CN113063474A - 一种渣液面实时检测方法、装置、设备及存储介质 - Google Patents
一种渣液面实时检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113063474A CN113063474A CN202110314277.1A CN202110314277A CN113063474A CN 113063474 A CN113063474 A CN 113063474A CN 202110314277 A CN202110314277 A CN 202110314277A CN 113063474 A CN113063474 A CN 113063474A
- Authority
- CN
- China
- Prior art keywords
- slag
- liquid level
- camera
- slag liquid
- processing
- 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
- 239000002893 slag Substances 0.000 title claims abstract description 292
- 239000007788 liquid Substances 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000011897 real-time detection Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000007599 discharging Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 description 11
- 239000010959 steel Substances 0.000 description 11
- 238000010079 rubber tapping Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000009628 steelmaking Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 101100517651 Caenorhabditis elegans num-1 gene Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
- G01B11/046—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring width
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
- G01F23/292—Light, e.g. infrared or ultraviolet
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Thermal Sciences (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本申请公开了一种渣液面实时检测方法、装置、设备及存储介质，该方法包括：在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；对第一相机采集的图像进行处理，获得渣流的宽度；对第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；根据获得的渣流的宽度、渣液面与渣车口之间的距离，获取渣液面的实时检测结果。该方法利用在不同位置上的两个相机代替人眼采集图像，通过对采集的图像分别进行处理后获得渣流的宽度、渣液面与渣车口之间的距离，这样可以对渣流及渣液面进行准确的识别，以便更加智能和准确的实时检测渣液面，做到对渣液面以及转炉的精准控制，该方法处理速度快，且能够达到智能化的目的。
Description
技术领域
本发明涉及炼钢技术领域，特别是涉及一种渣液面实时检测方法、装置、设备及存储介质。
背景技术
随着自动化和智能化在社会各行各业的普及，钢铁行业作为传统制造行业和我国重要支柱产业，也正在不断向智慧化城市钢厂转变。炼钢是钢铁行业的一个核心工艺流程，其环境复杂，具有高温、粉尘、工序复杂等特点，而且其介质为高温熔融钢水，其安全要求程度极为苛刻，自动出钢难度较大。
目前，自动出钢中的钢包车或者渣罐车一般是通过人眼观察和操作经验进行液位判断。通过判断出的液位能够指导出钢或出渣过程中是否有钢渣溢出，并以此为依据做出是否应该做出抬炉的指令。但是，由于钢水或钢渣具有高温，对操作工有很大的安全隐患，检测准确较低，效率也较低。
因此，如何有效实时检测渣液面，提高检测效率，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种渣液面实时检测方法、装置、设备及存储介质，可以达到更加智能和准确地检测渣液面和控制渣液面的目的。其具体方案如下：
一种渣液面实时检测方法，包括：
在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；
对所述第一相机采集的图像进行处理，获得渣流的宽度；
对所述第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；
根据获得的所述渣流的宽度、所述渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
优选地，在本发明实施例提供的上述渣液面实时检测方法中，对所述第一相机采集的图像进行处理，获得渣流的宽度，具体包括：
提取所述第一相机采集的图像的渣流区域并尺度变换；
对变换后的所述渣流区域截取后进行中值滤波；
对中值滤波处理后的区域进行形态学处理，获得渣流的宽度。
优选地，在本发明实施例提供的上述渣液面实时检测方法中，在对中值滤波处理后的区域进行形态学处理之前，还包括：
对中值滤波处理后的区域通过阈值分割法进行阈值处理。
优选地，在本发明实施例提供的上述渣液面实时检测方法中，对所述第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离，具体包括：
提取所述第二相机采集的图像的渣车口区域并尺度变换；
对变换后的所述渣车口区域进行中值滤波；
将中值滤波处理后的区域进行特征性选择，并结合自动阈值的算法，确定渣车口轮廓；
依据所述第二相机采集的图像的渣液面区域的均值和方差，对图像进行均衡化处理，确定渣液面轮廓；
通过确定的所述渣车口轮廓和所述渣液面轮廓，获得渣液面与渣车口之间的距离。
优选地，在本发明实施例提供的上述渣液面实时检测方法中，根据获得的所述渣流的宽度、所述渣液面与渣车口之间的距离，获取渣液面的实时检测结果，具体包括：
若获得的所述渣流的宽度小于或等于设定阈值，则通过最邻近图像均值法获取Row值；
分别依据所述Row值、所述渣液面与渣车口之间的距离，判断是否达到报警条件；
若达到报警条件，则进行报警。
优选地，在本发明实施例提供的上述渣液面实时检测方法中，依据所述Row值，判断是否达到报警条件，具体包括：
将所述Row值分别与预设的报警点坐标值、预设的溢出点坐标值进行比较，判断是渣液面的位置是否正常或高于预设的报警点所在位置或高于预设的溢出点所在位置。
优选地，在本发明实施例提供的上述渣液面实时检测方法中，依据所述渣液面与渣车口之间的距离，判断是否达到报警条件，具体包括：
计算所述第二相机在设定时间段内采集的多幅图像获得的所述渣液面与渣车口之间的距离的平均值；
判断所述平均值是否小于设定距离报警阈值，若是，则达到报警条件。
本发明实施例还提供了一种渣液面实时检测装置，包括：
图像采集模块，用于在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；
第一处理模块，用于对所述第一相机采集的图像进行处理，获得渣流的宽度；
第二处理模块，用于对所述第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；
结果获取模块，用于根据获得的所述渣流的宽度、所述渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
本发明实施例还提供了一种渣液面实时检测设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如本发明实施例提供的上述渣液面实时检测方法。
本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本发明实施例提供的上述渣液面实时检测方法。
从上述技术方案可以看出，本发明所提供的一种渣液面实时检测方法，包括：在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；对第一相机采集的图像进行处理，获得渣流的宽度；对第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；根据获得的渣流的宽度、渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
本发明利用在不同位置上的两个相机代替人眼采集图像，通过对采集的图像分别进行处理后获得渣流的宽度、渣液面与渣车口之间的距离，这样可以对渣流及渣液面进行准确的识别，以便更加智能和准确的实时检测渣液面，做到对渣液面以及转炉的精准控制，该方法处理速度快，且能够达到智能化的目的。此外，本发明还针对渣液面实时检测方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术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的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的渣液面实时检测方法的流程图；
图2为本发明实施例提供的第一相机采集的图像；
图3为本发明实施例提供的第二相机采集的图像；
图4为本发明实施例提供的渣液面实时检测方法的具体流程图；
图5和图6分别为本发明实施例提供的标出渣流区域的图像；
图7为本发明实施例提供的对图6截取后进行中值滤波后的图像；
图8为本发明实施例提供的对图7进行阈值处理后的图像；
图9为本发明实施例提供的对图8进行形态学处理后的图像；
图10为本发明实施例提供的烟雾干扰情况下标出渣流区域的图像；
图11为本发明实施例提供的第二相机采集的具有渣车口区域的图像；
图12为本发明实施例提供的对图11进行尺度换后的图像；
图13为本发明实施例提供的标记识别出的渣液面和渣车口的图像；
图14为本发明实施例提供的第一相机采集的标记有左右两个方形区域的图像；
图15为本发明实施例提供的第一相机采集的标记有报警点和溢出点的图像；
图16为本发明实施例提供的受到渣流以及渣车中溅出来的钢渣的影响的图像；
图17为本发明实施例提供的第二相机对应的检测结果；
图18至图20分别为本发明实施例提供的第一相机对应的检测结果；
图21为本发明实施例提供的渣液面实时检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
本发明提供一种渣液面实时检测方法，如图1所示，包括以下步骤：
S101、在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；
需要说明的是，当前出渣过程中通过两个不同位置的第一相机和第二相机获取的图像分别如图2和图3所示，第一相机中摄像头的拍摄方向尽量与渣车口所在平面平行，可拍摄到渣流区域，第二相机中摄像头的拍摄方向尽量与渣车口所在平面垂直，可拍摄到渣液面与渣车口，本发明将这两个相机所拍摄的图像的检测结果作为综合处理进行实时液面检测。
S102、对第一相机采集的图像进行处理，获得渣流的宽度；
可以理解的是，第一相机的作用是检测渣流的宽度，可以通过合理的控制渣流的宽度达到尽快出渣的目的，从而提高效率；
S103、对第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；
可以理解的是，相对于第一相机而言，第二相机对渣液面的视野更为宽阔，用第二相机的图像检测渣液面以及距离渣车口的距离。第二相机的作用是识别渣液面与渣车口的距离，从而在即将溢渣之前做出及时检测。
S104、根据获得的渣流的宽度、渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
在本发明实施例提供的上述渣液面实时检测方法中，利用在不同位置上的两个相机代替人眼采集图像，通过对采集的图像分别进行处理后获得渣流的宽度、渣液面与渣车口之间的距离，这样通过第一相机和第二相机的结合控制可以对渣流及渣液面进行准确的识别，以便更加智能和准确的实时检测渣液面，做到对渣液面以及转炉的精准控制，该方法处理速度快，且能够达到智能化的目的。
进一步地，在具体实施时，在本发明实施例提供的上述渣液面实时检测方法中，如图4所示，步骤S102对第一相机采集的图像进行处理，获得渣流的宽度，具体可以包括：首先提取第一相机采集的图像的渣流区域(感兴趣区)并尺度变换；然后对变换后的渣流区域截取后进行中值滤波；最后对中值滤波处理后的区域进行形态学处理，获得渣流的宽度。具体地，在对中值滤波处理后的区域进行形态学处理之前，还可以包括：对中值滤波处理后的区域通过阈值分割法进行阈值处理。
针对出渣相机1的渣流宽度，本发明采取针对图像的渣流区域进行灰度阈值检测，通过对获得相应灰度阈值区域的外接矩形宽度的计算来获取渣流的宽度。图5所示的白色边框区域为渣流区域，通过对白色边框区域截取后进行中值滤波，便于去除喷溅钢水干扰点和图像中的噪声。对图6截取的区域处理后的图像如图7所示，阈值处理后的结果如图8所示，然后通过形态学处理将选中的部分处理为矩形如图9所示，从而获得渣流的宽度。
实际情况中第一相机采集的渣流宽度和渣液位存在受到图10所示的烟雾干扰的情况，这种情况下取得固定的阈值就无法满足渣流宽度的准确检测，针对这种特殊情况，本发明采用阈值分割法进行阈值处理，这里的阈值如下：
其中，α为白色边框区域经中值滤波后的最大像素值，β为中值滤波后该区域的均值。这种阈值的获取方式能够更加准确的获取渣流宽度。
在具体实施时，在本发明实施例提供的上述渣液面实时检测方法中，如图4所示，步骤S103对第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离，具体可以包括：首先提取第二相机采集的图像的渣车口区域并尺度变换；然后对变换后的渣车口区域进行中值滤波；之后将中值滤波处理后的区域进行特征性选择，并结合自动阈值的算法，确定渣车口轮廓；随后依据第二相机采集的图像的渣液面区域的均值和方差，对图像进行均衡化处理，确定渣液面轮廓；最后通过确定的渣车口轮廓和渣液面轮廓，获得渣液面与渣车口之间的距离。
需要说明的是，首先是渣车口的定位，选取渣车口所在的区域由于渣车口图像亮度很低，难以辨别具体的渣车边缘，因此本发明将其进行尺度变换f(x,y)＝image(x,y)*ω，这里的ω表示变换尺度，用于提升图像信息部分的亮度。将图11经尺度变换成图12，通过图12可以看出渣车口变得更加明显。然后将变换后的结果特征性选择和自动阈值结合的算法获得渣车口轮廓，当特征性选择结果为空的时候取σ＝[0,10]从10到1递减选择并循环，直到最终的特征性选则到合适的区域。在渣液面的检测方面，由于渣液面随着时间的变化亮度会逐渐变暗，因此固定的灰度阈值无法满足需求，此时选取图像中的固定区域，并计算出固定区域的均值Mean1和方差Dev，通过下述公式来确定阈值的选取：
通过对渣液面和渣口的识别出图13中的白色线型标注的区域从而确定渣液面的位置和渣车口之间的距离。
在具体实施时，在本发明实施例提供的上述渣液面实时检测方法中，步骤S104根据获得的渣流的宽度、渣液面与渣车口之间的距离，获取渣液面的实时检测结果，具体可以包括：若获得的渣流的宽度小于或等于设定阈值，则通过最邻近图像均值法获取Row值；分别依据Row值、渣液面与渣车口之间的距离，判断是否达到报警条件；若达到报警条件，则进行报警。
进一步地，上述步骤中，依据Row值，判断是否达到报警条件，具体可以包括：将Row值分别与预设的报警点坐标值、预设的溢出点坐标值进行比较，判断是渣液面的位置是否正常或高于预设的报警点所在位置或高于预设的溢出点所在位置。
在实际应用中，为了获得渣面液位，选取图14中的左右两个方形区域，并以刻度标识出来如图15所示，在此刻度上选区两个报警点，下面的点为液位报警点(Num1)，上面的点为溢出点(Num2)，通过对该区域取阈值后获得面积的中心坐标，并以此坐标的均值Mean为报警信息与报警点做对比从而得出Flag值。Flag有三种情况，0，1和2分别表示液位正常，液位报警和液位溢出。由于出渣过程中存在喷溅的情况可能会对检测结果造成误报的情况，本发明采用最邻近图像均值法，即存储当前图像的前N张(如前5张)图像的中心坐标数据Tem_area，求得N张图像的均值行坐标RowL＝Tem_area/N，同理获得RowR，然后可以通过下述公式来确定报警情况：
需要注意的是，在渣流过宽的情况下使得整个渣车口的像素都比较亮，这时候渣液面无法识别，但是这种情况的时间比较短，不会对自动出钢的出渣过程产生太大影响。
进一步地，上述步骤中，依据渣液面与渣车口之间的距离，判断是否达到报警条件，具体可以包括：计算第二相机在设定时间段内采集的多幅图像获得的渣液面与渣车口之间的距离的平均值；判断平均值是否小于设定距离报警阈值，若是，则达到报警条件。
需要说明的是，由于在出渣的过程中会存在图16受到渣流以及渣车中溅出来的钢渣的影响使得液面无法准确识别，在此情况下就通过第一相机来判定渣液面是否报警或者溢出。在能够使识别的情况下通过判定第二相机的液面离渣车口的距离Dis，并通过在设定时间段内前M张(如前4张)图像的距离平均值mean_dis来控制报警信号Flag。
mean_dis＝sum(Dis[num-M],Dis[num])/M
其中，num表示实时采集图像的序列号，th_dis表示设定距离报警阈值。
经试验，图17至图20示出了两个相机的检测结果，通过以上算法将两个相机的检测结果结合预报，采用自动阈值和临近均值的方式设计中没有涉及到过多的复杂计算，进而使得计算速度比较快，完全能够达到实时检测的目的。
基于同一发明构思，本发明实施例还提供了一种渣液面实时检测装置，由于该装置解决问题的原理与前述一种渣液面实时检测方法相似，因此该装置的实施可以参见渣液面实时检测方法的实施，重复之处不再赘述。
在具体实施时，本发明实施例提供的渣液面实时检测装置，如图21所示，具体可以包括：
图像采集模块11，用于在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；
第一处理模块12，用于对第一相机采集的图像进行处理，获得渣流的宽度；
第二处理模块13，用于对第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；
结果获取模块14，用于根据获得的渣流的宽度、渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
在本发明实施例提供的上述渣液面实时检测装置中，可以通过上述四个模块的相互作用，对渣流及渣液面进行准确的识别，以便更加智能和准确的实时检测渣液面，做到对渣液面以及转炉的精准控制，处理速度快，且能够达到智能化的目的。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
相应的，本发明实施例还公开了一种渣液面实时检测设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现前述实施例公开的渣液面实时检测方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
进一步地，本发明还公开了一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现前述公开的渣液面实时检测方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种渣液面实时检测方法，包括：在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；对第一相机采集的图像进行处理，获得渣流的宽度；对第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；根据获得的渣流的宽度、渣液面与渣车口之间的距离，获取渣液面的实时检测结果。上述方法利用在不同位置上的两个相机代替人眼采集图像，通过对采集的图像分别进行处理后获得渣流的宽度、渣液面与渣车口之间的距离，这样可以对渣流及渣液面进行准确的识别，以便更加智能和准确的实时检测渣液面，做到对渣液面以及转炉的精准控制，该方法处理速度快，且能够达到智能化的目的。此外，本发明还针对渣液面实时检测方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的渣液面实时检测方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种渣液面实时检测方法，其特征在于，包括：
在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；
对所述第一相机采集的图像进行处理，获得渣流的宽度；
对所述第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；
根据获得的所述渣流的宽度、所述渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
2.根据权利要求1所述的渣液面实时检测方法，其特征在于，对所述第一相机采集的图像进行处理，获得渣流的宽度，具体包括：
提取所述第一相机采集的图像的渣流区域并尺度变换；
对变换后的所述渣流区域截取后进行中值滤波；
对中值滤波处理后的区域进行形态学处理，获得渣流的宽度。
3.根据权利要求2所述的渣液面实时检测方法，其特征在于，在对中值滤波处理后的区域进行形态学处理之前，还包括：
对中值滤波处理后的区域通过阈值分割法进行阈值处理。
4.根据权利要求1所述的渣液面实时检测方法，其特征在于，对所述第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离，具体包括：
提取所述第二相机采集的图像的渣车口区域并尺度变换；
对变换后的所述渣车口区域进行中值滤波；
将中值滤波处理后的区域进行特征性选择，并结合自动阈值的算法，确定渣车口轮廓；
依据所述第二相机采集的图像的渣液面区域的均值和方差，对图像进行均衡化处理，确定渣液面轮廓；
通过确定的所述渣车口轮廓和所述渣液面轮廓，获得渣液面与渣车口之间的距离。
5.根据权利要求4所述的渣液面实时检测方法，其特征在于，根据获得的所述渣流的宽度、所述渣液面与渣车口之间的距离，获取渣液面的实时检测结果，具体包括：
若获得的所述渣流的宽度小于或等于设定阈值，则通过最邻近图像均值法获取Row值；
分别依据所述Row值、所述渣液面与渣车口之间的距离，判断是否达到报警条件；
若达到报警条件，则进行报警。
6.根据权利要求5所述的渣液面实时检测方法，其特征在于，依据所述Row值，判断是否达到报警条件，具体包括：
将所述Row值分别与预设的报警点坐标值、预设的溢出点坐标值进行比较，判断是渣液面的位置是否正常或高于预设的报警点所在位置或高于预设的溢出点所在位置。
7.根据权利要求6所述的渣液面实时检测方法，其特征在于，依据所述渣液面与渣车口之间的距离，判断是否达到报警条件，具体包括：
计算所述第二相机在设定时间段内采集的多幅图像获得的所述渣液面与渣车口之间的距离的平均值；
判断所述平均值是否小于设定距离报警阈值，若是，则达到报警条件。
8.一种渣液面实时检测装置，其特征在于，包括：
图像采集模块，用于在出渣过程中，通过在不同位置上设置的第一相机和第二相机分别采集图像；
第一处理模块，用于对所述第一相机采集的图像进行处理，获得渣流的宽度；
第二处理模块，用于对所述第二相机采集的图像进行处理，获得渣液面与渣车口之间的距离；
结果获取模块，用于根据获得的所述渣流的宽度、所述渣液面与渣车口之间的距离，获取渣液面的实时检测结果。
9.一种渣液面实时检测设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的渣液面实时检测方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的渣液面实时检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110314277.1A CN113063474A (zh) | 2021-03-24 | 2021-03-24 | 一种渣液面实时检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110314277.1A CN113063474A (zh) | 2021-03-24 | 2021-03-24 | 一种渣液面实时检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113063474A true CN113063474A (zh) | 2021-07-02 |
Family
ID=76561691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110314277.1A Pending CN113063474A (zh) | 2021-03-24 | 2021-03-24 | 一种渣液面实时检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113063474A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114622060A (zh) * | 2022-02-18 | 2022-06-14 | 武汉钢铁有限公司 | 一种渣盆容积识别和自动行走控制装置及方法 |
| CN114734030A (zh) * | 2022-03-23 | 2022-07-12 | 武汉钢铁有限公司 | 一种全流程无人化智能扒渣系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006144114A (ja) * | 2004-07-30 | 2006-06-08 | Jfe Steel Kk | 転炉スラグ流出量定量化方法、転炉の操業方法およびそれらの装置 |
| CN202297645U (zh) * | 2011-10-31 | 2012-07-04 | 天津三泰晟驰科技股份有限公司 | 检测高炉溜渣槽熔渣流量的摄像装置 |
| CN106498111A (zh) * | 2016-10-19 | 2017-03-15 | 北京首钢国际工程技术有限公司 | 一种基于转炉二级控制系统的自动出钢控制方法 |
| JP2017160498A (ja) * | 2016-03-10 | 2017-09-14 | 株式会社神戸製鋼所 | 竪型炉における溶融物レベルの推定方法、及びその推定装置 |
| CN110616289A (zh) * | 2018-06-20 | 2019-12-27 | 宝山钢铁股份有限公司 | 一种转炉全自动出钢的出钢流量控制方法和系统 |
| US20200023429A1 (en) * | 2017-02-14 | 2020-01-23 | Nippon Steel Corporation | Method of detecting slag in molten steel flow |
| CN111944943A (zh) * | 2020-09-03 | 2020-11-17 | 中冶赛迪技术研究中心有限公司 | 转炉出钢控制方法、系统 |
| CN112359163A (zh) * | 2020-11-10 | 2021-02-12 | 中冶赛迪技术研究中心有限公司 | 一种出钢口监测方法及系统 |
-
2021
- 2021-03-24 CN CN202110314277.1A patent/CN113063474A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006144114A (ja) * | 2004-07-30 | 2006-06-08 | Jfe Steel Kk | 転炉スラグ流出量定量化方法、転炉の操業方法およびそれらの装置 |
| CN202297645U (zh) * | 2011-10-31 | 2012-07-04 | 天津三泰晟驰科技股份有限公司 | 检测高炉溜渣槽熔渣流量的摄像装置 |
| JP2017160498A (ja) * | 2016-03-10 | 2017-09-14 | 株式会社神戸製鋼所 | 竪型炉における溶融物レベルの推定方法、及びその推定装置 |
| CN106498111A (zh) * | 2016-10-19 | 2017-03-15 | 北京首钢国际工程技术有限公司 | 一种基于转炉二级控制系统的自动出钢控制方法 |
| US20200023429A1 (en) * | 2017-02-14 | 2020-01-23 | Nippon Steel Corporation | Method of detecting slag in molten steel flow |
| CN110616289A (zh) * | 2018-06-20 | 2019-12-27 | 宝山钢铁股份有限公司 | 一种转炉全自动出钢的出钢流量控制方法和系统 |
| CN111944943A (zh) * | 2020-09-03 | 2020-11-17 | 中冶赛迪技术研究中心有限公司 | 转炉出钢控制方法、系统 |
| CN112359163A (zh) * | 2020-11-10 | 2021-02-12 | 中冶赛迪技术研究中心有限公司 | 一种出钢口监测方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114622060A (zh) * | 2022-02-18 | 2022-06-14 | 武汉钢铁有限公司 | 一种渣盆容积识别和自动行走控制装置及方法 |
| CN114622060B (zh) * | 2022-02-18 | 2023-08-22 | 武汉钢铁有限公司 | 一种渣盆容积识别和自动行走控制装置及方法 |
| CN114734030A (zh) * | 2022-03-23 | 2022-07-12 | 武汉钢铁有限公司 | 一种全流程无人化智能扒渣系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
| CN113063474A (zh) | 一种渣液面实时检测方法、装置、设备及存储介质 | |
| CN104198497B (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
| CN105915840B (zh) | 一种基于视频信号的工厂烟气排放自动监测的方法 | |
| CN102628854A (zh) | 汽车仪表板检测系统及方法 | |
| Bedruz et al. | Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach | |
| CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
| WO2021208324A1 (zh) | 一种基于图像的测温取样下枪位置智能检测方法及系统 | |
| WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
| CN111311670B (zh) | 一种基于图像识别的冷床冲顶识别方法、系统及设备 | |
| CN110443278A (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
| CN111626225B (zh) | 一种工位车辆的车牌识别方法、装置、设备及存储介质 | |
| CN113096083B (zh) | 一种对炉口钢渣的识别方法、装置、设备及存储介质 | |
| CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
| CN109711313B (zh) | 一种识别向河道内倾倒污水的实时视频监控方法 | |
| CN113378663B (zh) | 一种巡检指针式圆形仪表识别方法及装置 | |
| CN113052816A (zh) | 一种炉口图像识别方法、装置、设备及存储介质 | |
| CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
| CN112828275A (zh) | 一种自动扒渣方法、装置及系统 | |
| JP3797499B2 (ja) | 水路流出入物監視装置 | |
| CN111815705B (zh) | 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备 | |
| CN105095897A (zh) | 一种基于梯度图像和相似度加权的数字识别方法 | |
| CN114820383A (zh) | 基于绝缘子可见光图像的污秽等级评估方法 | |
| CN114119662A (zh) | 鱼类检测视觉系统中的图像处理方法及其系统 | |
| CN112541896B (zh) | 一种炉口堆渣情况辨识方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |