CN112819749A - 一种转炉出钢钢包液位识别方法、系统、介质及终端 - Google Patents

一种转炉出钢钢包液位识别方法、系统、介质及终端 Download PDF

Info

Publication number
CN112819749A
CN112819749A CN202011609085.5A CN202011609085A CN112819749A CN 112819749 A CN112819749 A CN 112819749A CN 202011609085 A CN202011609085 A CN 202011609085A CN 112819749 A CN112819749 A CN 112819749A
Authority
CN
China
Prior art keywords
molten steel
image
liquid level
converter
ladle
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
Application number
CN202011609085.5A
Other languages
English (en)
Inventor
庞殊杨
毛尚伟
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 CN202011609085.5A priority Critical patent/CN112819749A/zh
Publication of CN112819749A publication Critical patent/CN112819749A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • 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

Abstract

本发明提供一种转炉出钢钢包液位识别方法、系统、介质及终端，方法包括：获取转炉出钢钢水液面的图像信息；对图像信息进行图像处理，获取若干边缘轮廓；通过膨胀运算将所述边缘轮廓进行连接；通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；对还原后的图像进行识别，钢水液面图像中存在钢流，则删除钢流区域内的轮廓点；对删除钢流区域内的轮廓点的轮廓进行椭圆拟合，获取拟合结果，将拟合结果作为钢水液面轮廓；本发明能够有效地识别图像中钢包的位置信息，能够实时监测炉下钢包车内钢水液位的高度，用以判断是否应该结束转炉出钢，避免识别钢包过程中的人工参与，提高了生产效率与安全性。

Description

一种转炉出钢钢包液位识别方法、系统、介质及终端
技术领域
本发明涉及钢铁冶炼领域及图像处理领域，尤其涉及一种转炉出钢钢包液位识别方法、系统、介质及终端。
背景技术
在转炉出钢的过程中，钢包内钢水液位高度是判断出钢是否结束的重要参数。如果没有在钢水灌满炉下钢包车之前及时结束出钢，则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，在传统的转炉出钢系统中，通常是由现场工人戴上防护眼镜从转炉边上的控制室窗口探出头去目测炉下钢包车中的液位高度，若炉下钢包车中的钢水液面接近临界值，则操纵控制系统，使转炉停止出钢。但是，这种方式无法满足智能化需要，因此，亟需一种新的转炉出钢钢包液位识别方式，以有效地识别图像中钢包的位置信息，能够实时监测炉下钢包车内钢水液位的高度，用以判断是否应该结束转炉出钢，避免识别钢包过程中的人工参与。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种转炉出钢钢包液位识别方法、系统、介质及终端，以解决上述技术问题。
本发明提供的转炉出钢钢包液位识别方法，包括
获取转炉出钢钢水液面的图像信息；
对所述图像信息进行图像处理，所述图像处理包括灰度化处理和边缘检测，获取若干边缘轮廓；
通过膨胀运算将所述边缘轮廓进行连接；
通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；
对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，获取钢液面轮廓点集；
对所述钢液面轮廓点集进行椭圆拟合，获取拟合结果，将所述拟合结果作为钢水液面轮廓。
可选的，通过在转炉出钢生产线的炉下钢包斜上方设置图像采集模块，获取所述转炉出钢钢水液面的图像信息，图像信息中的钢水液面部分以椭圆或部分椭圆呈现。
可选的，对经过膨胀运算后的钢水液面图像进行中值滤波处理，所述中值滤波处理包括：建立一个包括(2n-1)个点的移动窗口，将窗口中心点的值用窗口内各点的中值代替，若(2n-1)个点的值分别为x1,x2,x3…xn…x2n-1，则窗口内的各点的中值为xn，用xn代替中心点的像素值。
可选的，对经过腐蚀运算后的图像进行轮廓寻找，对寻找得到的轮廓根据轮廓尺寸进行筛选，保留尺寸最大的轮廓。
可选的，通过膨胀运算使所述边缘轮廓连接在一起，形成一片白色像素值的区域，所述膨胀运算通过表达式进行
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′)为以(x,y)为中心的其周围联通的像素点。
可选的，所述腐蚀运算通过表达式进行
dst(x,y)＝min(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′)为以(x,y)为中心的其周围联通的像素点。
可选的，对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则获取钢流的位置信息，并根据所述钢流的位置信息，删除钢流区域内的轮廓点，获取仅保留钢水液面轮廓的图像。
可选的，通过最小二乘法进行所述椭圆拟合，并通过如下方式获取拟合结果
Sa＝λCa
aTCa＝1
其中，Sa＝λCa的特征解为(λi,μui)，μ是任意的实数，
根据aTCa＝1，获取μ，使得μ2ui TCui＝1，即
Figure BDA0002874200620000021
取λi>0对应的特征向量ui，获取拟合结果。
本发明还提供一种转炉出钢钢包液位识别系统，包括：
图像采集模块，用于获取转炉出钢钢水液面的图像信息；
图像处理模块，用于对所述图像信息进行图像处理，所述图像处理包括灰度化处理和边缘检测，获取若干边缘轮廓；
膨胀运算模块，用于通过膨胀运算将所述边缘轮廓进行连接；
腐蚀运算模块，用于通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；
图像识别模块，用于对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，获取钢液面轮廓点集；
拟合模块，用于对所述钢液面轮廓点集进行椭圆拟合，获取拟合结果，将所述拟合结果作为钢水液面轮廓。
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上述中任一项所述方法。
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中任一项所述方法。
本发明的有益效果：本发明中的转炉出钢钢包液位识别方法、系统、介质及终端，能够有效地识别图像中钢包的位置信息，能够实时监测炉下钢包车内钢水液位的高度，用以判断是否应该结束转炉出钢，避免识别钢包过程中的人工参与，提高了生产效率与安全性。
附图说明
图1是本发明实施例中转炉出钢钢包液位识别方法的场景示意图。
图2是本发明实施例中转炉出钢钢包液位识别方法中的经边缘检测处理后的示意图。
图3是本发明实施例中转炉出钢钢包液位识别方法中的边缘检测后，经膨胀、中值滤波再腐蚀后的示意图。
图4是本发明实施例中转炉出钢钢包液位识别方法中的椭圆拟合的钢液面轮廓点集示意图。
图5是本发明实施例中转炉出钢钢包液位识别方法中的椭圆拟合钢液面结果示意图。
图6是本发明实施例中转炉出钢钢包液位识别方法的流程示意图。
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。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
如图1所示，本实施例中的转炉出钢钢包液位识别方法，包括：
S1.获取转炉出钢钢水液面的图像信息；
S2.对所述图像信息进行图像处理，所述图像处理包括灰度化处理和边缘检测，获取若干边缘轮廓；
S3.通过膨胀运算将所述边缘轮廓进行连接；
S4.通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；
S5.对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，获取钢液面轮廓点集；
S6.对钢液面轮廓点集进行椭圆拟合，获取拟合结果，将拟合结果作为钢水液面轮廓。
在本实施例的步骤S1中，可以通过相机等图像采集装置获取转炉出钢钢水液面的图像信息，但是由于应用场景的限制，相机机位无法安装在炉下钢包正上方，所以在转炉出钢生产线的炉下钢包斜上方设置相机，以采集清晰的钢水液面原始图像，钢水液面以椭圆或椭圆的一部分呈现在图像中，获取转炉出钢钢水液面的图像信息，本实施例中在场景下采集的图像信息如图1所示。
在本实施例的步骤S2中，对图像信息进行图像处理，获取若干边缘轮廓，如图2所示，本实施例中图像处理包括灰度化处理和边缘检测，可选的，本实施例对采集的钢水液面图像进行灰度化处理的数学表达为：
Gray＝0.299×R+0.587×G+0.114×B
其中，R,G,B表示相机采集的清晰的视频图像的每个像素点的R,G,B三通道的具体值，Gray表示灰度化处理后的图像的每个像素点的R,G,B三通道的具体值，即三通道数值相等，对灰度化处理后的图像进行边缘检测，以提取出一系列小的边缘轮廓，边缘检测的算子或滤波器包括Canny算子、Sobel算子、Laplacian算子以及Scharr滤波器等。
在本实施例的步骤S3中，采用所述形态学操作中的膨胀运算，使提取出的边缘轮廓连接在一起，形成一片白色像素值的区域，膨胀运算(dilate)数学表达式为：
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)为中心的其周围联通的像素点。
在本实施例中，在对经过膨胀运算后，还包括对钢水液面图像进行中值滤波处理，使得图像轮廓变得更加平滑，寻找出来的钢水液面轮廓稳定。本实施例中的中值滤波处理的方法包括：用一个有(2n-1)个点的移动窗口，将窗口中心点的值用窗口内各点的中值代替。若(2n-1)个点的值分别为x1,x2,x3…xn…x2n-1，则此窗口内的各点的中值为xn，用xn代替中心点的像素值。
在本实施例的步骤S4中，对膨胀运算、中值滤波后的图像，采用形态学操作中的腐蚀运算，以还原钢水液面在图像中的位置，腐蚀运算(erode)数学表达式为：
dst(x,y)＝min(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)为中心的其周围联通的像素点。边缘检测后，经过膨胀运算、中值滤波、再腐蚀运算之后获取的图像如图3所示。
在本实施例的步骤S5中，对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，本实施例通过对腐蚀运算后的图像进行轮廓寻找，对寻找得到的轮廓根据轮廓尺寸进行筛选，保留尺寸最大的轮廓，判断图像中是否识别到钢流，若检测到钢流，得到钢流的位置信息，根据钢流位置信息，删除钢流区域内的轮廓点，使图像中仅保留钢水液面轮廓，即用于椭圆拟合的钢液面轮廓点集，如图4所示。识别得到钢流的位置信息表达为：
[flowxmin,flowymin,flowxmax,flowymax]
其中，flowxmin,flowymin,flowxmax,flowymax分别表示钢流结果框的左下角横坐标、左下角纵坐标、右上角横坐标、右上角纵坐标。
本实施例的步骤S6中，对轮廓筛选完毕后的轮廓点集进行椭圆拟合，椭圆拟合的结果即为钢水液面轮廓，如图5所示。
可选的，本实施例中的椭圆拟合的方法为基于直接最小二乘的椭圆拟合，
设椭圆方程为：
ax2+bxy+cy2+dx+ey＝1.
令a＝[a,b,c,d,e]T,x＝[x2,xy,y2,x,y]T，即椭圆方程可表示为ax＝1.
椭圆方程为ax＝1，拟合椭圆的最优化问题可表示为：
min‖Da‖2
s.t.aTCa＝1
其中，D表示数据样本集合n×6,6表示维度，n表示样本数，a表示椭圆方程的参数，矩阵常数矩阵C为
Figure BDA0002874200620000061
进一步地，拟合椭圆的过程中，根据拉格朗日乘子法，引入拉格朗日因子λ，得到以下的两个等式方程：
2DTDa-2λCa＝0 aTCa＝1
令S＝DTD,将上述公式改写为：
Sa＝λCa
aTCa＝1
Sa＝λCa的特征解为(λi,μui)，其中μ是任意的实数。
根据aTCa＝1，得到一个μ，使得μ2ui TCui＝1，即
Figure BDA0002874200620000062
取λi>0对应的特征向量ui，即为拟合的椭圆的方程解。
相应的，本实施例还提供一种转炉出钢钢包液位识别系统，包括：
图像采集模块，用于获取转炉出钢钢水液面的图像信息；
图像处理模块，用于对所述图像信息进行图像处理，所述图像处理包括灰度化处理和边缘检测，获取若干边缘轮廓；
膨胀运算模块，用于通过膨胀运算将所述边缘轮廓进行连接；
腐蚀运算模块，用于通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；
图像识别模块，用于对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，获取钢液面轮廓点集；
拟合模块，用于对所述钢液面轮廓点集进行椭圆拟合，获取拟合结果，将所述拟合结果作为钢水液面轮廓。
本实施例中的转炉出钢钢包液位识别系统通过上述方法，通过对轮廓筛选完毕后的轮廓点集进行椭圆拟合，获取的椭圆拟合的结果即为钢水液面轮廓，能够有效地识别图像中钢包的位置信息，通过实时监测炉下钢包车内钢水液位的高度，判断是否应该结束转炉出钢，避免识别钢包过程中的人工参与，提高了生产效率与安全性。
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。
在上述实施例中，说明书对“本实施例”、的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”的多次出现不一定全部都指代相同的实施例。在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例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，但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 (11)

1.一种转炉出钢钢包液位识别方法，其特征在于，包括：
获取转炉出钢钢水液面的图像信息；
对所述图像信息进行图像处理，所述图像处理包括灰度化处理和边缘检测，获取若干边缘轮廓；
通过膨胀运算将所述边缘轮廓进行连接；
通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；
对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，获取钢液面轮廓点集；
对所述钢液面轮廓点集进行椭圆拟合，获取拟合结果，将所述拟合结果作为钢水液面轮廓。
2.根据权利要求1所述的转炉出钢钢包液位识别方法，其特征在于，通过在转炉出钢生产线的炉下钢包斜上方设置图像采集模块，获取所述转炉出钢钢水液面的图像信息，图像信息中的钢水液面以椭圆或部分椭圆呈现。
3.根据权利要求1所述的转炉出钢钢包液位识别方法，其特征在于，对经过膨胀运算后的钢水液面图像进行中值滤波处理，所述中值滤波处理包括：建立一个包括(2n-1)个点的移动窗口，将窗口中心点的值用窗口内各点的中值代替，若(2n-1)个点的值分别为x1,x2,x3…xn…x2n-1，则窗口内的各点的中值为xn，用xn代替中心点的像素值。
4.根据权利要求1所述的转炉出钢钢包液位识别方法，其特征在于，对经过腐蚀运算后的图像进行轮廓寻找，对寻找得到的轮廓根据轮廓尺寸进行筛选，保留尺寸最大的轮廓。
5.根据权利要求3所述的转炉出钢钢包液位识别方法，其特征在于，通过膨胀运算使所述边缘轮廓连接在一起，形成一片白色像素值的区域，所述膨胀运算通过表达式进行
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′)为以(x,y)为中心的其周围联通的像素点。
6.根据权利要求5所述的转炉出钢钢包液位识别方法，其特征在于，所述腐蚀运算通过表达式进行
dst(x,y)＝min(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′)为以(x,y)为中心的其周围联通的像素点。
7.根据权利要求1所述的转炉出钢钢包液位识别方法，其特征在于，对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则获取钢流的位置信息，并根据所述钢流的位置信息，删除钢流区域内的轮廓点，获取仅保留钢水液面轮廓的图像。
8.根据权利要求1所述的转炉出钢钢包液位识别方法，其特征在于，通过最小二乘法进行所述椭圆拟合，并通过如下方式获取拟合结果
Sa＝λCa
aTCa＝1
其中，Sa＝λCa的特征解为(λi,μui)，μ是任意的实数，
根据aTCa＝1，获取μ，使得μ2ui TCui＝1，即
Figure FDA0002874200610000021
取λi>0对应的特征向量ui，获取拟合结果。
9.一种转炉出钢钢包液位识别系统，其特征在于，包括：
图像采集模块，用于获取转炉出钢钢水液面的图像信息；
图像处理模块，用于对所述图像信息进行图像处理，所述图像处理包括灰度化处理和边缘检测，获取若干边缘轮廓；
膨胀运算模块，用于通过膨胀运算将所述边缘轮廓进行连接；
腐蚀运算模块，用于通过腐蚀运算对边缘轮廓连接后的图像进行还原，获取钢水液面的位置；
图像识别模块，用于对还原后的图像进行识别，判断钢水液面图像中是否存在钢流，若存在，则删除钢流区域内的轮廓点，获取钢液面轮廓点集；
拟合模块，用于对所述钢液面轮廓点集进行椭圆拟合，获取拟合结果，将所述拟合结果作为钢水液面轮廓。
10.一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权利要求1至8中任一项所述方法。
11.一种电子终端，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8中任一项所述方法。
CN202011609085.5A 2020-12-30 2020-12-30 一种转炉出钢钢包液位识别方法、系统、介质及终端 Pending CN112819749A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011609085.5A CN112819749A (zh) 2020-12-30 2020-12-30 一种转炉出钢钢包液位识别方法、系统、介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011609085.5A CN112819749A (zh) 2020-12-30 2020-12-30 一种转炉出钢钢包液位识别方法、系统、介质及终端

Publications (1)

Publication Number Publication Date
CN112819749A true CN112819749A (zh) 2021-05-18

Family

ID=75856221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011609085.5A Pending CN112819749A (zh) 2020-12-30 2020-12-30 一种转炉出钢钢包液位识别方法、系统、介质及终端

Country Status (1)

Country Link
CN (1) CN112819749A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1342110A (zh) * 1999-03-02 2002-03-27 日本钢管株式会社 判断和控制连铸时钢水流动特性的方法及其装置
CN103743452A (zh) * 2013-12-30 2014-04-23 合肥金星机电科技发展有限公司 非接触式液位测量系统
CN105478737A (zh) * 2015-12-15 2016-04-13 湖南红宇耐磨新材料股份有限公司 一种保温炉浇注平台自动浇注方法和系统
CN106296674A (zh) * 2016-08-04 2017-01-04 电子科技大学 一种椭圆形无栅格油位计的自动读数方法
CN107367311A (zh) * 2017-07-19 2017-11-21 武汉理工大学 一种基于机器视觉的玻璃熔窑液面高度测量及控制方法
US20170350745A1 (en) * 2014-11-25 2017-12-07 Ushio Denki Kabushiki Kaisha Liquid level detection device, method of detecting liquid level, high temperature plasma raw material supply device and extreme ultra violet light source device
CN109447061A (zh) * 2018-09-29 2019-03-08 南京理工大学 基于巡检机器人的电抗器油位计识别方法
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
CN111080696A (zh) * 2019-10-25 2020-04-28 青岛农业大学 一种基于计算机视觉的水下海参识别及定位方法
CN111283303A (zh) * 2020-04-02 2020-06-16 广东福维德焊接股份有限公司 一种基于hdr图像的熔池中心识别系统及其方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1342110A (zh) * 1999-03-02 2002-03-27 日本钢管株式会社 判断和控制连铸时钢水流动特性的方法及其装置
CN103743452A (zh) * 2013-12-30 2014-04-23 合肥金星机电科技发展有限公司 非接触式液位测量系统
US20170350745A1 (en) * 2014-11-25 2017-12-07 Ushio Denki Kabushiki Kaisha Liquid level detection device, method of detecting liquid level, high temperature plasma raw material supply device and extreme ultra violet light source device
CN105478737A (zh) * 2015-12-15 2016-04-13 湖南红宇耐磨新材料股份有限公司 一种保温炉浇注平台自动浇注方法和系统
CN106296674A (zh) * 2016-08-04 2017-01-04 电子科技大学 一种椭圆形无栅格油位计的自动读数方法
CN107367311A (zh) * 2017-07-19 2017-11-21 武汉理工大学 一种基于机器视觉的玻璃熔窑液面高度测量及控制方法
CN109447061A (zh) * 2018-09-29 2019-03-08 南京理工大学 基于巡检机器人的电抗器油位计识别方法
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
CN111080696A (zh) * 2019-10-25 2020-04-28 青岛农业大学 一种基于计算机视觉的水下海参识别及定位方法
CN111283303A (zh) * 2020-04-02 2020-06-16 广东福维德焊接股份有限公司 一种基于hdr图像的熔池中心识别系统及其方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
PENG LI等: "Accurate TOF measurement of ultrasonic signal echo from the liquid level based on a 2-D image processing method", 《NEUROCOMPUTING》 *
刘瑜等: "《数字图像处理与图像通信实验》", 31 December 2008, 北京邮电大学出版社 *
吴云飞: "钢液液面高度自动测量系统的研制", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 *
薛迎成等: "自动浇注铁水液位高度实时图像处理方法的研究", 《盐城工学学院学报（自然科学版）》 *
陈光凤: "基于图像处理的定量浇注系统的设计与研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 *

Similar Documents

Publication Publication Date Title
US10691947B2 (en) Monitoring device
CN111340027A (zh) 一种堆钢识别方法、系统、电子设备及介质
CN112364740A (zh) 一种基于计算机视觉的无人机房监控方法及系统
CN111311670B (zh) 一种基于图像识别的冷床冲顶识别方法、系统及设备
CN113379723A (zh) 不规则溢胶口检测方法、装置、设备和存储介质
CN115457063A (zh) Pcb板圆孔的边缘提取方法、装置、设备及存储介质
CN113284117A (zh) 一种钢卷松卷识别方法、系统、介质和终端
CN112926483A (zh) 标准机柜状态指示灯识别监测方法、装置和系统
CN113222941B (zh) 连铸铸坯的切割状态确定方法、系统、设备及介质
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
CN113177941A (zh) 一种钢卷边裂识别方法、系统、介质和终端
CN112819749A (zh) 一种转炉出钢钢包液位识别方法、系统、介质及终端
CN108090425A (zh) 一种车道线检测方法、装置及终端
CN111985338A (zh) 一种绑扎点识别方法、装置、终端和介质
CN112712539B (zh) 基于机器视觉的转炉出钢钢包车控制方法、系统、介质及终端
CN113191336B (zh) 基于图像识别的电力隐患识别方法及系统
CN113744200B (zh) 一种摄像头脏污检测方法、装置及设备
CN113284115B (zh) 一种钢卷塔形识别方法、系统、介质和终端
CN112733841B (zh) 钢卷内部紊乱判断方法、系统、设备及介质
CN111476770B (zh) 一种基于图像处理的炉渣检测方法、装置、设备及介质
CN112037198B (zh) 一种热轧棒材定支分离检测方法、系统、介质及终端
CN111563883B (zh) 屏幕视觉定位方法、定位设备及存储介质
CN113869245A (zh) 一种安全区域的识别方法及装置
CN112308848A (zh) 一种废钢货车挡板状态识别方法、系统、电子设备及介质
CN110728686A (zh) 一种基于Voronoi的车载灯具图像分割方法

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
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.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210518