CN115125363B - 一种智能识别废钢料斗中配料检测系统及方法 - Google Patents
一种智能识别废钢料斗中配料检测系统及方法 Download PDFInfo
- Publication number
- CN115125363B CN115125363B CN202210645717.6A CN202210645717A CN115125363B CN 115125363 B CN115125363 B CN 115125363B CN 202210645717 A CN202210645717 A CN 202210645717A CN 115125363 B CN115125363 B CN 115125363B
- Authority
- CN
- China
- Prior art keywords
- scrap steel
- image
- scrap
- data center
- steel
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 300
- 239000010959 steel Substances 0.000 title claims abstract description 300
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000004615 ingredient Substances 0.000 title claims abstract description 16
- 238000009628 steelmaking Methods 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 239000000654 additive Substances 0.000 claims abstract description 15
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 15
- 239000001301 oxygen Substances 0.000 claims abstract description 15
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 15
- 239000003638 chemical reducing agent Substances 0.000 claims abstract description 14
- 238000005286 illumination Methods 0.000 claims description 42
- 238000007781 pre-processing Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 8
- 239000002436 steel type Substances 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 abstract description 4
- 238000010310 metallurgical process Methods 0.000 abstract description 2
- 239000002994 raw material Substances 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- C21C5/56—Manufacture of steel by other methods
- C21C5/562—Manufacture of steel by other methods starting from scrap
-
- 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
-
- 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
- Y02P10/20—Recycling
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
本发明提供一种智能识别废钢料斗中配料检测系统及方法。该系统包括:炼钢装置,用于生成预设配料信息,并将生成的预设配料信息发送至数据中心;数据中心,用于在接收到所述预设配料信息后,发送图像采集信号和配料完成信号;摄像头,用于对废钢料斗内的废钢进行图像采集,并将废钢图像发送至数据中心;控制终端,用于生成第一指示信号,并将第一指示信号发送至所述炼钢装置。本发明通过数据中心准确的在废钢料斗中进行废钢配料的识别,提高了废钢配料的效率,同时,可以根据提供废钢原料的废钢信息,得到分析数据,以对后续炼钢所需还原剂、氧气量和添加剂的量进行准确的预测,提高冶金工艺中总体利用率和控制精度。降低了废钢炼钢的成本。
Description
技术领域
本发明涉及钢铁冶炼技术领域,尤其涉及一种智能识别废钢料斗中配料检测系统及方法。
背景技术
随着我国钢铁行业的不断发展,对于废钢再利用的需求日益增多。在炼钢装置需要制备不同型号的钢时,需要对废钢料斗中加入的废钢进行识别,并根据识别结果得到分析数据,并将分析数据发送给炼钢装置,炼钢装置根据分析数据进行自动化炼钢。
现有技术中进行对废钢进行配比时,需要工作人员根据以往经验,基于预设配料信息,工作人员根据料型大概的厚度与不同品类,估算的进行废钢配料,以至于在制备同一类型的钢时,不同工作人员在废钢料斗中填入的废钢配料不相同,造成废钢配料不准确的问题,同时,由于人工废钢配料不准确,以至于后期炼钢的质量参差不齐,且,也无法在后期炼钢时准确的加入还原剂、氧气量和添加剂,造成废钢炼钢的成本增加和能源消耗。
发明内容
本发明实施例的目的是提供一种智能识别废钢料斗中配料检测系统及方法,可以根据所需的废钢配料信息,准确的在废钢料斗中进行废钢配料的识别,并根据图像识别结果自动化控制配料过程,提高了废钢配料的效率,同时,通过数据中心的废钢图像识别,可以提供废钢原料的废钢信息,并对废钢信息进行分析,以预测后续炼钢所需还原剂、氧气量和添加剂的量进行准确的预测,提高冶金工艺中总体利用率和控制精度。
为解决上述技术问题,本发明实施例提供如下技术方案:
本发明第一方面提供智能识别废钢料斗中配料检测系统,所述系统包括:
炼钢装置、摄像头、控制终端和数据中心;所述炼钢装置,用于生成预设配料信息,并将生成的所述预设配料信息发送至数据中心;所述数据中心,用于在接收到所述预设配料信息后,向所述摄像头发送图像采集信号,并根据废钢图像识别实时所述废钢的废钢信息,同时对所述废钢信息进行分析,在得到分析数据时,向所述控制终端发送配料分析信号,其中,所述配料分析信号用于预测所述炼钢装置在进行炼钢时所用的还原剂的量、氧气量和添加剂的量;所述摄像头,用于根据数据中心发送的所述图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;所述控制终端,用于根据所述配料完成分析信号生成第一指示信号,并将所述第一指示信号发送至所述炼钢装置;其中,所述第一指示信号用于向所述炼钢装置指示当前已完成对所述废钢信息的分析,同时指示所述炼钢装置根据所述分析数据进行炼钢。
本发明第二方面提供一种识别废钢料斗中配料检测方法,所述方法包括:数据中心根据废钢图像确定所述废钢料斗内废钢的废钢信息,并对所述废钢信息进行分析,同时根据分析数据向所述控制终端发送配料分析信号;摄像头基于所述图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;控制终端基于根据所述配料分析信号生成第一指示信号,并将所述第一指示信号发送至炼钢装置。
相较于现有技术,本发明第一方面提供的智能识别废钢料斗中配料检测系统,通过炼钢装置根据需制备的钢类型生成预设配料信息,同时,通过数据中心向摄像头发送图像采集信息,使得摄像头基于图像采集信号对废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至数据中心,再通过数据中心对废钢图中的废钢配料信息进行识别和分析,并将识别和分析数据通过配料分析信号发送至控制终端,进行控制终端基于配料分析信号向炼钢装置指示当前已完成对废钢信息的分析,同时炼钢装置也可在进行炼钢时根据分析数据的预测值加入对应量的氧气、添加剂和还原剂。通过使用摄像头替代传统的依靠人工配料对废钢料斗内的废钢进行图像采集,可以根据所需的废钢配料信息准确的在废钢料斗中进行废钢配料,提高了废钢配料的效率,同时,通过炼钢装置根据配料分析信号加入对应量的氧气、添加剂和还原剂,提高冶金工艺中总体利用率和控制精度,降低了废钢炼钢的成本,并且能够避免人工配料的不准确性,同时,还可以有效避免因配料不准确带来的后期炼钢的质量参差不齐,且,也无法准确的加入还原剂、氧气量和添加剂,造成废钢炼钢的成本增加的问题。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,相同或对应的标号表示相同或对应的部分,其中:
图1为本发明实施例提供的一种智能识别废钢料斗中配料检测系统架构示意图;
图2为本发明实施例提供的一种识别废钢料斗中配料检测方法流程示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
需要注意的是,除非另有说明,本发明使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明实施例提供了一种智能识别废钢料斗中配料检测系统,图1为本发明实施例中智能识别废钢料斗中配料检测系统的架构示意图,参见图1所示,所述系统可以包括:炼钢装置101、摄像头102、控制终端103和数据中心104。
具体的,炼钢装置用于生成预设配料信息,并将配料完成的所述预设配料信息发送至数据中心,其中,本实施例中的炼钢装置为智慧炼钢系统或一键炼钢系统。
数据中心用于在接收到所述预设配料信息后,向所述摄像头发送图像采集信号,并根据废钢图像实时识别所述废钢的废钢信息,同时根据所述废钢信息生成所述废钢料斗内的配料信息对所述废钢信息进行分析,在得到分析数据时,向所述控制终端发送配料分析信号,其中,所述配料分析信号用于预测所述炼钢装置在进行炼钢时所用的氧气量和添加剂的量。
摄像头用于根据所述图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心。
控制终端用于根据所述配料分析信号生成第一指示信号,并将所述第一指示信号发送至所述炼钢装置;其中,所述第一指示信号用于向所述炼钢装置指示当前已完成对所述废钢信息的分析,同时指示所述炼钢装置根据所述分析数据进行炼钢。也就是说,当需要制备钢时,工作人员将需要制备钢的信息输入至炼钢装置,炼钢装置根据钢的信息生成预设配料信息,并将配料的预设配料信息发送至数据中心。
数据中心在接收到预设配料信息后,就能够获取所需废钢的配比,具体为废钢料型占比,并生成对应的图像采集信号,并将图像采集信号发送至摄像头,同时,数据中心还会接收摄像头采集的废钢图像,并对废钢信息进行识别,其中,废钢信息包括废钢类型、废钢重量和废钢成分,并在完成识别时,对识别到的废钢信息进行分析,并在得到分析数据时,根据分析数据生成对应的配料分析信号,其中,所述配料分析信息配料分析信号用于预测所述炼钢装置在进行炼钢时所用的还原剂的量、氧气量和添加剂的量,并将配料分析信号发送至控制终端。具体的,本实施例中,数据中心通过人工智能AI对废钢图像进行识别,并在识别废钢成分时,具体识别包括但不限于废钢中橡胶、油的成分组成,并得到实际废钢中含有的橡胶和油的含量,在识别废钢重量时,根据废钢的大小、厚度计算废钢重量,在识别废钢类型时,识别废钢表面锈蚀情况,并废钢废钢表面锈蚀进行快速定量检测,同时对废钢类型进行精细分类,并根据得到废钢类型和废钢重量得到废钢料型占比,在得到废钢组成、废钢重量和废钢大小时,数据中心将同时将废钢组成、废钢重量和废钢大小的信息分别输入至动态和静态控制模型,根据动态和静态控制模型的计算结果,得到分析数据,以预测炼钢装置在进行炼钢时所用的氧气、添加剂和还原剂的量,并根据分析数据生成对应的配料分析信号。
摄像头在接收到图像采集信号之后,根据图像采集信号对废钢料斗内的废钢进行图像采集,并将采集的图像发送至数据中心。
控制终端接收到配料分析信号后,由于控制终端是提供给工作人员进行使用的,因此,控制终端需要基于配料分析信号生成第一指示信号,并将第一指示信号发送至炼钢装置,控制炼钢装置在利用废钢料斗内的废钢进行制备钢时,利用分析数据炼钢装置中加入预测量的氧气、添加剂和还原剂。
在实际应用中,炼钢装置设置一般设置在厂房中,数据中心一般设置于机房中,控制终端一般设置在后台,摄像头设置在废钢配料现场。
由上述内容可知,本发明实施例提供的智能识别废钢料斗中配料检测系统,通过炼钢装置根据需制备的钢类型生成预设配料信息,同时,通过数据中心向摄像头发送图像采集信息,使得摄像头基于图像采集信号对废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至数据中心,再通过数据中心对废钢图中的废钢配料信息进行识别和分析,并将识别和分析的结果数据通过配料分析信号发送至控制终端,进行控制终端基于配料分析信号向炼钢装置指示当前已完成配料对废钢信息的分析,同时炼钢装置也可在进行炼钢时根据配料分析信号分析数据的预测值加入对应量的氧气和、添加剂和还原剂。通过使用摄像头替代传统的依靠人工配料对废钢料斗内的废钢进行图像采集,可以根据所需的废钢配料信息准确的在废钢料斗中进行废钢配料,提高了废钢配料的效率,同时,通过炼钢装置根据配料分析信号加入对应量的氧气、添加剂和还原剂,降低了废钢炼钢的成本,并且能够避免人工配料的不准确性,同时,还可以有效避免因配料不准确带来的后期炼钢的质量参差不齐,且,也无法准确的加入还原剂、氧气量和添加剂,造成废钢炼钢的成本增加的问题。
进一步的,作为图1所示的系统的细化和扩展,当需要开始废钢配料时,还需告知监控大厅当前已经开始进行废钢配料。这样就可以在监控大厅上实时监控配料进程和配料信息,进而可以有效的提高废钢配料的效率,同时确保配料的准确性。
具体的,监控大厅用于接收配料信息信号,并显示所述配料信息,其中,本实施例中所述配料信息中包括废钢信息、废钢料型配比和分析数据。
数据中心,具体还用于在接收到所述废钢图像后,根据得到的废钢信息、废钢料型占比和分析数据生成配料信息信号,将所述配料信息信号发送至所述监控大厅,监控大厅将接收到的废钢图像和配料信息向工作人员进行展示。这样,可以使工作人员实时的掌握配料进行和配料信息,确保配料的准确性。
也就是说,在数据中心向摄像头发送图像采集信号后,摄像头就开始对废钢料斗进行图像采集,并将采集的废钢图像发送至数据中心,数据中心将接收的废钢图像和根据废钢图像分析的配料信息发送给监控大厅,并在监控大厅进行显示,以告知工作人员开始进行配料工作。
由上述内容可知,通过监控大厅接收配料信息信号,并将配料信息信号中的内容进行显示,可以使工作人员实时的了解配料进程,同时,通过监视大厅实时显示配料信息,可以进一步确保配料的准确性。
进一步的,作为图1所示系统的细化和扩展,由于废钢料斗在配料场内的位置会存在变化,摄像头在固定拍摄角度的图像可能会存在无法准确废钢图像中废钢信息的情况,因此,为了避免废钢图像信息识别不准确的情况,通过指定摄像头与废钢料斗之间的俯角,从而使数据中心更准确的识别废钢图像信息。
具体的,图像采集信号中包括有摄像头拍摄的角度;
摄像头,具体用于在所述废钢料斗上方位置,并在所述位置对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;
数据中心,具体还用于对所述废钢图像中的拍摄角度进行识别,并当识别所述废钢图像拍摄的角度时,根据所述废钢图像拍摄的角度,生成角度信息信号,将所述角度信息信号发送至摄像头,所述角度信息信号用于指示所述摄像头是否改变当前拍摄角度,并当所述角度信息信号指示改变当前拍摄角度时,控制所述摄像头改变至指定拍摄角度。
也就是说,在摄像头接收到图像采集信号后,首先对废钢料斗进行拍摄第一张废钢图像,并将第一张废钢图像发送至数据中心,数据中心对第一张废钢图像的拍摄角度进行识别,判断摄像头拍摄的角度是否符合图像采集信号中图像拍摄的角度,并在第一张废钢图像拍摄的角度不符合图像采集信号中图像拍摄的角度时,数据中心生成角度信息信号,控制摄像头改变拍摄角度,在第一张废钢图像拍摄的角度符合图像采集信号中图像拍摄的角度时,则控制摄像头采集废钢料斗中的废钢图像。
由上述内容可知,通过数据中心向摄像头发送图像采集信号,其中,采集信号包括有摄像头拍摄的角度,数据中心根据摄像头拍摄的第一张废钢图像,并通过分析第一张废钢图像的摄像头的拍摄角度,判断摄像头拍摄的角度上是否符合图像采集信号中的角度,并在第一张废钢铁图像摄像头拍摄的角度不符合图像采集信号中的角度时,控制摄像头改变拍摄角度至指定拍摄角度,通过改变摄像头拍摄角度,可以有效的提高数据中心对废钢图像中废钢类型识别的准确率。
进一步的,作为图1所示系统的细化和扩展,由于废钢配料场地内灰尘较大,摄像头长期在此环境下工作,就会出现摄像头的镜头上积尘,造成拍摄的废钢图像存在图像模糊的情况。为了可以准确判断摄像头的镜头积尘情况,数据中心向摄像头发送的图像采集信号中还包括有标识点位置,数据中心通过分析摄像头图像中标识点位置和预设标识点位置的变化量,判断摄像头上的积尘情况。
具体的,图像采集信号中还包括标识点位置;
数据中心,具体还用于对标识点在所述废钢图像中的位置进行识别,并当识别出所述标识点在所述废钢图像中的位置时,根据所述标识点在所述废钢图像中的位置,生成图像预处理信号,所述图像预处理信号用于指示是否对所述废钢图像进行预处理,并当所述图像预处理信号指示所述数据中心需要对所述废钢图像进行预处理时,控制所述数据中心对所述废钢图像进行预处理。
也就是说,当数据中心在接收到摄像头拍摄的废钢图像,并对废钢图像进行分析时,对标识点在废钢图像中的位置进行识别,并将识别出的废钢图像中标识点位置,与预存的标识点位置进行比对,同时,计算标识点位置变化量,根据标识点位置变化量生成对应的图像预处理信号,其中,图像预处理信号用于指示数据中心是否对接收的废钢图像进行预处理,并在标识点位置变化量大于第一预设阈值时,生成的图像预处理信号指示数据中心对接收到的废钢图像进行预处理。
具体的,本发明实施例中,当数据中心计算的标识点位置变化量大于第二预设阈值时,数据中心则生成维护指示信号,维护指示信号用于指示需对摄像头进行维护,数据中心将生成的维护指示信号发送至监控大厅,监控大厅将维护指示信号中的维护信息进行显示,以提醒工作人员及时维护摄像头的镜头。
具体的,本实施例中的标识点为预先设置在废钢料斗上,标识点不会影响对废钢图像的中废钢类型的识别,同时,本实施例中优选的为通过数据中心计算标识点在废钢图像中的坐标,识别废钢图像中标识点的位置,并根据标准标识点的坐标计算标识点位置变化量。
由上述内容可知,通过设置标识点信息,数据中心通过识别接收到的废钢图像中的标识点信息,可以准确生成图像预处理信号,并图像预处理信号判断是否对接收到的废钢图像进行预处理,进而保证了图像识别的准确率,同时,进一步的保证了废钢配料的准确性。
具体的,本实施例中的图像预处理为,将废钢图像输入至数据中心内预存的图像预处理模型中,对废钢图像进行包括但不限于降噪和暗处提亮等处理。
进一步的,作为本发明图1所示系统的细化和扩展,由于炼钢进程是二十四小时连续进行的,存在摄像头拍摄废钢图像时,摄像头所在环境的环境亮度不足的情况,为了避免摄像头所在环境的环境亮度不足的情况,当数据中心对接收的废钢图像进行识别时,当识别出废钢图像中亮度不足时,数据中心生成照明指示信号,并将照明指示信号发送至照明装置,控制照明装置进行补光,以增加摄像头所在环境的环境亮度。
具体的,照明装置用于接收所述数据中心发送的照明指示信号,并根据所述照明指示信号对所述废钢料斗进行照明;
数据中心,具体还用于对所述废钢图像的亮度进行识别,并当识别出所述废钢图像的亮度时,根据所述废钢图像的亮度,生成所述照明指示信号,并发送至所述照明装置,所述照明指示信号用于指示是否对所述废钢料斗进行照明,并当所述照明指示信号指示所述照明装置对所述废钢料斗进行照明时,控制所述照明装置对所述废钢料斗进行照明。
也就是说,当数据中心接收到摄像头发送的废钢图像后,数据中心对废钢图像的亮度进行识别,以判断当前废钢图像的亮度是否可以准确废钢图像中的废钢信息,并根据判断结果生成照明指示信号,其中,照明指示用于指示照明装置是否进行照明,在数据中心生成照明指示信号后,将照明指示信号分别发送至照明装置和监控大厅,同时,在照明指示信号指示需进行照明时,控制照明装置对摄像头所在的环境进行照明,以增加摄像头所在环境的环境亮度,从而保证了数据中心识别废钢图像的准确率,进一步的保证了废钢配料的准确率。
具体的,本发明实施例的照明指示信号中还可以包括有亮度信息,当照明指示信号指示需要进行照明时,数据中心分析可清晰识别废钢图像中废钢类型所需的亮度,并根据所需的亮度,指示照明装置的亮度,从而可以智能的选择照明装置的工作状态,进而,可以在保证废钢配料准确性的同时,还可以节约成本。
具体的,本发明实施例中的照明装置为LED灯,也可为其他灯,本发明对灯的类型不进行限定,只需能够进行提高摄像头所在环境的环境亮度即可。
进一步的,作为图1所示实施例的细化和扩展,由于在进行废钢配料时,废钢是由天车、抓钢机或其他设备填入至废钢料斗的,如果摄像头只进行一次拍摄,那么摄像头拍摄的图像并不能完全反应废钢配料过程,数据中心也无法识别在废钢料斗中的所有废钢类型。为了使的摄像头采集的废钢图像能够完整的展现废钢料斗中所有的废钢种类,需要摄像头对废钢料斗进行多次拍摄。
具体的,摄像头具体用于基于所述图像采集信号在不同时刻对所述废钢料斗内的废钢进行图像采集,并将采集的图像发送至所述数据中心。
也就是说,摄像头在废钢料斗上方的位置,天车每次向废钢料斗中加入一次废钢,摄像头就对废钢料斗进行一次图像采集,并将采集的所有废钢图像都发送给数据中心。
进一步的,作为图1所示实施例的细化和扩展,由于炼钢装置在进行炼钢之前,需要进行准备工作,在进行废钢配料时,通过数据中心向控制发送图像采集信号,可以使控制终端向炼钢装置发送第二指示信号,以使炼钢装置可以进行准备工作,在配料完成时,数据中心根据废钢图像中识别的废钢信息,对废钢信息进行分析,将分析的数据发送至炼钢装置,炼钢装置根据数据中心分析的数据,可以准确的控制炼钢过程,同时,可迅速的进行利用配料完成的废钢进行炼钢。
具体的,数据中心还用于向所述控制终端发送所述图像采集信号。
控制终端还用于基于所述图像采集信号生成第二指示信号,所述第二指示信号用于向所述炼钢装置指示当前已开始配料。
也就是说,在数据中心接收到炼钢装置发送的预设配比信息后,数据中心同时向摄像头和控制终端发送图像采集信号,控制终端在接收到图像采集信号后,生成第二指示信号,第二指示信号用于向炼钢装置指示当前已开始配料,同时,控制终端控制炼钢装置进行炼钢前的准备工作,进而可以有效的节约炼钢时间,并进一步的提高了炼钢效率。
最后需要说明的是,本发明实施例提供的智能识别废钢料斗中配料检测系统中的摄像头、控制终端、炼钢装置和数据中心之间,可以通过第五代移动通信技术(5thGeneration Mobile Communication Technology,5G)实现通信,大幅提升摄像头、控制终端、炼钢装置和数据中心之间的通信速度,提高智能配料废钢验质效率和准确率。当然,摄像头、控制终端、炼钢装置和数据中心之间还可以采用其它移动通信技术,此处不做限定。
基于同一发明构思,本发明实施例还提供了一种识别废钢料斗中配料检测方法。该方法应用于上述实施例中的智能识别废钢料斗中配料检测系统。具体步骤如2所示,所述方法包括:
步骤S101,数据中心根据废钢图像确定所述废钢料斗内废钢的废钢信息,并对所述废钢信息进行分析,同时根据分析数据向所述控制终端发送配料分析信号;
步骤S102,摄像头基于所述图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;
步骤S103,控制终端基于根据所述配料分析信号生成第一指示信号,并将所述第一指示信号发送至炼钢装置。
在本发明其它实施例中,所述方法还包括:
所述监控大厅用于接收配料信息信号,并显示所述配料信息。
所述数据中心,具体还用于在得到分析数据后,根据得到的废钢信息、废钢料型占比和分析数据生成配料信息信号,将所述配料信息信号发送至所述监控大厅。
在本发明的其他实施例中,数据中心向摄像头发送图像采集信号,并根据废钢图像确定所述废钢料斗内的配料信息,并向所述控制终端发送配料完成信号,包括:
所述图像采集信号中包括有摄像头拍摄的角度;
所述摄像头,具体用于在所述废钢料斗上方位置,并在所述位置对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;
所述数据中心,具体还用于对所述废钢图像中的拍摄角度进行识别,并当识别所述废钢图像拍摄的角度时,根据所述废钢图像拍摄的角度,生成角度信息信号,将所述角度信息信号发送至摄像头,所述角度信息信号用于指示所述摄像头是否改变当前拍摄角度,并当所述角度信息信号指示改变当前拍摄角度时,控制所述摄像头改变至指定拍摄角度。
在本发明的其他实施例中,数据中心向摄像头发送图像采集信号,并根据废钢图像确定所述废钢料斗内的配料信息,并向所述控制终端发送配料完成信号,包括:
所述图像采集信号中还包括标识点位置;
所述数据中心,具体还用于对标识点在所述废钢图像中的位置进行识别,并当识别出所述标识点在所述废钢图像中的位置时,根据所述标识点在所述废钢图像中的位置,生成图像预处理信号,所述图像预处理信号用于指示是否对所述废钢图像进行预处理,并当所述图像预处理信号指示所述数据中心需要对所述废钢图像进行预处理时,控制所述数据中心对所述废钢图像进行预处理。
在本发明的其他实施例中,所述方法还包括:
所述照明装置用于接收所述数据中心发送的照明指示信号,并根据所述照明指示信号对所述废钢料斗进行照明;
所述数据中心,具体还用于对所述废钢图像的亮度进行识别,并当识别出所述废钢图像的亮度时,根据所述废钢图像的亮度,生成所述照明指示信号,并发送至所述照明装置,所述照明指示信号用于指示是否对所述废钢料斗进行照明,并当所述照明指示信号指示所述照明装置对所述废钢料斗进行照明时,控制所述照明装置对所述废钢料斗进行照明。
在本发明的其他实施例中,摄像头基于所述图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心,包括:
所述摄像头,具体用于基于所述图像采集信号在不同时刻对所述废钢料斗内的废钢进行图像采集,并将采集的图像发送至所述数据中心。
在本发明的其他实施例中,所述方法还包括:
所述数据中心,还用于向所述控制终端发送所述图像采集信号;
所述控制终端,还用于基于所述图像采集信号生成第二指示信号,所述第二指示信号用于向所述炼钢装置指示当前已开始配料。
这里需要指出的是,以上方法实施例的描述,与上述系统实施例的描述是类似的,具有同系统实施例相似的有益效果。对于本发明方法实施例中未披露的技术细节,请参照本发明系统实施例的描述而理解。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种智能识别废钢料斗中配料检测系统,其特征在于,所述系统包括:炼钢装置、摄像头、控制终端和数据中心;
所述炼钢装置,用于生成预设配料信息,并将生成的所述预设配料信息发送至数据中心;
所述数据中心,用于在接收到所述预设配料信息后,向所述摄像头发送图像采集信号,并根据废钢图像实时识别所述废钢的废钢信息以得到废钢料型占比,同时对所述废钢信息进行分析,在得到分析数据时,向所述控制终端发送配料分析信号,其中,所述配料分析信号用于预测所述炼钢装置在进行炼钢时所用的还原剂的量、氧气量和添加剂的量,所述图像采集信号中还包括标识点位置,所述数据中心通过分析废钢图像中标识点位置和预设标识点位置的变化量,判断摄像头上的积尘情况,具体的,当数据中心在接收到摄像头拍摄的废钢图像,并对废钢图像进行分析时,对标识点在废钢图像中的位置进行识别,并将识别出的废钢图像中标识点位置,与预设标识点位置进行比对,计算标识点位置变化量,根据标识点位置变化量生成对应的图像预处理信号,所述图像预处理信号用于指示数据中心是否对接收的废钢图像进行预处理,并在标识点位置变化量大于第一预设阈值时,生成的图像预处理信号指示数据中心对接收到的废钢图像进行预处理;
所述摄像头,用于根据数据中心发送的所述图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;
所述控制终端,用于根据所述配料分析信号生成第一指示信号,并将所述第一指示信号发送至所述炼钢装置;其中,所述第一指示信号用于向所述炼钢装置指示当前已完成对所述废钢信息的分析,同时指示所述炼钢装置根据所述分析数据进行炼钢。
2.根据权利要求1所述的系统,其特征在于,所述系统还包括监控大厅,所述监控大厅用于接收配料信息信号,并显示所述配料信息,其中,所述配料信息包括所述废钢信息、废钢料型占比和分析数据;
所述数据中心,具体还用于在得到分析数据后,根据得到的废钢信息、废钢料型占比和分析数据生成配料信息信号,将所述配料信息信号发送至所述监控大厅。
3.根据权利要求1所述的系统,其特征在于,所述图像采集信号中包括有摄像头拍摄的角度;
所述摄像头,具体用于在所述废钢料斗上方位置,并在所述位置对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心;
所述数据中心,具体还用于对所述废钢图像中的拍摄角度进行识别,并当识别所述废钢图像拍摄的角度时,根据所述废钢图像拍摄的角度,生成角度信息信号,将所述角度信息信号发送至摄像头,所述角度信息信号用于指示所述摄像头是否改变当前拍摄角度,并当所述角度信息信号指示改变当前拍摄角度时,控制所述摄像头改变至指定拍摄角度。
4.根据权利要求3所述的系统,其特征在于,所述图像采集信号中还包括标识点位置;
所述数据中心,具体还用于对标识点在所述废钢图像中的位置进行识别,并当识别出所述标识点在所述废钢图像中的位置时,根据所述标识点在所述废钢图像中的位置,生成图像预处理信号,所述图像预处理信号用于指示是否对所述废钢图像进行预处理,并当所述图像预处理信号指示所述数据中心需要对所述废钢图像进行预处理时,所述数据中心对所述废钢图像进行预处理。
5.根据权利要求1所述的系统,其特征在于,所述系统还包括照明装置,所述照明装置用于接收所述数据中心发送的照明指示信号,并根据所述照明指示信号对所述废钢料斗进行照明;
所述数据中心,具体还用于对所述废钢图像的亮度进行识别,并当识别出所述废钢图像的亮度时,根据所述废钢图像的亮度,生成所述照明指示信号,并发送至所述照明装置,所述照明指示信号用于指示是否对所述废钢料斗进行照明,并当所述照明指示信号指示所述照明装置对所述废钢料斗进行照明时,控制所述照明装置对所述废钢料斗进行照明。
6.根据权利要求1所述的系统,其特征在于,所述摄像头,具体用于基于所述图像采集信号在不同时刻对所述废钢料斗内的废钢进行图像采集,并将采集的图像发送至所述数据中心。
7.根据权利要求1所述的系统,其特征在于,所述数据中心,还用于向所述控制终端发送所述图像采集信号;
所述控制终端,还用于基于所述图像采集信号生成第二指示信号,所述第二指示信号用于向所述炼钢装置指示当前已开始配料。
8.一种识别废钢料斗中配料检测方法,其特征在于,所述方法应用于权利要求1至7中任一项所述的系统,所述方法包括:
数据中心根据废钢图像确定所述废钢料斗内废钢的废钢信息,并对所述废钢信息进行分析,同时根据分析数据向所述控制终端发送配料分析信号;
摄像头基于图像采集信号对所述废钢料斗内的废钢进行图像采集,并将采集的废钢图像发送至所述数据中心,所述图像采集信号中还包括标识点位置,所述数据中心通过分析废钢图像中标识点位置和预设标识点位置的变化量,判断摄像头上的积尘情况,具体的,当数据中心在接收到摄像头拍摄的废钢图像,并对废钢图像进行分析时,对标识点在废钢图像中的位置进行识别,并将识别出的废钢图像中标识点位置,与预设标识点位置进行比对,计算标识点位置变化量,根据标识点位置变化量生成对应的图像预处理信号,所述图像预处理信号用于指示数据中心是否对接收的废钢图像进行预处理,并在标识点位置变化量大于第一预设阈值时,生成的图像预处理信号指示数据中心对接收到的废钢图像进行预处理;
控制终端基于根据所述配料分析信号生成第一指示信号,并将所述第一指示信号发送至炼钢装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210645717.6A CN115125363B (zh) | 2022-06-09 | 2022-06-09 | 一种智能识别废钢料斗中配料检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210645717.6A CN115125363B (zh) | 2022-06-09 | 2022-06-09 | 一种智能识别废钢料斗中配料检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115125363A CN115125363A (zh) | 2022-09-30 |
CN115125363B true CN115125363B (zh) | 2023-10-20 |
Family
ID=83377345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210645717.6A Active CN115125363B (zh) | 2022-06-09 | 2022-06-09 | 一种智能识别废钢料斗中配料检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115125363B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116459731B (zh) * | 2023-04-20 | 2024-01-09 | 深圳市正泰隆科技有限公司 | 一种铝合金自动配料数据处理方法及系统 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101845531A (zh) * | 2010-05-07 | 2010-09-29 | 北京首钢自动化信息技术有限公司 | 一种转炉冶炼终点钢水碳、温度控制系统及其方法 |
KR20110065168A (ko) * | 2009-12-09 | 2011-06-15 | 주식회사 포스코 | 전로취련동작 제어방법 |
CN103642972A (zh) * | 2013-12-16 | 2014-03-19 | 新余钢铁集团有限公司 | 转炉出钢温度智能优化控制系统 |
CN104252149A (zh) * | 2014-08-18 | 2014-12-31 | 南京钢铁股份有限公司 | 一种废钢自动配料的控制方法 |
CN104630410A (zh) * | 2015-02-10 | 2015-05-20 | 东北大学 | 一种基于数据解析的转炉炼钢质量实时动态预测方法 |
JP2016091501A (ja) * | 2014-11-11 | 2016-05-23 | 三菱電機株式会社 | 素品判別システム、素品判別装置、素品判別方法およびプログラム |
CN106987675A (zh) * | 2017-03-29 | 2017-07-28 | 湖南镭目科技有限公司 | 一种转炉出钢过程的控制系统及控制方法 |
CN107315361A (zh) * | 2017-06-22 | 2017-11-03 | 唐山钢铁集团有限责任公司 | 一种对转炉废钢进行自动采集配比的装置和方法 |
CN206877069U (zh) * | 2017-06-22 | 2018-01-12 | 唐山钢铁集团有限责任公司 | 一种对转炉废钢进行自动采集配比的装置 |
CN108018393A (zh) * | 2016-11-01 | 2018-05-11 | 北京明诚技术开发有限公司 | 智能化自动炼钢系统及方法 |
CN108676955A (zh) * | 2018-05-02 | 2018-10-19 | 中南大学 | 一种转炉炼钢终点碳含量和温度控制方法 |
KR20190110179A (ko) * | 2018-03-20 | 2019-09-30 | 동국제강주식회사 | 스크랩 용해율 판단장치, 이를 구비한 전기로 제강 조업 장치, 스크랩 용해율 판단방법 및 이를 이용한 제강 조업 방법 |
CN110438284A (zh) * | 2019-08-26 | 2019-11-12 | 杭州谱诚泰迪实业有限公司 | 一种转炉智能出钢装置及控制方法 |
CN110472692A (zh) * | 2019-08-21 | 2019-11-19 | 天津拾起卖科技有限公司 | 一种便携手持设备用废钢铁种类自动识别装置 |
CN110885912A (zh) * | 2019-11-18 | 2020-03-17 | 中冶赛迪上海工程技术有限公司 | 基于数据分析的自动炼钢方法、系统 |
CN210213818U (zh) * | 2019-06-12 | 2020-03-31 | 河北矿冶建设工程集团有限公司 | 一种废钢连续送料装置 |
CN210312247U (zh) * | 2019-07-09 | 2020-04-14 | 杭州铁哥们环保科技有限公司 | 一种用于废钢回收的控制装置 |
CN111126636A (zh) * | 2019-12-31 | 2020-05-08 | 杭州铁哥们环保科技有限公司 | 智能回收废钢的方法 |
CN111647715A (zh) * | 2020-06-15 | 2020-09-11 | 沈阳科维润工程技术有限公司 | 一种废钢预热控制系统及控制方法 |
CN112575140A (zh) * | 2019-09-30 | 2021-03-30 | 上海梅山钢铁股份有限公司 | 一种转炉炉废钢称量控制方法 |
CN112801391A (zh) * | 2021-02-04 | 2021-05-14 | 科大智能物联技术有限公司 | 一种人工智能废钢扣杂评级方法及系统 |
CN113627830A (zh) * | 2021-09-08 | 2021-11-09 | 西安智者云集云计算有限公司 | 一种废钢的评级系统及方法 |
CN113699307A (zh) * | 2021-09-13 | 2021-11-26 | 中冶赛迪工程技术股份有限公司 | 一种连续加料电弧炉的智能加料控制方法 |
CN215481043U (zh) * | 2021-05-20 | 2022-01-11 | 山西晋南钢铁集团有限公司 | 一种实现铁水包加废钢的数据传输系统 |
CN215494666U (zh) * | 2021-03-03 | 2022-01-11 | 南京钢铁股份有限公司 | 一种废钢自动配料系统 |
CN114565877A (zh) * | 2022-03-01 | 2022-05-31 | 浙江大学嘉兴研究院 | 一种废钢智能判级装置 |
-
2022
- 2022-06-09 CN CN202210645717.6A patent/CN115125363B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110065168A (ko) * | 2009-12-09 | 2011-06-15 | 주식회사 포스코 | 전로취련동작 제어방법 |
CN101845531A (zh) * | 2010-05-07 | 2010-09-29 | 北京首钢自动化信息技术有限公司 | 一种转炉冶炼终点钢水碳、温度控制系统及其方法 |
CN103642972A (zh) * | 2013-12-16 | 2014-03-19 | 新余钢铁集团有限公司 | 转炉出钢温度智能优化控制系统 |
CN104252149A (zh) * | 2014-08-18 | 2014-12-31 | 南京钢铁股份有限公司 | 一种废钢自动配料的控制方法 |
JP2016091501A (ja) * | 2014-11-11 | 2016-05-23 | 三菱電機株式会社 | 素品判別システム、素品判別装置、素品判別方法およびプログラム |
CN104630410A (zh) * | 2015-02-10 | 2015-05-20 | 东北大学 | 一种基于数据解析的转炉炼钢质量实时动态预测方法 |
CN108018393A (zh) * | 2016-11-01 | 2018-05-11 | 北京明诚技术开发有限公司 | 智能化自动炼钢系统及方法 |
CN106987675A (zh) * | 2017-03-29 | 2017-07-28 | 湖南镭目科技有限公司 | 一种转炉出钢过程的控制系统及控制方法 |
CN107315361A (zh) * | 2017-06-22 | 2017-11-03 | 唐山钢铁集团有限责任公司 | 一种对转炉废钢进行自动采集配比的装置和方法 |
CN206877069U (zh) * | 2017-06-22 | 2018-01-12 | 唐山钢铁集团有限责任公司 | 一种对转炉废钢进行自动采集配比的装置 |
KR20190110179A (ko) * | 2018-03-20 | 2019-09-30 | 동국제강주식회사 | 스크랩 용해율 판단장치, 이를 구비한 전기로 제강 조업 장치, 스크랩 용해율 판단방법 및 이를 이용한 제강 조업 방법 |
CN108676955A (zh) * | 2018-05-02 | 2018-10-19 | 中南大学 | 一种转炉炼钢终点碳含量和温度控制方法 |
CN210213818U (zh) * | 2019-06-12 | 2020-03-31 | 河北矿冶建设工程集团有限公司 | 一种废钢连续送料装置 |
CN210312247U (zh) * | 2019-07-09 | 2020-04-14 | 杭州铁哥们环保科技有限公司 | 一种用于废钢回收的控制装置 |
CN110472692A (zh) * | 2019-08-21 | 2019-11-19 | 天津拾起卖科技有限公司 | 一种便携手持设备用废钢铁种类自动识别装置 |
CN110438284A (zh) * | 2019-08-26 | 2019-11-12 | 杭州谱诚泰迪实业有限公司 | 一种转炉智能出钢装置及控制方法 |
CN112575140A (zh) * | 2019-09-30 | 2021-03-30 | 上海梅山钢铁股份有限公司 | 一种转炉炉废钢称量控制方法 |
CN110885912A (zh) * | 2019-11-18 | 2020-03-17 | 中冶赛迪上海工程技术有限公司 | 基于数据分析的自动炼钢方法、系统 |
CN111126636A (zh) * | 2019-12-31 | 2020-05-08 | 杭州铁哥们环保科技有限公司 | 智能回收废钢的方法 |
CN111647715A (zh) * | 2020-06-15 | 2020-09-11 | 沈阳科维润工程技术有限公司 | 一种废钢预热控制系统及控制方法 |
CN112801391A (zh) * | 2021-02-04 | 2021-05-14 | 科大智能物联技术有限公司 | 一种人工智能废钢扣杂评级方法及系统 |
CN215494666U (zh) * | 2021-03-03 | 2022-01-11 | 南京钢铁股份有限公司 | 一种废钢自动配料系统 |
CN215481043U (zh) * | 2021-05-20 | 2022-01-11 | 山西晋南钢铁集团有限公司 | 一种实现铁水包加废钢的数据传输系统 |
CN113627830A (zh) * | 2021-09-08 | 2021-11-09 | 西安智者云集云计算有限公司 | 一种废钢的评级系统及方法 |
CN113699307A (zh) * | 2021-09-13 | 2021-11-26 | 中冶赛迪工程技术股份有限公司 | 一种连续加料电弧炉的智能加料控制方法 |
CN114565877A (zh) * | 2022-03-01 | 2022-05-31 | 浙江大学嘉兴研究院 | 一种废钢智能判级装置 |
Non-Patent Citations (2)
Title |
---|
废钢库智能调度管理系统在炼钢厂的应用;李公田;《电工技术》(第18期);129-131 * |
静态控制模型在转炉大废钢比冶炼中的应用;梁笑雨;《河南冶金》;第26卷(第2期);40-43 * |
Also Published As
Publication number | Publication date |
---|---|
CN115125363A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115125363B (zh) | 一种智能识别废钢料斗中配料检测系统及方法 | |
CN108881475B (zh) | 一种工业锅炉智能化采集系统及采集方法 | |
CN110885912B (zh) | 基于数据分析的自动炼钢方法、系统 | |
CN110445564B (zh) | 一种基于物联网的电力无线专网干扰监测系统 | |
CN114565561A (zh) | 基于深度学习的混凝土配方调整方法、装置及可读介质 | |
CN113909996A (zh) | 一种基于数字孪生的高端装备加工状态监测方法及系统 | |
CN115993366B (zh) | 基于传感设备的加工件表面检测方法及系统 | |
CN110716978A (zh) | 一种山区水库式水源地智能管理方法 | |
CN115879641B (zh) | 一种用于节能型球磨机的设备运行故障预测系统 | |
CN115510754A (zh) | 一种水泥混凝土性能预测和控制的方法及系统 | |
CN110134040B (zh) | 工业设备的运行数据的处理方法及系统 | |
CN114104755B (zh) | 高炉槽上料仓智能管理系统及方法 | |
CN115984252A (zh) | 一种基于视觉的矿质混合料成分实时检测方法 | |
CN209980078U (zh) | 一种污水处理设施远程智能监控终端 | |
CN115584375B (zh) | 一种基于图像识别的转炉自动出钢的方法及系统 | |
CN114433834B (zh) | 一种混砂造型浇注一体智能控制系统 | |
CN115630855A (zh) | 一种智能粗锡冶炼系统及方法 | |
CN110414606B (zh) | 输电线路通道可视化告警区域划分数量的确定方法 | |
CN114019866A (zh) | 全自动喷码排列充磁机的控制系统 | |
CN115439393A (zh) | 基于图像识别构建模型的铁水包内渣厚获取方法 | |
CN112060319B (zh) | 用于预测搅拌主机的易损件寿命情况的方法和装置 | |
CN113592760B (zh) | 一种基于火焰图像纹理特征的转炉终点碳含量预测方法 | |
CN118567306A (zh) | 一种水泥生产质量管控方法 | |
TWI857507B (zh) | 一種盛鋼桶異常使用預測之方法及系統 | |
CN113600503B (zh) | 一种基于工业物联网的稀土金属块自动检测和分拣控制系统及方法 |
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 |