CN112853033B - 一种基于炉口图像分析的高效溅渣智能控制方法及系统 - Google Patents

Abstract

本发明公开了一种基于炉口图像分析的高效溅渣智能控制方法及系统，包括，采集炉口渣粒图像作为样本数据，提取特征元素并定义不同渣粒类型；建立转炉终渣分析模型，并对模型进行训练优化；对实际生产中渣粒图像进行识别，输出渣粒类型并指导操作；输出溅渣结果行；根据留渣量预测溅渣结束时刻并输出溅渣效果判定行。本发明使用方便，通过图像分析智能控制转炉溅渣操作，解决了以经验和操作规则为指导的溅渣工艺效果不稳定、溅渣料消耗大、溅渣时间长等缺点；整个溅渣过程更加科学合理、能够提高生产效率、降低物料消耗，缩短冶炼周期，从而达到降本增效的目的。

Description

一种基于炉口图像分析的高效溅渣智能控制方法及系统

技术领域

本发明涉及钢铁冶金技术领域，尤其涉及一种基于炉口图像分析的高效溅渣智能控制方法及系统。

背景技术

转炉溅渣是指在转炉出钢后，将炉渣留在炉内调整其成分，并通过氧枪向炉内吹入高压氮气，将炉渣冷却溅起沾在炉衬上，形成保护层，达到减轻炉衬化学侵蚀和机械冲刷的目的。

目前，大部分钢厂的转炉溅渣过程都是根据经验和操作规程等人工手动操作的，通过设定需要投入的溅渣料重量，并根据炉底状况设定溅渣过程中枪位和氮气的流量，以及溅渣时间；这种依靠人为经验和固定式操作规程执行的溅渣工艺，现场溅渣料消耗较高，溅渣时间也较长，溅渣效果不理想。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有技术中依靠人为经验达到的溅渣效果不理想的问题，提出了本发明。

因此，本发明解决的技术问题是：通过计算机根据炉口图像分析出当前的溅渣效果，并实时指导溅渣过程中加料及枪位、氮气流量的控制，自动识别溅渣终点，达到高效溅渣的目的，同时评估最终的溅渣效果，为下一炉钢的吹炼控制提供指导。

为解决上述技术问题，本发明提供如下技术方案：一种基于炉口图像分析的高效溅渣智能控制方法，包括，采集炉口渣粒图像作为样本数据，提取特征元素并定义不同渣粒类型；建立转炉终渣分析模型，并对模型进行训练优化；对实际生产中渣粒图像进行识别，输出渣粒类型并指导操作；输出溅渣结果行；根据留渣量预测溅渣结束时刻并输出溅渣效果判定行。

作为本发明所述的基于炉口图像分析的高效溅渣智能控制方法的一种优选方案，其中：所述渣粒类型包括渣稠、渣稀、渣合，渣粒参数A＝渣总个数÷渣总面积，当A＞20个/m2定义为渣稠；当A在10～20个/m2定义为渣合；当A在＜10个/m2定义为渣稀。

作为本发明所述的基于炉口图像分析的高效溅渣智能控制方法的一种优选方案，其中：所述根据渣粒类型指导操作包括，根据输出的渣粒类型，进行加入溅渣料、枪位升降和氮气流量增减的操作，直至调整渣粒类型为渣合。

作为本发明所述的基于炉口图像分析的高效溅渣智能控制方法的一种优选方案，其中：所述输出溅渣结果行包括，满足多大颗粒溅渣开始时间、满足多大颗粒溅渣保持时间、满足炉缸溅渣少大颗粒保持时间、倒渣角度、有效倒渣时长、溅渣过程被遮挡时长；

作为本发明所述的基于炉口图像分析的高效溅渣智能控制方法的一种优选方案，其中：所述判定行包括，渣合量少，渣稀量少，渣稀量合，渣合量合，渣合量大，渣稀量大，无效溅渣七种状态以及，小短或小合或小长。

本发明解决的另一个技术问题是：提出一种基于炉口图像分析的高效溅渣智能系统，使得实际生产过程中，智能系统能够实时指导操作人员调整溅渣操作，稳定溅渣效果。

为解决上述技术问题，本发明提供如下技术方案：一种基于炉口图像分析的高效溅渣智能系统，包括，图像采集模块用于采集炉口渣粒图像作为样本数据；图像识别模块连接所述图像采集模块，用于识别图像采集模块提取的特征，进行深度学习，达到自动识别的功能；数据处理模块连接于所述图像识别模块，根据所述图像识别模块识别出的渣粒类型提示操作，计算统计出各渣粒类型的保持时长，输出溅渣结果行，根据输入的留渣量及溅渣结果行，计算预测溅渣结束时刻，输出溅渣效果判定行；显示模块连接于所述数据处理模块，用于显示渣粒类型，渣粒类型保持时长，溅渣结果行，溅渣结束时刻，溅渣效果判定行。

作为本发明所述的基于炉口图像分析的高效溅渣智能系统的一种优选方案，其中：所述图像识别模块包括，渣粒类型判断模型，用于提示操作人员操作，保证渣粒类型为渣合。

作为本发明所述的基于炉口图像分析的高效溅渣智能系统的一种优选方案，其中：所述数据处理模块包括，渣粒大小判断模型，用于判定溅渣工艺是否合格，为下炉钢制定吹炼和加料工艺提供依据。

本发明的有益效果：本发明采集转炉溅渣时炉口渣粒图像，计算机自动计算出图像中渣粒的数量、面积、亮度等信息评估当前的溅渣效果并从工艺角度指导操作人员调整的溅渣操作，包括溅渣料的加入量、枪位、氮气流量等；另外，根据过程溅渣时长和溅渣效果，自动识别溅渣终点。本发明使用方便，通过图像分析智能控制转炉溅渣操作，解决了以经验和操作规则为指导的溅渣工艺效果不稳定、溅渣料消耗大、溅渣时间长等缺点；整个溅渣过程更加科学合理、能够提高生产效率、降低物料消耗，缩短冶炼周期，从而达到降本增效的目的。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一个实施例所述的一种基于炉口图像分析的高效溅渣智能控制方法的流程示意图；

图2为本发明第一个实施例所述的一种基于炉口图像分析的高效溅渣智能控制方法的实际生产炉口渣粒图像；

图3为本发明第二个实施例所述的一种基于炉口图像分析的高效溅渣智能系统的操作显示界面。

图4为本发明第二个实施例所述的一种基于炉口图像分析的高效溅渣智能系统的模块结构分布示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1-2，为本发明的第一个实施例，该实施例提供了一种基于炉口图像分析的高效溅渣智能控制方法，包括：

S1：采集炉口渣粒图像作为样本数据，提取特征元素并定义不同渣粒类型。其中需要说明的是，

渣粒类型包括渣稠、渣稀、渣合，渣粒参数A＝渣总个数÷渣总面积，当A＞20个/m2定义为渣稠；当A在10～20个/m2定义为渣合；当A在＜10个/m2定义为渣稀。

S2：建立转炉终渣分析模型，并对模型进行训练优化。其中需要说明的是，

构建转炉溅渣控制系统，并对该系统进行训练优化，对样本数据进行深度学习，使系统实现图像自动识别功能。

S3：对实际生产中渣粒图像进行识别，输出渣粒类型并指导操作。其中需要说明的是，

根据渣粒类型指导操作包括，根据输出的渣粒类型，进行加入溅渣料、枪位升降和氮气流量增减的操作，操作人员操作时，溅渣料加入量按每次150kg石灰，枪位每次变动150mm，氮气流量每次调整1000Nm³/h，直至调整渣粒类型为渣合。

S4：输出溅渣结果行。其中需要说明的是，

输出的溅渣结果行包括LC1：满足多大颗粒溅渣开始时间、LC2：满足多大颗粒溅渣保持时间、LC3：满足炉缸溅渣少大颗粒保持时间、LC4：倒渣角度、LC5：有效倒渣时长、LC6：溅渣过程被遮挡时长

S5：根据留渣量预测溅渣结束时刻并输出溅渣效果判定行。其中需要说明的是，

溅渣结果判定行包括渣合量少，渣稀量少，渣稀量合，渣合量合，渣合量大，渣稀量大，无效溅渣七种状态以及，小短或小合或小长；溅渣总过程渣粒数量大于5000个为量大，3000～5000为量合，小于3000为量少，渣粒类型参照步骤1中定义；“小短”定义为大颗粒渣飞出炉口的时间<50秒；“小合”定义为大颗粒渣飞出炉口的时间50～100秒；“小长”定义为大颗粒渣飞出炉口的时间大于100秒。

为了对本方法中采用的技术效果加以验证说明，本实施例选择我司两炉转炉溅渣具体案例进行说明，以验证本方法所具有的真实效果。

炉号为07112252，出钢结束后倒渣角度至104°，计算出炉内留渣量为5.8吨，将留渣量输入溅渣控制系统；

下枪开始溅渣操作，炉口摄像头采集视频图像并导入溅渣控制系统中；

通过AI图像识别炉口飞出的渣粒类型为渣稀，系统给出调整提示为加入溅渣料300kg生白，枪位保持1500mm，氮气流量保持40000Nm³/h。按提示操作完成后，渣粒类型变为渣合；

溅渣控制系统计算出各渣粒类型的保持时长，给出溅渣状态为渣合量合；

溅渣系统根据留渣量合溅渣状态等信息，计算出本炉钢需要的溅渣总时长为210s，并提示30s后提枪结束溅渣操作；

溅渣结束后，溅渣系统对本次溅渣效果最终评价为渣合量合，小短；

炉号07112253开始吹炼，根据上一炉07112252的溅渣效果为渣合量合，小短，可合理调整吹炼造渣工艺。

炉号为98123652，出钢结束后倒渣角度至104°，计算出炉内留渣量为6.2吨，将留渣量输入溅渣控制系统。

下枪开始溅渣操作，炉口摄像头采集视频图像并导入溅渣控制系统中；

通过AI图像识别炉口飞出的渣粒类型为渣稠，系统给出调整提示为让枪操作，枪位调整至1800mm，氮气流量保持40000Nm³/h。按提示操作完成后，渣粒类型变为渣合；

溅渣控制系统计算出各渣粒类型的保持时长，给出溅渣状态为渣合量合；

溅渣系统根据留渣量合溅渣状态等信息，计算出本炉钢需要的溅渣总时长为197s，并提示20s后提枪结束溅渣操作；

溅渣结束后，溅渣系统对本次溅渣效果最终评价为渣合量合，小合；

炉号98123653开始吹炼，根据上一炉98123652的溅渣效果为渣合量合，小合，可合理调整吹炼造渣工艺。

本实施例的有益效果是：本发明采集转炉溅渣时炉口渣粒图像，计算机自动计算出图像中渣粒的数量、面积、亮度等信息评估当前的溅渣效果并从工艺角度指导操作人员调整的溅渣操作，包括溅渣料的加入量、抢位、氮气流量等。另外，根据过程溅渣时长和溅渣效果，自动识别溅渣终点。本发明使用方便，通过图像分析智能控制转炉溅渣操作，解决了以经验和操作规则为指导的溅渣工艺效果不稳定、溅渣料消耗大、溅渣时间长等缺点。整个溅渣过程更加科学合理、能够提高生产效率、降低物料消耗，缩短冶炼周期，从而达到降本增效的目的。

实施例2

参照图3-4，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于炉口图像分析的高效溅渣智能系统，包括：图像采集模块100用于采集炉口渣粒图像作为样本数据，图像采集模块100包括摄像头；图像识别模块200连接图像采集模块100，用于识别图像采集模块100提取的特征，进行深度学习，达到自动识别的功能，图像识别模块200包括渣粒类型判断模型201，用于提示操作人员操作，保证渣粒类型为渣合；数据处理模块300连接于图像识别模块200，根据图像识别模块200识别出的渣粒类型提示操作，计算统计出各渣粒类型的保持时长，输出溅渣结果行，根据输入的留渣量及溅渣结果行，计算预测溅渣结束时刻，输出溅渣效果判定行，数据处理模块300包括渣粒大小判断模型301，用于判定溅渣工艺是否合格，为下炉钢制定吹炼和加料工艺提供依据；显示模块400连接于数据处理模块300，用于显示渣粒类型，渣粒类型保持时长，溅渣结果行，溅渣结束时刻，溅渣效果判定行。

不难理解的是，本实施例中所提供的系统，其涉及图像采集模块100、图像识别模块200、数据处理模块300和显示模块400的连接关系，例如可以是运行在计算机可读程序，通过提高各模块的程序数据接口实现。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于炉口图像分析的高效溅渣智能控制方法，其特征在于：包括，

采集炉口渣粒图像作为样本数据，提取特征元素并定义不同渣粒类型；

建立转炉终渣分析模型，并对模型进行训练优化；

对实际生产中渣粒图像进行识别，输出渣粒类型并指导操作；

渣粒类型包括渣稠、渣稀、渣合，渣粒参数A＝渣总个数÷渣总面积，当A＞20个/m²定义为渣稠；当A在10～20个/m²定义为渣合；当A在＜10个/m²定义为渣稀；

根据输出的渣粒类型，进行加入溅渣料、枪位升降和氮气流量增减的操作，直至调整渣粒类型为渣合；

输出溅渣结果行，包括，满足多大颗粒溅渣开始时间、满足多大颗粒溅渣保持时间、满足炉缸溅渣少大颗粒保持时间、倒渣角度、有效倒渣时长以及溅渣过程被遮挡时长；

根据留渣量预测溅渣结束时刻并输出溅渣效果判定行。

2.如权利要求1所述的基于炉口图像分析的高效溅渣智能控制方法，其特征在于：所述判定行包括，

渣合量少，渣稀量少，渣稀量合，渣合量合，渣合量大，渣稀量大，无效溅渣七种状态以及，小短或小合或小长。

3.一种基于炉口图像分析的高效溅渣智能系统，其特征在于：包括，

图像采集模块(100)用于采集炉口渣粒图像作为样本数据；

图像识别模块(200)连接所述图像采集模块(100)，用于识别图像采集模块(100)提取的特征，进行深度学习，达到自动识别的功能；

数据处理模块(300)连接于所述图像识别模块(200)，根据所述图像识别模块(200)识别出的渣粒类型提示操作，计算统计出各渣粒类型的保持时长，输出溅渣结果行，根据输入的留渣量及溅渣结果行，计算预测溅渣结束时刻，输出溅渣效果判定行；

显示模块(400)连接于所述数据处理模块(300)，用于显示渣粒类型，渣粒类型保持时长，溅渣结果行，溅渣结束时刻，溅渣效果判定行。

4.如权利要求3所述的基于炉口图像分析的高效溅渣智能系统，其特征在于：所述图像识别模块(200)包括，

渣粒类型判断模型(201)，用于提示操作人员操作，保证渣粒类型为渣合。

5.如权利要求3所述的基于炉口图像分析的高效溅渣智能系统，其特征在于：所述数据处理模块(300)包括，

渣粒大小判断模型(301)，用于判定溅渣工艺是否合格，为下炉钢制定吹炼和加料工艺提供依据。