CN113096083B - 一种对炉口钢渣的识别方法、装置、设备及存储介质 - Google Patents
一种对炉口钢渣的识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113096083B CN113096083B CN202110342795.4A CN202110342795A CN113096083B CN 113096083 B CN113096083 B CN 113096083B CN 202110342795 A CN202110342795 A CN 202110342795A CN 113096083 B CN113096083 B CN 113096083B
- Authority
- CN
- China
- Prior art keywords
- slag
- area
- image
- flame
- splashing
- 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.)
- Active
Links
- 239000002893 slag Substances 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 title claims abstract description 86
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 56
- 239000010959 steel Substances 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005507 spraying Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000009628 steelmaking Methods 0.000 abstract description 13
- 238000003723 Smelting Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 2
- 238000004544 sputter deposition Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method 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
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- C21C5/42—Constructional features of converters
- C21C5/46—Details or accessories
- C21C5/4673—Measuring and sampling devices
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
-
- 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
- C21C2300/00—Process aspects
- C21C2300/06—Modeling of the process, e.g. for control purposes; CII
-
- 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
- G06T2207/20032—Median filtering
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Organic Chemistry (AREA)
- Manufacturing & Machinery (AREA)
- Metallurgy (AREA)
- Algebra (AREA)
- Materials Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
Abstract
本申请公开了一种对炉口钢渣的识别方法、装置、设备及存储介质,该方法包括:实时采集在转炉的炉口火焰处的图像;对图像进行预处理,经空间域‑频域‑空间域的转换得到图像中的炉渣轮廓;通过边缘检测方法获取图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;对图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。通过上述方法在转炉冶炼过程中对炉口钢渣进行识别,判别出预喷溅和喷溅的状态,可以代替操作工通过人眼观察而进行的操作,达到自动化炼钢的目的,具有预报准确,处理速度快的特点。
Description
技术领域
本发明涉及转炉炼钢技术领域,特别是涉及一种对炉口钢渣的识别方法、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,转炉炼钢是当前主流的炼钢方式。在转炉炼钢的过程中需要进行炉渣识别,炉渣识别是根据火焰口处存在的渣片、炉口处的溢渣,对当前炼钢的状态进行判断。
目前,炼钢工人一般通过目视观察炉口渣子和火焰的状态来进行枪位和加辅料的控制,进而达到出钢标准。但是,这种方式因为人工成本较高,对目视的工作人员的看火经验有较高的要求,存在操作上的差异性,识别率较低。
因此,如何解决炉渣识别人工成本高、识别率低的问题,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对炉口钢渣的识别方法、装置、设备及存储介质,可以达到自动化炼钢的目的,具有预报准确,处理速度快的特点。其具体方案如下:
一种对炉口钢渣的识别方法,包括:
实时采集在转炉的炉口火焰处的图像;
对所述图像进行预处理,经空间域-频域-空间域的转换得到所述图像中的炉渣轮廓;
通过边缘检测方法获取所述图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;
对所述图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。
优选地,在本发明实施例提供的上述对炉口钢渣的识别方法中,在对所述图像进行预处理之前,还包括:
获取所述图像的高亮区域面积;
判断所述高亮区域面积是否达到预设面积阈值;若是,则选择所述图像的绿色通道进行预处理;若否,则选择所述图像的红色通道进行预处理。
优选地,在本发明实施例提供的上述对炉口钢渣的识别方法中,对所述图像进行预处理,经空间域-频域-空间域的转换得到所述图像中的炉渣轮廓,具体包括:
对所述图像进行高斯滤波处理和中值滤波处理,得到凸显炉渣的中值滤波图;
利用傅里叶变换算子将所述中值滤波图由空间域转换至频域,并通过卷积运算获取炉渣的分类噪声,得到卷积图;
利用傅里叶逆变换算子将获取所述卷积图由频域转换至空间域,并进行形态学处理,得到所述图像中的炉渣轮廓。
优选地,在本发明实施例提供的上述对炉口钢渣的识别方法中,通过边缘检测方法获取所述图像中炉渣面积和数量,具体包括:
通过canny边缘检测算子对炉渣轮廓边缘进行拟合并做去边框处理;
对拟合好的炉渣轮廓线进行近圆度、完整度、闭合度的特征提取,得到炉渣特征筛选图;
根据筛选出的所述炉渣轮廓线,计算炉渣面积和数量。
优选地,在本发明实施例提供的上述对炉口钢渣的识别方法中,根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果,具体包括:
若第一设定时间段内获取的炉渣面积大于设定炉渣面积阈值且炉渣数量大于设定炉渣数量阈值时,则判定为炉渣活跃;
当判定为炉渣活跃后,若第二设定时间段内获取的炉渣面积大于设定预喷面积阈值且炉渣数量大于设定预喷数量阈值时,则判定为预喷溅。
优选地,在本发明实施例提供的上述对炉口钢渣的识别方法中,根据获取的溢渣面积和火焰面积得到喷溅的判别结果,具体包括:
若在第三设定时间段内获取的溢渣面积大于设定喷溅面积阈值且火焰面积小于设定干扰面积阈值时,则判定为喷溅。
本发明实施例还提供了一种对炉口钢渣的识别装置,包括:
图像采集模块,用于实时采集在转炉的炉口火焰处的图像;
图像处理模块,用于对所述图像进行预处理,经空间域-频域-空间域的转换得到所述图像中的炉渣轮廓;
预喷溅判别模块,用于通过边缘检测方法获取所述图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;
喷溅判别模块,用于对所述图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。
优选地,在本发明实施例提供的上述对炉口钢渣的识别装置中,还包括:
通道选择模块,用于获取所述图像的高亮区域面积;判断所述高亮区域面积是否达到预设面积阈值;若是,则选择所述图像的绿色通道进行预处理;若否,则选择所述图像的红色通道进行预处理。
本发明实施例还提供了一种对炉口钢渣的识别设备,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对炉口钢渣的识别方法。
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对炉口钢渣的识别方法。
从上述技术方案可以看出,本发明所提供的一种对炉口钢渣的识别方法,包括:实时采集在转炉的炉口火焰处的图像;对图像进行预处理,经空间域-频域-空间域的转换得到图像中的炉渣轮廓;通过边缘检测方法获取图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;对图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。
本发明通过上述方法在转炉冶炼过程中对炉口钢渣进行识别,判别出预喷溅和喷溅的状态,进而很好地控制之后的枪位和加辅料方式,这样代替操作工通过人眼观察而进行的操作,可达到自动化炼钢的目的,具有预报准确,处理速度快的特点。此外,本发明还针对对炉口钢渣的识别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对炉口钢渣的识别方法的流程图;
图2为本发明实施例提供的对炉口钢渣的识别方法的具体流程图;
图3为本发明实施例提供的采集到的图像;
图4为本发明实施例提供的中值滤波图;
图5为本发明实施例提供的空间域-频域图;
图6为本发明实施例提供的卷积图;
图7为本发明实施例提供的频域-空间域图;
图8为本发明实施例提供的canny边缘检测算子处理后图片;
图9为本发明实施例提供的炉渣特征筛选图;
图10为本发明实施例提供的预喷溅炉渣判别结果;
图11为本发明实施例提供的原图像炉渣标示图;
图12为本发明实施例提供的喷溅原图;
图13为本发明实施例提供的喷溅溢渣判别结果;
图14为本发明实施例提供的对炉口钢渣的识别装置的结构示意图。
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。
本发明提供一种对炉口钢渣的识别方法,如图1所示,包括以下步骤:
S101、实时采集在转炉的炉口火焰处的图像;
S102、对图像进行预处理,经空间域-频域-空间域的转换得到图像中的炉渣轮廓;
S103、通过边缘检测方法获取图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;
S104、对图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。
在本发明实施例提供的上述对炉口钢渣的识别方法中,可以在转炉冶炼过程中对炉口钢渣进行识别,判别出预喷溅和喷溅的状态,很好地控制之后的枪位和加辅料方式,这样代替操作工通过人眼观察而进行的操作,能够达到自动化炼钢的目的,具有预报准确,处理速度快的特点。
进一步地,在具体实施时,在本发明实施例提供的上述对炉口钢渣的识别方法中,在执行步骤S102对图像进行预处理之前,还可以包括:获取图像的高亮区域面积;判断高亮区域面积是否达到预设面积阈值;若是,则选择图像的绿色通道进行预处理;若否,则选择图像的红色通道进行预处理。
具体地,首先要对图像的高光亮度面积,设定一个预设面积阈值,如Th_AreaG=41000(单位:像素);然后,图像由二值化Threshold在高亮区域[250,255]进行筛选,再由area_center计算高亮面积AreaG,会出现以下两种情况:
当AreaG≥Th_AreaG时,可知图像亮度偏高,此时选择Green通道进行图像预处理;
若AreaG<Th_AreaG时,可知图像亮度正常或偏低,此时选择Red通道进行图像预处理。
在具体实施时,在本发明实施例提供的上述对炉口钢渣的识别方法中,当划分通道后,如图2所示,步骤S102对图像进行预处理,经空间域-频域-空间域的转换得到图像中的炉渣轮廓,具体可以包括:
第一步、对图像进行高斯滤波处理和中值滤波处理,得到凸显炉渣的中值滤波图;具体地,首先,在做准备进入频域之前,生成两个高斯滤波器做差分,先设定标准偏差Sigama1=6,Sigama2=2,通过算子gen_gauss_filter生成高斯滤波器,用于傅里叶变换后的图像进行滤波处理;然后,针对图3示出的图像中复杂的环境,进行中值滤波处理,凸显炉渣的存在,通过算子median_image计算获得图4示出的中值滤波图;
第二步、利用傅里叶变换算子将中值滤波图由空间域转换至频域,并通过卷积运算获取炉渣的分类噪声,得到卷积图;具体地,首先利用傅里叶变换算子rft_generic由空间域转至频域,得到图5示出的空间域-频域图;然后,根据卷积运算convol_fft获得凸显炉渣的分类噪声,得到图6示出的卷积图;
第三步、利用傅里叶逆变换算子将获取卷积图由频域转换至空间域,并进行形态学处理,得到图像中的炉渣轮廓;具体地,对做完处理的卷积图进行由频域返回空间域,利用傅里叶逆变化算子rft_generic得到图7示出的频域-空间域图。
需要注意的是,本发明是从空间域-频域-空间域对图像进行分类来解决,在对图像进行归类后对火焰口处的炉渣进行处理,对炉口处的溢渣进行处理。
在具体实施时,在本发明实施例提供的上述对炉口钢渣的识别方法中,在火焰口处,针对炉渣,步骤S103通过边缘检测方法获取图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果,具体包括:首先,通过canny边缘检测算子对炉渣轮廓边缘进行拟合并做去边框处理;对拟合好的炉渣轮廓线进行近圆度、完整度、闭合度的特征提取,得到炉渣特征筛选图;根据炉渣特征筛选图,计算炉渣面积和数量;若第一设定时间段内获取的炉渣面积Areal大于设定炉渣面积阈值且炉渣数量Numl大于设定炉渣数量阈值时,则判定为炉渣活跃;当判定为炉渣活跃后,若第二设定时间段(如2秒)内获取的炉渣面积Area2大于设定预喷面积阈值且炉渣数量Num2大于设定预喷数量阈值时,则判定为预喷溅。
需要说明的是,在canny算子中,主要通过对炉渣的轮廓边缘进行拟合来提取亚像素精度,可得到图8示出的图片。接下来,可以针对提取出来的轮廓进行以下特征选区:近圆度的特征提取:参数circularity;完整度的特征提取:参数convexity;闭合度的特征提取:参数closed。在经过以上处理后,得到图9示出的炉渣特征筛选图。
当得到图9示出的炉渣特征筛选图后,需要算出炉渣的单个面积。利用area-center来计算炉渣各个中心点以及它的面积。对于活跃:设定一个面积炉渣阈值Area_luzha,数量炉渣阈值Num_luzha。炉渣活跃判定依据在单个炉渣面积范围在Areal>Area_luzha(单位:像素),且炉渣数量Numl>Num_luzha时,即判定为活跃。对于预喷溅:设定一个面积预喷阈值Area,数量预喷阈值Num_yupen。
需要了解的是,当符合炉渣活跃的前提下,才会开始预喷溅的判断。预喷溅判定依据在单个炉渣面积范围在Area2>Area_yupen(单位:像素),且炉渣数量Num2>Num_yupen时,即判定为预喷溅。根据以上步骤,对图9的炉渣进行再次筛选,可得出图10示出的预喷溅炉渣判别结果;在原彩色图中可标示出来,形成图11示出的原图像炉渣标示图。
在具体实施时,在本发明实施例提供的上述对炉口钢渣的识别方法中,在炉口处,针对溢渣,步骤S104根据获取的溢渣面积和火焰面积得到喷溅的判别结果,具体可以包括:若在第三设定时间段(如0.25秒)内获取的溢渣面积Area3大于设定喷溅面积阈值且火焰面积Area4小于设定干扰面积阈值时,则判定为喷溅。
需要说明的是,喷溅主要是观察炉口区域,针对溢渣流出时的面积进行检测,如图12所示,在溢渣流出的范围内检测区域1进行检测,具体通过二值化Threshold在中低亮度区域内检测,设定喷溅面积阈值为Area Penjian。检测区域二是作为确定是否为误判干扰的区域检测。由于当大火在铺满整个图像时亮度与喷溅特征一致,区别在于喷溅在检测区域二不会有火焰。由此二值化Threshold在[40,200]区域内检测,设定干扰面积阈值为Area_Ganrao。判定喷溅的依据是:
(Area3>Area_Penjian)&&(Areα4<Area_Ganrao)
经试验,图12的喷溅原图采用以上判断标准后,可以得出图13示出的喷溅溢渣判别结果。
基于同一发明构思,本发明实施例还提供了一种对炉口钢渣的识别装置,由于该装置解决问题的原理与前述一种对炉口钢渣的识别方法相似,因此该装置的实施可以参见对炉口钢渣的识别方法的实施,重复之处不再赘述。
在具体实施时,本发明实施例提供的对炉口钢渣的识别装置,如图14所示,具体包括:
图像采集模块11,用于实时采集在转炉的炉口火焰处的图像;
图像处理模块12,用于对图像进行预处理,经空间域-频域-空间域的转换得到图像中的炉渣轮廓;
预喷溅判别模块13,用于通过边缘检测方法获取图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;
喷溅判别模块14,用于对图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。
在本发明实施例提供的上述对炉口钢渣的识别装置中,可以通过上述四个模块的相互作用,判别出预喷溅和喷溅的状态,很好地控制之后的枪位和加辅料方式,这样代替操作工通过人眼观察而进行的操作,能够达到自动化炼钢的目的,具有预报准确,处理速度快的特点。
在具体实施时,在本发明实施例提供的上述对炉口钢渣的识别装置中,为了将图像进行归类,还可以包括:
通道选择模块,用于获取图像的高亮区域面积;判断高亮区域面积是否达到预设面积阈值;若是,则选择图像的绿色通道进行预处理;若否,则选择图像的红色通道进行预处理。
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对炉口钢渣的识别设备,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对炉口钢渣的识别方法。
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。
进一步的,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对炉口钢渣的识别方法。
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对炉口钢渣的识别方法,包括:实时采集在转炉的炉口火焰处的图像;对图像进行预处理,经空间域-频域-空间域的转换得到图像中的炉渣轮廓;通过边缘检测方法获取图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;对图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果。通过上述方法在转炉冶炼过程中对炉口钢渣进行识别,判别出预喷溅和喷溅的状态,进而很好地控制之后的枪位和加辅料方式,这样代替操作工通过人眼观察而进行的操作,可达到自动化炼钢的目的,具有预报准确,处理速度快的特点。此外,本发明还针对对炉口钢渣的识别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对炉口钢渣的识别方法、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 (8)
1.一种对炉口钢渣的识别方法,其特征在于,包括:
实时采集在转炉的炉口火焰处的图像;
对所述图像进行预处理,经空间域-频域-空间域的转换得到所述图像中的炉渣轮廓;
通过边缘检测方法获取所述图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;
对所述图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果;
在对所述图像进行预处理之前,还包括:
获取所述图像的高亮区域面积;
判断所述高亮区域面积是否达到预设面积阈值;若是,则选择所述图像的绿色通道进行预处理;若否,则选择所述图像的红色通道进行预处理。
2.根据权利要求1所述的对炉口钢渣的识别方法,其特征在于,对所述图像进行预处理,经空间域-频域-空间域的转换得到所述图像中的炉渣轮廓,具体包括:
对所述图像进行高斯滤波处理和中值滤波处理,得到凸显炉渣的中值滤波图;
利用傅里叶变换算子将所述中值滤波图由空间域转换至频域,并通过卷积运算获取炉渣的分类噪声,得到卷积图;
利用傅里叶逆变换算子将获取所述卷积图由频域转换至空间域,并进行形态学处理,得到所述图像中的炉渣轮廓。
3.根据权利要求2所述的对炉口钢渣的识别方法,其特征在于,通过边缘检测方法获取所述图像中炉渣面积和数量,具体包括:
通过canny边缘检测算子对炉渣轮廓边缘进行拟合并做去边框处理;
对拟合好的炉渣轮廓线进行近圆度、完整度、闭合度的特征提取,得到炉渣特征筛选图;
根据筛选出的所述炉渣轮廓线,计算炉渣面积和数量。
4.根据权利要求3所述的对炉口钢渣的识别方法,其特征在于,根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果,具体包括:
若第一设定时间段内获取的炉渣面积大于设定炉渣面积阈值且炉渣数量大于设定炉渣数量阈值时,则判定为炉渣活跃;
当判定为炉渣活跃后,若第二设定时间段内获取的炉渣面积大于设定预喷面积阈值且炉渣数量大于设定预喷数量阈值时,则判定为预喷溅。
5.根据权利要求4所述的对炉口钢渣的识别方法,其特征在于,根据获取的溢渣面积和火焰面积得到喷溅的判别结果,具体包括:
若在第三设定时间段内获取的溢渣面积大于设定喷溅面积阈值且火焰面积小于设定干扰面积阈值时,则判定为喷溅。
6.一种对炉口钢渣的识别装置,其特征在于,包括:
图像采集模块,用于实时采集在转炉的炉口火焰处的图像;
图像处理模块,用于对所述图像进行预处理,经空间域-频域-空间域的转换得到所述图像中的炉渣轮廓;
预喷溅判别模块,用于通过边缘检测方法获取所述图像中炉渣面积和数量,并根据获取的炉渣面积和数量得到炉渣活跃和预喷溅的判别结果;
喷溅判别模块,用于对所述图像中溢渣检测区域和火焰检测区域进行二值化处理获取溢渣面积和火焰面积,并根据获取的溢渣面积和火焰面积得到喷溅的判别结果;
通道选择模块,用于获取所述图像的高亮区域面积;判断所述高亮区域面积是否达到预设面积阈值;若是,则选择所述图像的绿色通道进行预处理;若否,则选择所述图像的红色通道进行预处理。
7.一种对炉口钢渣的识别设备,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5任一项所述的对炉口钢渣的识别方法。
8.一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5任一项所述的对炉口钢渣的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342795.4A CN113096083B (zh) | 2021-03-30 | 2021-03-30 | 一种对炉口钢渣的识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342795.4A CN113096083B (zh) | 2021-03-30 | 2021-03-30 | 一种对炉口钢渣的识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113096083A CN113096083A (zh) | 2021-07-09 |
CN113096083B true CN113096083B (zh) | 2022-11-01 |
Family
ID=76671314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110342795.4A Active CN113096083B (zh) | 2021-03-30 | 2021-03-30 | 一种对炉口钢渣的识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113096083B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114196799A (zh) * | 2021-12-01 | 2022-03-18 | 首钢集团有限公司 | 一种转炉溢渣的检测方法、装置及计算机设备 |
CN115761604B (zh) * | 2023-01-10 | 2023-06-13 | 矿冶科技集团有限公司 | 炉口开闭状态识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528367A (zh) * | 2013-11-01 | 2014-01-22 | 张家港市昊天金属科技有限公司 | 具有挡渣机构的铝合金熔炉 |
CN107610124A (zh) * | 2017-10-13 | 2018-01-19 | 中冶赛迪技术研究中心有限公司 | 一种炉口图像预处理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8532815B1 (en) * | 2012-09-25 | 2013-09-10 | Romeo Ilarian Ciuperca | Method for electronic temperature controlled curing of concrete and accelerating concrete maturity or equivalent age of concrete structures and objects |
CN103636404B (zh) * | 2013-12-30 | 2015-01-21 | 四川华电杂谷脑水电开发有限责任公司 | 高海拔大温差干旱干热河谷高陡坡弃渣体水土保持方法 |
CN104894335A (zh) * | 2015-06-25 | 2015-09-09 | 长春工业大学 | 一种aod炉喷溅预报分析仪信息融合方法 |
EP3553463A4 (en) * | 2016-12-06 | 2020-07-29 | Nippon Steel Corporation | METHOD FOR EVALUATING THE QUANTITY OF SLAG ON THE SURFACE OF MOLTEN METAL |
CN107248158A (zh) * | 2017-07-20 | 2017-10-13 | 广东工业大学 | 一种图像处理的方法及系统 |
CN109146874B (zh) * | 2018-09-05 | 2020-08-18 | 中冶赛迪重庆信息技术有限公司 | 一种基于机器视觉的溢渣检测方法 |
CN211771417U (zh) * | 2020-02-25 | 2020-10-27 | 济南市电子技术研究所有限公司 | 一种转炉吹炼喷溅自动抓拍系统 |
-
2021
- 2021-03-30 CN CN202110342795.4A patent/CN113096083B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528367A (zh) * | 2013-11-01 | 2014-01-22 | 张家港市昊天金属科技有限公司 | 具有挡渣机构的铝合金熔炉 |
CN107610124A (zh) * | 2017-10-13 | 2018-01-19 | 中冶赛迪技术研究中心有限公司 | 一种炉口图像预处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113096083A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113096083B (zh) | 一种对炉口钢渣的识别方法、装置、设备及存储介质 | |
CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN108765443B (zh) | 一种自适应颜色阈值分割的标志增强处理方法 | |
CN109859160B (zh) | 基于机器视觉的铝镁合金铸件内部缺陷图像识别方法 | |
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 | |
CN113935666B (zh) | 基于图像处理的建筑装饰墙面砖异常评估方法 | |
Jenné et al. | Detection of filamentous bulking problems: developing an image analysis system for sludge composition monitoring | |
CN106934801A (zh) | 一种基于Laws纹理滤波的荧光磁粉缺陷自动识别方法 | |
CN115272280A (zh) | 一种缺陷检测方法、装置、设备及存储介质 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
CN114882040B (zh) | 一种基于模板匹配的污水处理检测方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
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 | |
CN114255202A (zh) | 用于检测工件上的孔洞的方法、设备、系统及存储介质 | |
CN117173632A (zh) | 一种铝模板混凝土的表面气泡评价方法及系统 | |
CN114202532A (zh) | 一种喷涂缺陷的检测方法、装置、设备及存储介质 | |
CN110533626B (zh) | 一种全天候水质识别方法 | |
CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
CN113052816A (zh) | 一种炉口图像识别方法、装置、设备及存储介质 | |
Muslim et al. | Detection and counting potholes using morphological method from road video | |
CN113063474A (zh) | 一种渣液面实时检测方法、装置、设备及存储介质 | |
CN111724375B (zh) | 一种屏幕检测方法及系统 | |
CN111008960B (zh) | 基于机器视觉的铝电解电容底部外观检测方法及装置 | |
CN109272480B (zh) | 一种不相溶溶液分界线的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |