CN112862769A - 一种高炉渣铁比在线智能监测方法及系统 - Google Patents
一种高炉渣铁比在线智能监测方法及系统 Download PDFInfo
- Publication number
- CN112862769A CN112862769A CN202110120321.5A CN202110120321A CN112862769A CN 112862769 A CN112862769 A CN 112862769A CN 202110120321 A CN202110120321 A CN 202110120321A CN 112862769 A CN112862769 A CN 112862769A
- Authority
- CN
- China
- Prior art keywords
- slag
- iron
- flow
- blast furnace
- taphole
- 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
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 391
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 217
- 239000002893 slag Substances 0.000 title claims abstract description 211
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000010079 rubber tapping Methods 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000004584 weight gain Effects 0.000 claims abstract description 17
- 235000019786 weight gain Nutrition 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 16
- 239000012530 fluid Substances 0.000 claims abstract description 15
- 238000002156 mixing Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 17
- 238000005303 weighing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000000571 coke Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 229910000805 Pig iron Inorganic materials 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 229910052681 coesite Inorganic materials 0.000 description 2
- 229910052906 cristobalite Inorganic materials 0.000 description 2
- 230000018044 dehydration Effects 0.000 description 2
- 238000006297 dehydration reaction Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229910052682 stishovite Inorganic materials 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 229910052905 tridymite Inorganic materials 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 229910000272 alkali metal oxide Inorganic materials 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
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
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/24—Test rods or other checking devices
-
- 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 using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Blast Furnaces (AREA)
Abstract
本发明公开了一种高炉渣铁比在线智能监测方法及系统,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径,根据流体纵向流速分布特点获得出铁口渣铁流量以及通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比,解决了现有技术无法精准在线监测高炉渣铁比的技术问题,不仅能根据高炉出铁口的实时渣铁流图像实时在线监测高炉出铁口渣铁流股直径,而且通过对高炉出铁口的渣铁流图像进行图像处理,以及结合流体纵向流速分布的特点能精准计算出高炉出铁实时渣铁比,从而形成了一套完备的高炉出铁过程渣铁比实时计算的智能方法。
Description
技术领域
本发明主要涉及高炉渣铁比在线智能监测技术领域,特指一种高炉渣铁比在线智能监测方法及系统。
背景技术
高炉是一种竖井型逆流式反应器,在炉内堆积成料柱状的炉料,受逆流而上的高温还原气流的作用,不断被加热、分解、还原、软化、熔融、滴落,并最终形成渣铁融体而分离。高炉造渣过程是将炉料不进入生铁和煤气的其它成分,溶解、汇合并熔融成为液态炉渣和与生铁分离的过程。因此从矿石中固相矿物组分的相互作用开始,到软化粘结,到风口区焦炭剩余灰分的溶入,造渣过程一直在进行。高炉渣主要是由Cao、SiO2、Al2O3和MgO等4种氧化物组成,加上少量的FeO、MnO、CaS及碱金属氧化物等。渣量多少是直接影响冶炼过程强化的根本因素,它反映了矿石的品位和燃料的消耗。当矿石品位低时,冶炼单位生铁的渣量大,焦比高而产量低。渣量大不仅使软熔带的透气阻力增大;同时还使滴落带中渣焦比增大,造成渣液在焦炭孔隙中的滞留量升高,增加了发生液泛现象的危险,成为限制高炉冶炼强化的主要原因之一。因此准确测量实际出铁时渣铁流量以及渣铁比,合理控制炉前渣铁排放尤为重要。
本发明监测对象为反应炉出口处出流的铁水和铁渣,它们是两种不同的液态,就像油和水,撇渣器根据密度不同把铁和渣分开,形成两个通道,渣沟和铁沟,铁水经铁沟直接流进鱼雷罐车称重,而铁渣经水淬装置冲成水渣,进行回收利用。目前高炉出渣量监测方法通常有四种:一是在水渣运输皮带上安装皮带秤,这种计量方法对仪器安装环境有较高的要求,并且维护量较大造成成本高;二是通过运输罐车计量,但是这种方式存在严重的滞后不能及时反映高炉出铁出渣的实时状况;三是依靠有经验的高炉炉长目测,这种人工判定方法的随机性误差较大,不利于高炉生产的精细化、智能化和规范化操作;四是利用高炉轮法水渣处理系统变频控制的脱水转筒的电流变化来间接测量高炉出渣量,由于出渣量与脱水转筒的电流之间并不是线性关系,所以该种方法在工况变化剧烈情况下并不能有效监测高炉出渣量。
专利公开号CN103993113A发明专利是一种高炉出渣量在线监测方法,其使用模糊建模方法建立起了工况变化情况下水渣量、转筒空载电流、冲渣水消耗电流之间的非线性动态关系。结合(Iti-It0)的大小对高炉出渣量的影响特性设定关于(Iti-It0)的模糊隶属函数;Iti为第i时刻的转筒电流;It0为转筒空载电流和冲渣水消耗电流之和;利用高炉出渣量的模糊推理模型与模糊隶属函数,建立高炉出渣量计算模型;使用高炉出渣量计算模型进行高炉出渣量的在线监测。但该专利由转筒电流通过模糊隶属函数得到的水渣量精度比较低,动态品质不高,而且模糊推理由于本身特性无法建立精确的数学模型,难以适用高炉实际生产过程中复杂多变的工况。
专利公开号CN101240357A发明专利是一种大型高炉渣铁排放监测方法与炉缸渣铁量监测方法,其监测原理是在铁水轨道上安装轨道衡称重系统,利用高炉一级控制系统软件中的计算模块得到若干套轨道衡称重系统铁排放量总和,进而计算出出铁速度;在出渣冲洗转鼓主力矩轴上装的力矩变送器监测,采样力矩计量信号输给计算机管理系统,经过计算机管理系统数据处理,把出渣称重计量转换为出渣量速度计量。但是该种方法需要在若干出铁路分别设置若干套轨道衡称重系统,在若干出渣路均分别设置若干套水洗渣称重系统,分别达到若干出铁路称重计量和若干出渣路称重计量的目的,对仪器安装环境有较高的要求,并且维护量较大造成成本高;而且存在滞后比较严重,并不能反映高炉出铁出渣的实时状况。
发明内容
本发明提供的高炉渣铁比在线智能监测方法及系统,解决了现有技术无法精准在线监测高炉渣铁比的技术问题。
为解决上述技术问题,本发明提出的高炉渣铁比在线智能监测方法包括:
通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系;
对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径;
根据流体纵向流速分布特点获得出铁口渣铁流量;
通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比。
进一步地,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系包括:
根据像素坐标系与世界坐标系的关系,计算单应性矩阵;
根据单应性矩阵,求解相机的内部参数和相机的外部参数;
根据图像坐标系下的相机畸变模型以及像素坐标系下的相机畸变模型,对相机的内部参数进行优化;
采用最大似然估计求解最优解对相机的所有参数进行优化,获得最优参数,并基于最优参数,确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系。
进一步地,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径包括:
采集高炉出铁口的渣铁流图像,并对渣铁流图像进行预处理;
对预处理后的渣铁流图像进行边缘检测,提取渣铁流轮廓;
根据渣铁流轮廓,获得出铁口的直径。
进一步地,对预处理后的渣铁流图像进行边缘检测,提取渣铁流轮廓包括:
对预处理后的渣铁流图像进行高斯滤波,获得滤波图像;
计算滤波图像的梯度值和梯度方向;
根据滤波图像的梯度值和梯度方向,对滤波图像进行非极大值抑制;
采用双阈值检测方法对非极大值抑制后的滤波图像进行边缘提取,获得渣铁流轮廓。
进一步地,根据渣铁流轮廓,获得出铁口的直径包括:
采用列扫描方式对渣铁流轮廓从出铁口位置向后扫描预设行;
根据每一行上下边缘之间相隔的像素数,计算出铁口的直径。
进一步地,根据流体纵向流速分布特点获得出铁口渣铁流量包括:
计算渣铁流在大气中形成的射流的初始段混合区的混合断面流速,其中混合断面流速的计算公式为:
计算射流的主体段的主体断面横向流速,其中,主体断面横向流速的计算公式为:
计算射流的主体段的主体断面纵向流速,其中,主体断面纵向流速的计算公式为:
根据动量守恒和射流厚度线性扩展,计算射流轴线流速,其中,射流轴线流速的计算公式为:
提取渣铁流图像的特征块,并根据特征块在相邻两帧渣铁流图像中移动的水平距离计算渣铁流的流速;
根据混合断面流速、主体断面横向流速、主体断面纵向流速以及渣铁流的流速获得出铁口渣铁流量。
进一步地,通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比包括:
根据鱼雷罐车的增重量,获得出铁口铁水的质量;
根据出铁口铁水的质量、密度以及渣铁的体积,获得渣的体积;
根据渣的体积、密度及出铁口铁水的质量,获得高炉出铁实时渣铁比。
本发明提供的高炉渣铁比在线智能监测系统包括:
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本发明提供的高炉渣铁比在线智能监测方法的步骤。
与现有技术相比,本发明的优点在于:
本发明提供的高炉渣铁比在线智能监测方法及系统,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径,根据流体纵向流速分布特点获得出铁口渣铁流量以及通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比,解决了现有技术无法精准在线监测高炉渣铁比的技术问题,不仅能根据高炉出铁口的实时渣铁流图像实时在线监测高炉出铁口渣铁流股直径,而且通过对高炉出铁口的渣铁流图像进行图像处理,以及结合流体纵向流速分布的特点能精准计算出高炉出铁实时渣铁比,从而形成了一套完备的高炉出铁过程渣铁比实时计算的智能方法。
附图说明
图1为本发明实施例一的高炉渣铁比在线智能监测方法的流程图;
图2为本发明实施例二的高炉渣铁比在线智能监测方法的流程图;
图3为本发明实施例二的黑白棋盘相机标定板图;
图4为本发明实施例二的高斯函数模板图;
图5为本发明实施例二的梯度方向分割图;
图6为本发明实施例二的紊动射流分区结构图;
图7为本发明实施例二的主体段横断面纵向流速的速度分布图;
图8为本发明实施例二的主体段横断面纵向流速的无量纲速度分布图;
图9为本发明的高炉渣铁比在线智能监测系统的结构框图。
附图标记:
10、存储器;20、处理器。
具体实施方式
为了便于理解本发明,下文将结合说明书附图和较佳的实施例对本发明作更全面、细致地描述,但本发明的保护范围并不限于以下具体的实施例。
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一
参照图1,本发明实施例一提供的高炉渣铁比在线智能监测方法,包括:
步骤S101,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系;
步骤S102,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径;
步骤S103,根据流体纵向流速分布特点获得出铁口渣铁流量;
步骤S104,通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比。
本发明实施例提供的高炉渣铁比在线智能监测方法,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径,根据流体纵向流速分布特点获得出铁口渣铁流量以及通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比,解决了现有技术无法精准在线监测高炉渣铁比的技术问题,不仅能根据高炉出铁口的实时渣铁流图像实时在线监测高炉出铁口渣铁流股直径,而且通过对高炉出铁口的渣铁流图像进行图像处理,以及结合流体纵向流速分布的特点能精准计算出高炉出铁实时渣铁比,从而形成了一套完备的高炉出铁过程渣铁比实时计算的智能方法。
实施例二
参照图2,本发明实施例二提供的高炉渣铁比在线智能监测方法,包括:
步骤S201,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系。
本实施例通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系包括:
根据像素坐标系与世界坐标系的关系,计算单应性矩阵;
根据单应性矩阵,求解相机的内部参数和相机的外部参数;
根据图像坐标系下的相机畸变模型以及像素坐标系下的相机畸变模型,对相机的内部参数进行优化;
采用最大似然估计求解最优解对相机的所有参数进行优化,获得最优参数,并基于最优参数,确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系。
具体地,本实施例的单应性矩阵H是以线性模型为基础,像素坐标与世界坐标系满足以下关系:
其中,k是一个非零比例因子,为点p的齐次像素坐标,A为与相机内参相关的矩阵,γ为图像坐标系坐标轴的偏斜角度,这里设为γ=0,[R T]是一个大小为3×4的空间变换矩阵,为点p在世界坐标系下的齐次世界坐标,取值为
由于是平面标定,可假设点p在世界坐标系下的投影点P的ZW方向坐标为0,推出:
令H=[h1 h2 h3]=λA[r1 r2 T],h1 h2 h3为组成单应性矩阵中的列向量,λ为尺度因子,H矩阵是一个3*3的矩阵,H的求解首先要从一张图像中至少提取3对坐标(即一对坐标包括像素坐标和世界坐标):
下一步要确定变换矩阵B=A-TA-1,其求解至少需要三个不同的单应性矩阵H。
可推得相机的内部参数为:
相机的外部参数R和T可由内部参数和R的单位正交性求得:
畸变主要发生的标定过程是图像与像素坐标转换的环节,在图像坐标系下根据相机畸变模型有:
k=(DTD)-1DTd (8)
其中,D为等式(7)左边的方程的系数矩阵,DT为D的转置,d为等式(7)右边的有畸变的像素坐标与无像素坐标之差构成的矩阵,确定了矩阵k之后,就可以求得理想像素坐标优化相机内部参数。不断地通过线性模型推导出的解作为非线性模型的初始值以使相机参数变得更精确。
最后通过极大似然估计求解最优解对所有参数进行优化,实际像素坐标与理想像素坐标的范数达到最小值时所有相机系数为最优解。
puv,ij为标定点实际像素坐标,为通过单应性矩阵和畸变矩阵k求解的理性像素坐标。棋盘标定板如图3所示,选取均匀分布于图像上的m个点作为标定点,通过使理想像素坐标尽量靠近实际像素坐标来优化参数,以达到同一标定目标n幅图片和m个标定点的理想像素坐标与实际像素坐标之间的距离和最小目的来求解最优解。
本实施例通过像素坐标系与世界坐标系的关系,能确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系,同时利用图像坐标系下的相机畸变模型以及像素坐标系下的相机畸变模型对相机的内部参数进行进一步的优化,以及利用最大似然估计求解最优解对相机的所有参数进行优化,能获得最优参数,从而获得精准的相机标定结果,为后续精准预测高炉出铁实时渣铁比奠定基础。
步骤S202,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径。
本实施例对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径首先采集高炉出铁口的渣铁流图像,并对渣铁流图像进行预处理,然后对预处理后的渣铁流图像进行边缘检测,提取渣铁流轮廓,最后根据渣铁流轮廓,获得出铁口的直径。
具体地,本实施例在采集到高炉出铁口的渣铁流图像后,先对获取到的帧图像进行一系列预处理操作,包含灰度化、图像去噪和图像增强,目的是消除图像中无关的信息,获取有用的真实信息,增强有关信息的可检测性和最大限度地简化数据。灰度化处理就是将一幅色彩图像转化为灰度图像的过程。彩色图像分为R,G,B三个分量,分别显示出红绿蓝等各种颜色,灰度化就是使彩色的R,G,B分量相等的过程。灰度值大的像素点比较亮(像素值最大为255,为白色),反之比较暗(像素最下为0,为黑色)。转换公式如下:
Gray=0.114B+0.587G+0.299R (10)
在图像采集和传输过程中产生的噪声会使图片中的目标不容易被识别,对图像的细节存在较大的干扰,影响从图片中获取的信息以及对图片的处理。采用算数均值滤波的方式对图片进行去噪,在坐标点(x,y),大小为m×n的矩形窗口表示为Sxy,令f(x,y)为被干扰图像g(x,y)的平均值,其表达式为:
通过对图像的边缘、轮廓和对比度等具体特征进行增强可以在一定程度上提高图像质量,突出目标信息,以便在后续处理时取得更好的效果。本实施例采用频率域锐化的方法对图像进行增强操作,由于图像的边缘和细节主要集中在高频部分,低频部分对应着背景区域,图像的模糊是由于高频部分比较弱而产生的,因此采用高通滤波器让高频部分通过,低频成分削弱以消除模糊和突出边缘,再经逆傅里叶变换得到边缘锐化的图像。通过巴特沃斯滤波来实现频率域锐化,其传递函数如下:
D(u,v)代表频域当中点(u,v)到中心点(M/2,N/2)的距离,M、N代表图像的长和宽,D0是截止距离,相当于一维当中的截止频率。
本实施例对渣铁流图像进行预处理后,接着对预处理后的渣铁流图像进行边缘检测,提取渣铁流轮廓。图像边缘检测必须满足两个条件,一是能有效去除噪声,二是尽量精确确定边缘位置。Canny算法是比较出色的边缘检测算法,它包含高斯滤波、计算梯度值和梯度方向、过滤非最大值和使用上下阀值来检测边缘四个步骤。
高斯滤波根据待滤波的像素点及其邻域点的灰度值按照高斯公式生成的参数规则进行加权平均,可以有效滤去理想图像中叠加的高频噪声。对于一个位置为(x,y)的像素点,其灰度值为f(x,y),经过高斯滤波后的灰度值为:
用图4所示的高斯核乘以每一个像素点及其邻域,取其带权重的平均值作为最后的灰度值。
在图像中,用梯度来表示灰度值的变化程度和方向。综合梯度通过以下公式计算梯度值和梯度方向:
接着对对梯度图像进行非极大值抑制,由于得到的梯度图像存在边缘粗宽、弱边缘干扰等问题,使用非极大值抑制来寻找像素点局部最大值,将非极大值所对应的灰度值置0,这样可以剔除一大部分非边缘的像素点。如图5所示,将梯度分为8个方向,分别为E、NE、N、NW、W、SW、S、SE,其中0代表0°~45°,1代表45°~90°,2代表-90°~-45°,3代表-45°~0°。像素点P的梯度方向为theta,则像素点P1和P2的梯度线性插值为:
如P点大于P1,P1点的梯度线性插值,则认定P点为极大值点,置为1,因此最后生成的图像应为一副二值图像,边缘理想状态下都为单像素边缘。
经过以上三步之后得到的边缘质量已经很高了,但还是存在一些伪边缘,Canny算法中通过选择高低阈值来解决这个问题。如果边缘像素的梯度值高于高阈值,则将其标记为强边缘像素;如果边缘像素的梯度值小于低阈值,则会被抑制;如果边缘像素的梯度值小于高阈值并且大于低阈值,则将其标记为弱边缘像素。只要弱边缘像素及其8个邻域像素中有一个为强边缘像素,则该弱边缘点就可以保留为真实的边缘。
由于渣铁水经过出铁口出流于大气中时,属于自由出流,轮廓上下边缘相隔像素数从出铁口位置向后逐渐增加。通过列扫描的方式对轮廓从出铁口位置向后扫描n行,n的取值由现场运行经验和实际测量情况而确定,若每一行上下边缘之间相隔像素数为pi,那么出铁口的直径为:
步骤S203,计算渣铁流在大气中形成的射流的初始段混合区的混合断面流速,其中混合断面流速的计算公式为:
步骤S204,计算射流的主体段的主体断面横向流速,其中,主体断面横向流速的计算公式为:
步骤S205,计算射流的主体段的主体断面纵向流速,其中,主体断面纵向流速的计算公式为:
步骤S206,根据动量守恒和射流厚度线性扩展,计算射流轴线流速,提取渣铁流图像的特征块,并根据特征块在相邻两帧渣铁流图像中移动的水平距离计算渣铁流的流速,以及根据混合断面流速、主体断面横向流速、主体断面纵向流速以及渣铁流的流速获得出铁口渣铁流量。
具体地,渣铁水以一定的初速度u0自孔口出射后进入大气中,形成二维平面紊动射流。紊动射流在形成稳定的流动形态后,整个射流可划分为以下几个区段:由出铁口喷口边界起向内外扩展的紊动掺混部分为紊流剪切层混合区;中心部分未受到掺混影响,保持原来出口流速,称为核心区。从出口至核心区末端的一段称为射流的起始段。紊动充分发展以后的部分称为射流的主体段。主体段与起始段之间有过渡段。过渡段较短,在分析常忽略它,只将射流分为起始段和主体段。如图6所示,其中α为极角,h0射流极点深度,s0核心区长度,s为出口至任意截面距离,r0为出口半径,x为极点至任意截面距离,R为该截面的射流半径,r为截面上任意点到轴心的距离,rc为内边界上任意点到轴心的距离。
紊动射流的混合层厚度随距离发展呈线性增加。根据厚度线性增长率,有
b/x=tanθ=const (18)
θ为射流边界线与轴线的夹角,b和x分别指表示混合层厚度和混合长度。
根据动量定理,单位时间通过各断面的流体的总动量是常数,按单位宽度考虑,关系式可以写成:
核心区内流速保持均匀分布,初始段混合区内流速分布具有相似性,断面流速分布服从高斯分布:
其中u1为混合断面流速,u0为射流出口处的流速,bc为核心区的半厚度,bm为初始段混合区的厚度,y1为初始段混合区的断面的横向坐标,反映计算点在初始段混合区的断面离开射流中心轴线的距离。
射流边界层的宽度远小于射流的长度,在射流边界层的任何横断面上,横向分速度远比纵向分速度小得多,可以认为,射流速度就等于纵向速度。整个射流区内压强值不变;射流主体段各断面上横向流速分布具有相似性,射流各断面动量守恒:
其中u2为主体断面横向流速,um为轴线最大流速,R为轴线距外边界的距离,y2为主体段的断面的横向坐标,反映计算点在主体段的断面离开射流中心轴线的距离。射流主体段上各断面的纵向流速分布也有明显的相似性,横断面纵向流速分布如图7和图8所示,轴线上流速最大,距轴线愈远流速愈小。动量积分的计算取决于相似分布的函数,断面流速分布为高斯正态分布函数,即
其中u3为主体断面纵向流速,be为特征半厚度,取流速等于轴线最大流速um的1/e处的y2值。即射流边界点的流速等于um/e=0.386um,令满足这样条件的特征半厚度为be。将流速分布代入动量积分公式可得:
根据动量守恒和射流厚度线性扩展,求得射流轴线流速的关系式:
其中ε=0.154,代入可得
可见,射流轴线流速和源点距x的平方根成反比。主体断面纵向流速分布为:
式中b0为矩形孔口的半高,u0为射流喷口处的流速,y2为主体段的断面的横向坐标,反映计算点在主体段的断面离开射流中心轴线的距离,be为射流特征半厚度。
本实施例获得初始段混合区的混合断面流速,主体段的主体断面横向流速以及主体段的主体断面纵向流速后,通过相邻两帧图像进行特征块匹配,把特征块在两帧时间内移动的水平距离换算成真实世界距离便可以计算出渣铁流的流速值。最后根据混合断面流速、主体断面横向流速、主体断面纵向流速以及渣铁流的流速便可以获得孔口出流流量V渣铁。
步骤S207,通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比。
在出铁机构对应出铁每路上均设置轨道衡称重设备达到高炉铁排放量的称重计量目的。过衡鱼雷罐车在承重台的重量传递到称重传感器,传感器产生的电压信号送入模拟量通道,车辆的辨别信号也同时将信号送入开关量通道,判别信号经整形后直接送入微机主机,重量信号经放大、滤波、模数转换后经接口电路送入微机主机。在控制软件的控制下,对承重台面的重量信号进行跟踪、查询、处理、并根据进入的车辆状态进行判别,对质量值的数据进行采集和处理,从而得出鱼雷罐车的质量,当前鱼雷罐车质量和受铁前鱼雷罐车质量的差值就是出铁质量m铁水:
m铁水=m当前鱼雷罐车-m受铁前鱼雷罐车 (27)
通过铁水的重量m铁水和铁水密度ρ铁水可以得到铁水的体积流量V铁水,进而得到渣的体积流量V渣:
渣的体积流量V渣与炉渣密度ρ炉渣相乘便可得到渣的重量m渣,这样单位时间流出的渣和铁质量都已得到,高炉出铁实时渣铁比便可求出:
渣铁比=m渣/m铁水 (29)
从而最终完成整个工作流程。
本实施例在线检测高炉出铁实时渣铁比的具体工作流程为:首先通过相机标定寻找渣铁流对象在图像与现实世界的数学转换关系,实现从图像中测量出实际尺寸数据的目的,然后采集出铁口渣铁出流图像并利用图像处理技术测量出流股直径,同时根据流体纵向流速分布规律计算出渣铁流单位时间的流量;接着通过鱼雷罐车铁水增重速率获得单位时间流出的铁水重量,进一步计算出单位时间流出的铁渣重量,从而计算出高炉出铁实时渣铁比,完成整个监测过程。
本发明实施例提供的高炉渣铁比在线智能监测方法,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径,根据流体纵向流速分布特点获得出铁口渣铁流量以及通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比,解决了现有技术无法精准在线监测高炉渣铁比的技术问题,不仅能根据高炉出铁口的实时渣铁流图像实时在线监测高炉出铁口渣铁流股直径,而且通过对高炉出铁口的渣铁流图像进行图像处理,以及结合流体纵向流速分布的特点能精准计算出高炉出铁实时渣铁比,从而形成了一套完备的高炉出铁过程渣铁比实时计算的智能方法。
具体地,本发明实施例通过在高炉生产现场安装高速相机拍摄出铁过程铁水流动状态,以非接触的方式对铁水流股直径进行实时测量,根据流体纵向流速分布特点得到出铁口渣铁瞬时流量,通过鱼雷罐车实时增重速率推算出渣质量实时变化率,从而得到实时渣铁比,只需极少的安装成本和维护成本,而且对设备安装环境的要求较低;由于高速相机拍摄的视频图像都是实时传输到现场主机进行处理的,同时也可以实时准确读取鱼雷罐车增重速率,因此计算出的渣铁比存在的滞后是非常小的,且本发明实施例是通过图像处理和算法集合计算渣铁比,检测精度高,基本不受工况变化的影响。
本发明的目的是设计一种运行在高炉出铁过程,实时计算渣铁比的智能方法,通过相机标定确定高炉出铁口流出的渣铁在世界坐标系与成像平面坐标系之间的对应关系,通过对图像进行预处理、背景差分法提取目标物、边缘检测和特征点提取等操作得到出铁口渣铁流股直径,根据流体纵向流速分布特点得到出铁口渣铁流量,通过鱼雷罐车实时增重速率推算出渣质量实时变化率,从而得到实时渣铁比,形成一套完备的高炉出铁过程渣铁比计算的智能方法,本发明实施例无需建立精确的数学模型,可以适用高炉实际生产过程中复杂多变的工况。对仪器安装环境要求较低,并且维护量较小造成成本低;而且存在滞后比较轻微,能反映高炉出铁出渣的实时状况。
实施例三
下面结合具体实施例对本发明的具体实施方案做进一步说明,本发明应用于国内某2650m3高炉上,是一种在高炉出铁过程中能实时在线监测渣铁比的智能方法,具体完成计算高炉出铁渣铁比的实施方案步骤如下:
首先通过计算单应性矩阵、相机内外参数求解、最大似然估计和畸变参数求解操作寻找渣铁流对象在图像与现实世界的数学转换关系,实现从图像中测量出实际尺寸数据的目的;
在高炉出铁的过程中,采集出铁口渣铁出流图像进行灰度化、图像去噪和图像增强一系列预处理操作,消除图像中无关的信息,增强有关信息的可检测性和最大限度地简化数据;
接着经过高斯滤波、计算计算梯度和角度、非极大值抑制和双阈值检测四个步骤检测边缘,并通过对轮廓从出铁口选取一定距离取平均值的方式得到出铁口渣铁流股直径;
同时通过相邻两帧图像进行特征块匹配的方式计算出渣铁流的流速值,射流初始段和主体段上各断面的纵向流速分布有明显的相似性,根据流体纵向流速分布规律计算出渣铁流单位时间的流量;
最后通过鱼雷罐车铁水增重速率获得单位时间流出的铁水重量,根据铁水密度求得单位时间流出铁水的体积流量,单位时间渣铁体积流量与铁水的体积流量作差得到铁渣单位时间的体积流量,进一步计算出单位时间流出的铁渣重量,从而计算出高炉出铁实时渣铁比,完成整个监测过程。
参照图9,本发明实施例提出的高炉渣铁比在线智能监测系统,包括:
存储器10、处理器20以及存储在存储器10上并可在处理器20上运行的计算机程序,其中,处理器20执行计算机程序时实现上述方法实施例提出的高炉渣铁比在线智能监测方法的步骤。
本实施例的高炉渣铁比在线智能监测系统的具体工作过程和工作原理可参照本实施例中的高炉渣铁比在线智能监测方法的工作过程和工作原理。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种高炉渣铁比在线智能监测方法,其特征在于,所述方法包括:
通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系;
对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径;
根据流体纵向流速分布特点获得出铁口渣铁流量;
通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比。
2.根据权利要求1所述的高炉渣铁比在线智能监测方法,其特征在于,通过相机标定确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系包括:
根据像素坐标系与世界坐标系的关系,计算单应性矩阵;
根据所述单应性矩阵,求解相机的内部参数和相机的外部参数;
根据图像坐标系下的相机畸变模型以及像素坐标系下的相机畸变模型,对相机的内部参数进行优化;
采用最大似然估计求解最优解对相机的所有参数进行优化,获得最优参数,并基于所述最优参数,确定高炉出铁口流出的渣铁流在世界坐标系与像素坐标系之间的对应关系。
3.根据权利要求2所述的高炉渣铁比在线智能监测方法,其特征在于,对高炉出铁口的渣铁流图像进行图像处理,获得出铁口渣铁流股直径包括:
采集高炉出铁口的渣铁流图像,并对所述渣铁流图像进行预处理;
对预处理后的渣铁流图像进行边缘检测,提取渣铁流轮廓;
根据所述渣铁流轮廓,获得出铁口的直径。
4.根据权利要求3所述的高炉渣铁比在线智能监测方法,其特征在于,对预处理后的渣铁流图像进行边缘检测,提取渣铁流轮廓包括:
对预处理后的渣铁流图像进行高斯滤波,获得滤波图像;
计算所述滤波图像的梯度值和梯度方向;
根据所述滤波图像的梯度值和梯度方向,对所述滤波图像进行非极大值抑制;
采用双阈值检测方法对非极大值抑制后的滤波图像进行边缘提取,获得渣铁流轮廓。
5.根据权利要求4所述的高炉渣铁比在线智能监测方法,其特征在于,根据所述渣铁流轮廓,获得出铁口的直径包括:
采用列扫描方式对所述渣铁流轮廓从出铁口位置向后扫描预设行;
根据每一行上下边缘之间相隔的像素数,计算出铁口的直径。
6.根据权利要求1-5任一所述的高炉渣铁比在线智能监测方法,其特征在于,根据流体纵向流速分布特点获得出铁口渣铁流量包括:
计算渣铁流在大气中形成的射流的初始段混合区的混合断面流速,其中混合断面流速的计算公式为:
计算射流的主体段的主体断面横向流速,其中,主体断面横向流速的计算公式为:
计算射流的主体段的主体断面纵向流速,其中,主体断面纵向流速的计算公式为:
根据动量守恒和射流厚度线性扩展,计算射流轴线流速,其中,射流轴线流速的计算公式为:
提取渣铁流图像的特征块,并根据所述特征块在相邻两帧渣铁流图像中移动的水平距离计算渣铁流的流速;
根据混合断面流速、主体断面横向流速、主体断面纵向流速以及渣铁流的流速获得出铁口渣铁流量。
7.根据权利要求6所述的高炉渣铁比在线智能监测方法,其特征在于,通过鱼雷罐车实时增重速率计算渣质量实时变化率,从而得到高炉出铁实时渣铁比包括:
根据鱼雷罐车的增重量,获得出铁口铁水的质量;
根据出铁口铁水的质量、密度以及渣铁的体积,获得渣的体积;
根据渣的体积、密度及出铁口铁水的质量,获得高炉出铁实时渣铁比。
8.一种高炉渣铁比在线智能监测系统,所述系统包括:
存储器(10)、处理器(20)以及存储在存储器(10)上并可在处理器(20)上运行的计算机程序,其特征在于,所述处理器(20)执行所述计算机程序时实现上述权利要求1至7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120321.5A CN112862769A (zh) | 2021-01-28 | 2021-01-28 | 一种高炉渣铁比在线智能监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120321.5A CN112862769A (zh) | 2021-01-28 | 2021-01-28 | 一种高炉渣铁比在线智能监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112862769A true CN112862769A (zh) | 2021-05-28 |
Family
ID=75986631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110120321.5A Pending CN112862769A (zh) | 2021-01-28 | 2021-01-28 | 一种高炉渣铁比在线智能监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862769A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113380334A (zh) * | 2021-07-03 | 2021-09-10 | 内蒙古高等级公路建设开发有限责任公司 | 一种钢渣游离氧化钙的快速消解方法及系统 |
CN113838141A (zh) * | 2021-09-02 | 2021-12-24 | 中南大学 | 一种单线激光雷达与可见光相机的外参标定方法及系统 |
CN115512074A (zh) * | 2022-09-21 | 2022-12-23 | 中冶南方工程技术有限公司 | 一种高炉渣皮分布可视化方法、终端设备及存储介质 |
WO2023097931A1 (zh) * | 2021-12-03 | 2023-06-08 | 江苏航天大为科技股份有限公司 | 一种基于霍夫变换的车牌倾斜校正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353807A (zh) * | 2011-06-14 | 2012-02-15 | 华中科技大学 | 一种测量电纺丝工艺中射流螺旋段流速的方法 |
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN107507246A (zh) * | 2017-08-21 | 2017-12-22 | 南京理工大学 | 一种基于改进畸变模型的摄像机标定方法 |
JP2020063898A (ja) * | 2018-10-17 | 2020-04-23 | 株式会社神戸製鋼所 | 溶滓量測定装置および溶滓量測定方法 |
CN111445444A (zh) * | 2020-03-11 | 2020-07-24 | 中南大学 | 一种基于极化特征的铁水流速检测方法 |
CN112204609A (zh) * | 2018-05-23 | 2021-01-08 | 阿西斯特医疗系统有限公司 | 使用图像数据进行流量测量 |
-
2021
- 2021-01-28 CN CN202110120321.5A patent/CN112862769A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353807A (zh) * | 2011-06-14 | 2012-02-15 | 华中科技大学 | 一种测量电纺丝工艺中射流螺旋段流速的方法 |
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN107507246A (zh) * | 2017-08-21 | 2017-12-22 | 南京理工大学 | 一种基于改进畸变模型的摄像机标定方法 |
CN112204609A (zh) * | 2018-05-23 | 2021-01-08 | 阿西斯特医疗系统有限公司 | 使用图像数据进行流量测量 |
JP2020063898A (ja) * | 2018-10-17 | 2020-04-23 | 株式会社神戸製鋼所 | 溶滓量測定装置および溶滓量測定方法 |
CN111445444A (zh) * | 2020-03-11 | 2020-07-24 | 中南大学 | 一种基于极化特征的铁水流速检测方法 |
Non-Patent Citations (3)
Title |
---|
LEI HE等: "Velocity measurement of blast furnace molten iron based on local multi-feature correction using multi-stage filtered high-speed camera", 《IEEE SENSORS JOURNAL》, vol. 20, no. 19, pages 11537 - 11548, XP011807449, DOI: 10.1109/JSEN.2020.2997862 * |
刘向春: "时空域视频运动片段分割理论及应用", 31 December 2020, 《中央民族大学出版社》, pages: 22 - 28 * |
黄培正等: "高炉渣铁排放在线监测系统的开发与应用", 《钢铁》, vol. 50, no. 05, pages 2 - 2 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113380334A (zh) * | 2021-07-03 | 2021-09-10 | 内蒙古高等级公路建设开发有限责任公司 | 一种钢渣游离氧化钙的快速消解方法及系统 |
CN113380334B (zh) * | 2021-07-03 | 2024-01-12 | 河津市康庄新材料有限公司 | 一种钢渣游离氧化钙的快速消解方法及系统 |
CN113838141A (zh) * | 2021-09-02 | 2021-12-24 | 中南大学 | 一种单线激光雷达与可见光相机的外参标定方法及系统 |
WO2023097931A1 (zh) * | 2021-12-03 | 2023-06-08 | 江苏航天大为科技股份有限公司 | 一种基于霍夫变换的车牌倾斜校正方法 |
CN115512074A (zh) * | 2022-09-21 | 2022-12-23 | 中冶南方工程技术有限公司 | 一种高炉渣皮分布可视化方法、终端设备及存储介质 |
CN115512074B (zh) * | 2022-09-21 | 2024-02-23 | 中冶南方工程技术有限公司 | 一种高炉渣皮分布可视化方法、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112862769A (zh) | 一种高炉渣铁比在线智能监测方法及系统 | |
CN105956618B (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 | |
CN110264459A (zh) | 一种土壤裂缝特征信息提取方法 | |
CN110544261B (zh) | 一种基于图像处理的高炉风口喷煤状态检测方法 | |
CN115345885A (zh) | 一种金属健身器材外观质量检测方法 | |
CN105809715B (zh) | 一种基于帧间累计变化矩阵的视觉运动目标检测方法 | |
CN104392213B (zh) | 一种适用于熔炼过程中的图像信息状态识别系统 | |
CN107274403B (zh) | 一种浮选表面质量的评价方法 | |
Zhang et al. | Detection method for pulverized coal injection and particles in the tuyere raceway using image processing | |
CN115082429B (zh) | 一种基于图像处理的铝棒缺陷检测方法 | |
CN114694144B (zh) | 一种基于深度学习的钢中非金属夹杂物的智能识别和评级方法 | |
CN108389216A (zh) | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 | |
CN107314957A (zh) | 一种岩石块度尺寸分布的测量方法 | |
CN110751669A (zh) | 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 | |
CN113990108A (zh) | 一种船舶优化识别和实时跟踪方法及防撞预警系统 | |
CN104531936A (zh) | 基于火焰图像特征的转炉钢水碳含量在线测量方法 | |
JP2020063898A (ja) | 溶滓量測定装置および溶滓量測定方法 | |
CN117252864B (zh) | 基于标识解析的钢铁生产器件光滑度检测系统 | |
CN113052828A (zh) | 基于人工智能的钢包渣线结渣清理时间预测方法及系统 | |
CN113838114A (zh) | 一种基于边缘散焦追踪的高炉料面深度估计方法及系统 | |
Chen et al. | Edge and texture detection of metal image under high temperature and dynamic solidification condition | |
Wang et al. | Learning-based key points estimation method for burden surface profile detection in blast furnace | |
CN107024416A (zh) | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 | |
CN102006455A (zh) | 基于视频的智能河道监控系统 | |
CN109544574A (zh) | 基于全固态vts雷达的目标提取方法 |
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 |
Address after: 410000 Hunan province Changsha Lushan Road No. 932 Applicant after: CENTRAL SOUTH University Applicant after: Hefei Jinxing Intelligent Control Technology Co., Ltd Address before: 410000 Hunan province Changsha Lushan Road No. 932 Applicant before: CENTRAL SOUTH University Applicant before: Hefei Jinxing Electromechanical Technology Development Co., Ltd |
|
CB02 | Change of applicant information |