；
将所述第二边缘轮廓中的每个点代入所述极坐标系，获取所述第二边缘轮廓中每个点在所述极坐标系中的正弦曲线，若多个所述正弦曲线相交于一点，则获取对应的交点，判断经过所述交点的正弦曲线是否超出预设的曲线数量阈值，若经过所述交点的正弦曲线超出预设的曲线数量阈值，则确定该交点所代表的参数对(θ，γθ)在钢流图像中为一条直线。
S41：根据所述直线线条的斜率和预设的斜率阈值范围，对所述直线线条进行筛选，获取一个或多个阈值边缘线条1，所述阈值边缘线条1的斜率在所述斜率阈值范围内；
S42：对所述阈值边缘线条1进行位置区分，确定左侧边缘线条和右侧边缘线条；
如图3所示，在一些实施例中，对所述阈值边缘线条1进行位置区分，确定左侧边缘线条和右侧边缘线条的步骤包括：
在钢流图像中建立参考坐标系；
在所述参考坐标系中定义一条参考线2，所述参考线2与所述阈值边缘线条1相交；
获取一个或多个所述阈值边缘线条1与所述参考线2的交点，进而获取所述交点的在所述参考坐标系中的横坐标的平均值；同时，确定参考点3，所述参考点3为一个或多个交点的在参考坐标系中的横坐标的平均值所在的点；
判断所述阈值边缘线条1与所述参考线2的交点的横坐标是否小于所述平均值，确定左侧边缘线条和右侧边缘线条；
S43：分别对所述左侧边缘线条和右侧边缘线条进行拟合，确定左侧边缘轮廓和右侧边缘轮廓，完成钢流轮廓识别。即对左侧边缘线条进行拟合，确定左侧边缘轮廓，并对右侧线条进行拟合，确定右侧边缘轮廓，能够较好地对钢流的边缘轮廓进行识别，识别精确度较高，可实施性较强，成本较低，例如：将多个所述左侧边缘线条组成的左侧边缘线条集进行拟合，获取左侧边缘轮廓，将多个所述右侧边缘线条组成的右侧边缘线条集进行拟合，获取右侧边缘轮廓，进而实现对钢流的边缘轮廓的识别，实施较方便，识别效率较高，识别精确度较高，避免采用人工的方法对钢流的形态进行识别，导致的识别效率较低的问题，降低安全隐患。
在一些实施例中，还包括：根据采集的钢流图像，进行钢流特征提取，进而获取钢流的位置信息；
根据所述左侧边缘轮廓、所述右侧边缘轮廓和所述位置信息，判断钢流是否落入钢包车内，获取判断结果；
根据所述判断结果，发出控制钢包车移动的控制指令，进而控制钢包车向指定的位置进行移动，确保钢流落入钢包车内，避免转炉中的钢水泄露，毁坏现场设备，影响生产效率，降低安全隐患，节约成本。
如图4所示，本实施例还提供一种转炉出钢口钢流识别系统，包括：
预处理模块，用于对采集的钢流图像进行预处理，获取预处理图像，所述预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；
处理模块，用于对所述预处理图像进行边缘检测，提取钢流的第一边缘轮廓；对所述第一边缘轮廓进行筛选，获取第二边缘轮廓并确定所述第二边缘轮廓中的直线线条，所述第二边缘轮廓的延伸方向为钢流流动方向；
轮廓识别模块，用于根据所述直线线条的斜率，进行钢流轮廓识别；所述预处理模块、处理模块和轮廓识别模块依次连接。通过预处理模块对采集的钢流图像进行预处理，降低后续图像处理难度，处理模块根据预处理图像，提取钢流的第一边缘轮廓，对第一边缘轮廓进行筛选，获取第二边缘轮廓，处理模块根据第二边缘轮廓中直线线条的斜率，进行钢流轮廓识别，识别精确度较高，能够避免采用人工的方式对转炉出钢口的钢流的形态进行判断，降低安全隐患、可实施性较强，可靠性较高，成本较低。
在一些实施例中，还包括：用于发出控制指令的控制模块，所述控制模块的输入端与所述轮廓识别模块的输出端连接。
在一些实施例中，还包括：用于显示钢流轮廓的显示模块，所述显示模块的输入端与所述轮廓识别模块的输出端连接。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种转炉出钢口钢流识别方法，其特征在于，包括：
对采集的钢流图像进行预处理，获取预处理图像，所述预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；
对所述预处理图像进行边缘检测，提取钢流的第一边缘轮廓；
对所述第一边缘轮廓进行筛选，获取第二边缘轮廓并确定所述第二边缘轮廓中的直线线条，所述第二边缘轮廓的延伸方向为钢流流动方向；
根据所述直线线条的斜率，进行钢流轮廓识别。
2.根据权利要求1所述的转炉出钢口钢流识别方法，其特征在于，根据所述直线线条的斜率，进行钢流轮廓识别的步骤包括：
预设钢流轮廓的斜率阈值范围；
根据所述直线线条的斜率和所述斜率阈值范围，对所述直线线条进行筛选，获取一个或多个阈值边缘线条，所述阈值边缘线条的斜率在所述斜率阈值范围内；
对所述阈值边缘线条进行位置区分，确定左侧边缘线条和右侧边缘线条；
分别对所述左侧边缘线条和右侧边缘线条进行拟合，确定左侧边缘轮廓和右侧边缘轮廓，完成钢流轮廓识别。
3.根据权利要求2所述的转炉出钢口钢流识别方法，其特征在于，对所述阈值边缘线条进行位置区分，确定左侧边缘线条和右侧边缘线条的步骤包括：
在钢流图像中建立参考坐标系；
在所述参考坐标系中定义一条参考线，所述参考线与所述阈值边缘线条相交；
获取一个或多个所述阈值边缘线条与所述参考线的交点，进而获取所述交点的在所述参考坐标系中的横坐标的平均值；
判断所述阈值边缘线条与所述参考线的交点的横坐标是否小于所述平均值，确定左侧边缘线条和右侧边缘线条。
4.根据权利要求1所述的转炉出钢口钢流识别方法，其特征在于，对采集的钢流图像进行预处理，获取预处理图像的步骤包括：
对采集的钢流图像进行灰度化处理，获取灰度化图像；
对所述灰度化图像先进行腐蚀操作，再进行膨胀操作，去除灰度化图像中的内部线条，获取降噪图像；
对所述降噪图像进行高斯平滑滤波，消除图像中的高斯噪声，进而获取预处理图像。
5.根据权利要求4所述的转炉出钢口钢流识别方法，其特征在于，对采集的钢流图像进行灰度化处理，获取灰度化图像的步骤的数学表达为：
Gray＝0.299×R+0.587×G+0.114×B
其中，Gray为灰度化处理后的钢流图像的每个像素点的R，G，B三通道的值，R、G、B分别为采集的所述钢流图像中每个像素点的R、G、B三通道的值。
6.根据权利要求1所述的转炉出钢口钢流识别方法，其特征在于，对所述第一边缘轮廓进行筛选，获取第二边缘轮廓的步骤包括：
根据预设的尺寸阈值范围，对所述第一边缘轮廓的尺寸进行筛选，删除非钢流轮廓，所述非钢流轮廓为尺寸不在所述尺寸阈值范围内的边缘轮廓，获取尺寸合格轮廓；
对所述尺寸合格轮廓的方向进行筛选，获取第二边缘轮廓。
7.根据权利要求1所述的转炉出钢口钢流识别方法，其特征在于，确定所述第二边缘轮廓中的直线线条的步骤包括：
构建极坐标系，获取所述第二边缘轮廓中每个点在所述极坐标系中的正弦曲线；
若多个所述正弦曲线相交于一点，则获取对应的交点；
判断经过所述交点的正弦曲线是否超出预设的曲线数量阈值，进而确定所述第二边缘轮廓中的直线线条。
8.一种转炉出钢口钢流识别系统，其特征在于，包括：
预处理模块，用于对采集的钢流图像进行预处理，获取预处理图像，所述预处理至少包括以下之一：灰度化处理、降噪处理和滤波处理；
处理模块，用于对所述预处理图像进行边缘检测，提取钢流的第一边缘轮廓；对所述第一边缘轮廓进行筛选，获取第二边缘轮廓并确定所述第二边缘轮廓中的直线线条，所述第二边缘轮廓的延伸方向为钢流流动方向；
轮廓识别模块，用于根据所述直线线条的斜率，进行钢流轮廓识别；所述预处理模块、处理模块和轮廓识别模块连接。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述方法。
CN202011482086.8A 2020-12-15 2020-12-15 一种转炉出钢口钢流识别方法、系统、介质及电子终端 Active CN112613523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011482086.8A CN112613523B (zh) 2020-12-15 2020-12-15 一种转炉出钢口钢流识别方法、系统、介质及电子终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011482086.8A CN112613523B (zh) 2020-12-15 2020-12-15 一种转炉出钢口钢流识别方法、系统、介质及电子终端

Publications (2)

Publication Number Publication Date
CN112613523A true CN112613523A (zh) 2021-04-06
CN112613523B CN112613523B (zh) 2023-04-07

Family

ID=75239537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011482086.8A Active CN112613523B (zh) 2020-12-15 2020-12-15 一种转炉出钢口钢流识别方法、系统、介质及电子终端

Country Status (1)

Country Link
CN (1) CN112613523B (zh)

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040096092A1 (en) * 2002-08-20 2004-05-20 Takahiro Ikeda Extracting method of pattern contour, image processing method, searching method of pattern edge, scanning method of probe, manufacturing method of semiconductor device, pattern inspection apparatus, and program
CN103400150A (zh) * 2013-08-14 2013-11-20 浙江大学 一种基于移动平台进行道路边缘识别的方法及装置
CN203401073U (zh) * 2013-08-16 2014-01-22 武汉钢铁集团精鼎工业炉有限责任公司 一种钢包包底工作层砌筑结构
CN104573627A (zh) * 2014-11-19 2015-04-29 湖南大学 基于二值图像的车道线保留与检测算法
CN106887004A (zh) * 2017-02-24 2017-06-23 电子科技大学 一种基于块匹配的车道线检测方法
CN107099637A (zh) * 2017-05-16 2017-08-29 山东钢铁股份有限公司 转炉自动出钢控制方法及系统
CN206794747U (zh) * 2017-06-22 2017-12-26 日照宝华新材料有限公司 钢水罐车复合型扫轨器
CN109308462A (zh) * 2018-09-10 2019-02-05 中国民航大学 一种指静脉和指节纹感兴趣区域定位方法
CN109325935A (zh) * 2018-07-24 2019-02-12 国网浙江省电力有限公司杭州供电公司 一种基于无人机图像的输电线路检测方法
CN110310279A (zh) * 2019-07-09 2019-10-08 苏州梦想人软件科技有限公司 矩形及曲边矩形边角图像识别方法
WO2019205290A1 (zh) * 2018-04-28 2019-10-31 平安科技（深圳）有限公司 一种图像检测方法、装置、计算机设备及存储介质
CN110705342A (zh) * 2019-08-20 2020-01-17 上海阅面网络科技有限公司 一种车道线分割检测方法及装置
CN110751669A (zh) * 2019-09-24 2020-02-04 武汉科技大学 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
CN110852173A (zh) * 2019-10-15 2020-02-28 山东大学 一种针对模糊焊缝的视觉定位方法及系统
CN111079772A (zh) * 2019-12-18 2020-04-28 深圳科瑞技术股份有限公司 图像边缘提取处理方法、装置及存储介质
US20200134795A1 (en) * 2018-04-27 2020-04-30 Boe Technology Group Co., Ltd. Image processing method, image processing system, and storage medium
CN111179232A (zh) * 2019-12-20 2020-05-19 山东大学 基于图像处理的钢筋尺寸检测系统及方法
CN111402281A (zh) * 2020-03-12 2020-07-10 上海合合信息科技发展有限公司 一种书籍边缘检测方法及装置
CN111439259A (zh) * 2020-03-23 2020-07-24 成都睿芯行科技有限公司 基于端到端卷积神经网络的农业园场景车道偏移预警控制方法及系统
CN111451467A (zh) * 2020-04-20 2020-07-28 马鞍山钢铁股份有限公司 一种连铸钢包浇注状态监控系统及监控方法
CN111485055A (zh) * 2019-01-29 2020-08-04 宝山钢铁股份有限公司 转炉出钢过程中的合金溜槽自动对中方法和系统
CN111560489A (zh) * 2019-01-29 2020-08-21 宝山钢铁股份有限公司 一种转炉出钢中的台车自动走行方法和系统
CN111815575A (zh) * 2020-06-19 2020-10-23 浙江工业大学 一种基于机器视觉的轴承钢珠零件检测方法

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040096092A1 (en) * 2002-08-20 2004-05-20 Takahiro Ikeda Extracting method of pattern contour, image processing method, searching method of pattern edge, scanning method of probe, manufacturing method of semiconductor device, pattern inspection apparatus, and program
CN103400150A (zh) * 2013-08-14 2013-11-20 浙江大学 一种基于移动平台进行道路边缘识别的方法及装置
CN203401073U (zh) * 2013-08-16 2014-01-22 武汉钢铁集团精鼎工业炉有限责任公司 一种钢包包底工作层砌筑结构
CN104573627A (zh) * 2014-11-19 2015-04-29 湖南大学 基于二值图像的车道线保留与检测算法
CN106887004A (zh) * 2017-02-24 2017-06-23 电子科技大学 一种基于块匹配的车道线检测方法
CN107099637A (zh) * 2017-05-16 2017-08-29 山东钢铁股份有限公司 转炉自动出钢控制方法及系统
CN206794747U (zh) * 2017-06-22 2017-12-26 日照宝华新材料有限公司 钢水罐车复合型扫轨器
US20200134795A1 (en) * 2018-04-27 2020-04-30 Boe Technology Group Co., Ltd. Image processing method, image processing system, and storage medium
WO2019205290A1 (zh) * 2018-04-28 2019-10-31 平安科技（深圳）有限公司 一种图像检测方法、装置、计算机设备及存储介质
CN109325935A (zh) * 2018-07-24 2019-02-12 国网浙江省电力有限公司杭州供电公司 一种基于无人机图像的输电线路检测方法
CN109308462A (zh) * 2018-09-10 2019-02-05 中国民航大学 一种指静脉和指节纹感兴趣区域定位方法
CN111485055A (zh) * 2019-01-29 2020-08-04 宝山钢铁股份有限公司 转炉出钢过程中的合金溜槽自动对中方法和系统
CN111560489A (zh) * 2019-01-29 2020-08-21 宝山钢铁股份有限公司 一种转炉出钢中的台车自动走行方法和系统
CN110310279A (zh) * 2019-07-09 2019-10-08 苏州梦想人软件科技有限公司 矩形及曲边矩形边角图像识别方法
CN110705342A (zh) * 2019-08-20 2020-01-17 上海阅面网络科技有限公司 一种车道线分割检测方法及装置
CN110751669A (zh) * 2019-09-24 2020-02-04 武汉科技大学 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
CN110852173A (zh) * 2019-10-15 2020-02-28 山东大学 一种针对模糊焊缝的视觉定位方法及系统
CN111079772A (zh) * 2019-12-18 2020-04-28 深圳科瑞技术股份有限公司 图像边缘提取处理方法、装置及存储介质
CN111179232A (zh) * 2019-12-20 2020-05-19 山东大学 基于图像处理的钢筋尺寸检测系统及方法
CN111402281A (zh) * 2020-03-12 2020-07-10 上海合合信息科技发展有限公司 一种书籍边缘检测方法及装置
CN111439259A (zh) * 2020-03-23 2020-07-24 成都睿芯行科技有限公司 基于端到端卷积神经网络的农业园场景车道偏移预警控制方法及系统
CN111451467A (zh) * 2020-04-20 2020-07-28 马鞍山钢铁股份有限公司 一种连铸钢包浇注状态监控系统及监控方法
CN111815575A (zh) * 2020-06-19 2020-10-23 浙江工业大学 一种基于机器视觉的轴承钢珠零件检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ZUJIA ZHENG等: "Application of image feature extraction in water-proof steel plate counting of construction sites", 《JOURNAL OF PHYSICS: CONFERENCE SERIES》 *
姜德晶等: "基于方向引导优化的视觉导航方法", 《电子技术应用》 *
李艳丽等: "基于改进Camshift的红外转炉钢流自动检测与跟踪", 《仪表与自动化装置》 *
江俊等: "基于水平集的转炉出钢图像钢渣检测方法" *
王银丹: "酒瓶盖印刷板印刷缺陷视觉检测系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *
邢炜光: "基于机器视觉的钢流夹渣检测方法的研究" *

Also Published As

Publication number Publication date
CN112613523B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
WO2021212913A1 (zh) 一种图像分割方法、装置、设备及介质
CN115272346A (zh) 一种基于边缘检测的pcb板生产过程在线检测方法
CN106682665B (zh) 一种基于计算机视觉的七段式数显仪表数字识别方法
CN112396050B (zh) 图像的处理方法、设备以及存储介质
CN115457063A (zh) Pcb板圆孔的边缘提取方法、装置、设备及存储介质
CN111553310B (zh) 基于毫米波雷达的安检图像获取方法、系统及安检设备
KR101034117B1 (ko) 영상에서 관심 영역 지정 및 윤곽선 영상을 이용한 객체 인식 방법 및 장치
CN114863492B (zh) 一种低质量指纹图像的修复方法及修复装置
CN115331211B (zh) 一种用于文字识别的去噪增强方法
CN111127498A (zh) 一种基于边缘自生长的Canny边缘检测方法
CN111028214B (zh) 一种基于云平台的皮肤检测装置
CN115601385A (zh) 气泡形态处理方法、设备、介质及程序产品
CN112613523B (zh) 一种转炉出钢口钢流识别方法、系统、介质及电子终端
KR20190076781A (ko) 딥러닝 기반의 슬래그 자동 제거 장치 및 방법
CN112749735B (zh) 基于深度学习的转炉出钢钢流识别方法、系统、介质及终端
CN114119569A (zh) 基于机器学习的成像测井图像裂缝分割与识别方法和系统
CN106778844B (zh) 隧道内裂缝匹配方法和系统
CN110147765B (zh) 一种图像处理方法及装置
CN108205641B (zh) 手势图像处理方法及装置
CN113177922A (zh) 一种原料异物识别方法、系统、介质及电子终端
CN116402820A (zh) 一种检测方法、装置、设备及存储介质
CN105844260A (zh) 一种多功能智能清洁机器人装置
CN116468776A (zh) 探针识别的定位方法、装置、存储介质以及电子设备
CN109559325B (zh) 基于棋谱rgb图像的围棋棋谱识别方法
CN112395981B (zh) 一种基于指静脉图像的认证方法、装置、设备及介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing

Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd.

Address before: 20-24 / F, No.7 Longjing Road, North New District, Yubei District, Chongqing

Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant