CN117213265B - 一种烧结状态检测方法及系统 - Google Patents
一种烧结状态检测方法及系统 Download PDFInfo
- Publication number
- CN117213265B CN117213265B CN202311482819.1A CN202311482819A CN117213265B CN 117213265 B CN117213265 B CN 117213265B CN 202311482819 A CN202311482819 A CN 202311482819A CN 117213265 B CN117213265 B CN 117213265B
- Authority
- CN
- China
- Prior art keywords
- sintering
- state
- image
- layer
- value
- 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
- 238000005245 sintering Methods 0.000 title claims abstract description 243
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 26
- 239000011148 porous material Substances 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 17
- 244000249914 Hemigraphis reptans Species 0.000 claims description 13
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000010304 firing Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004141 dimensional analysis Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明公开了一种烧结状态检测方法及系统，涉及烧炉控制领域。包括对烧结机台车进行动态划分得到多个节点；根据各节点的气体的浓度确定烧结终点预估位置；计算红火层的纹理特征值，进一步计算红火层状态指标值；利用气孔层区域图像的HSV数据和面积计算气孔层状态指标值；构建烧结状态分析模型得到烧结状态判定值用以确定烧结状态，对烧结终点预估位置进行调整更新。本发明基于不同烧结状态对烧结终点预估位置进行调整，可以使烧结过程中的烧结终点预估位置适宜且稳定，避免因烧结终点预估位置偏差过大造成的烧结过程烧结不足、烧结过度等状态。
Description
技术领域
本申请涉及烧炉控制技术领域，具体涉及一种烧结状态检测方法及系统。
背景技术
烧结工序是冶金生产中为高炉准备原料的重要环节，烧结而成的烧结矿质量将直接影响到产量、质量及能耗。而烧结点即是烧结结束时的位置，如果烧结点比希望位置提前，会造成烧结不足，须重新进行烧结；如果比希望位置滞后，则造成过度烧结，可能会导致烧结矿作废。因此，对烧结终点预估位置的合理选取显得尤为重要。
对于烧结终点的分析判定，目前一般通过位于烧结机下方的风箱来表述的，通过将满足条件的风箱位置作为最终的烧结终点，但是烧结机烟道、风箱都存在漏风现象，尤其在机尾漏风非常严重，这使得烟气检测结果出现误差，进而导致烧结终点判定结果不够准确，并且在实际情况下，相邻风箱位置相差有很大距离，若终点落在两相邻风箱位置之间，会导致所检测的终点位置出现较大误差，且没有考虑烧结机尾矿物的烧结状态，无法直观检测烧结终点的准确性，不能够对烧结终点进行动态调节。
为了能够检测烧结结点的准确性，中国专利CN112255364A公开了一种实时定量判定烧结终点状态的软测量方法，主要的技术内容是将采集到的烧结的图像进行划分，然后将划分后的图像输入到神经网络中获得烧结节点，此种方法虽然能够对烧结终点进行准确的检测，但是在训练神将网络的过程中需要大量的训练集来对神经网络进行训练，在获取训练集的过程中需要大量的数据，耗费的时间和财力过大。
发明内容
针对上述技术问题，本发明提供了一种烧结状态检测方法及系统：
第一方面，本文发明实施例提出了一种烧结状态检测方法，包括：
获取烧结终点预估位置；
获取烧结预估终点经过去噪处理后的烧结物断面图像，并进行去噪处理得到去噪图像；
利用双阈值法对去噪图像进行阈值分割，对阈值分割后的图像进行剪切分别得到红火层区域图像和气孔层区域图像；
根据红火层区域图像中各像素点的像素值以及各像素值的频数计算红火层的亮度分析值，然后利用红火层的亮度分析值获取红火层的纹理特征值；
利用红火层的亮度分析值、纹理特征值和红火层所占去噪图像的面积计算红火层状态指标值；
将气孔层区域图像转化为HSV图像，利用气孔层区域图像HSV图像中每个像素点的H、S、V值和气孔层区域图像所占去噪图像的面积计算气孔层状态指标值；
利用得到的红火层状态指标值和气孔层状态指标值构建烧结状态分析模型，得到烧结状态判定值；
利用烧结状态判定值对烧结终点预估位置的烧结状态进行判断，当判断该烧结终点预估位置的烧结状态为不均匀状态时，根据该烧结终点预估位置的烧结状态判定值对烧结终点预估位置进行调整更新，获得最终的烧结终点位置。
利用双阈值法对去噪图像进行双阈值分割，分别获得红火层区域图像和气孔层区域图像的方法为：
利用迭代法确定出红火层的分割阈值和气孔层的分割阈值/>；
根据得到的两个分割阈值对烧结物断面图像进行分割，像素点的像素值属于两个阈值之间的为红火层区域图像，像素点的像素值小于气孔层的分割阈值的为气孔层区域图像，得到包含红火层区域图像和气孔层区域图像的烧结物断面分割图像；
利用图像剪切的方法分别对红火层区域图像和气孔层区域图像进行剪切，得到红火层区域图像和气孔层区域图像。
利用得到的红火层状态指标值和气孔层状态指标值构建烧结状态分析模型，得到烧结状态判定值的方法为：
烧结状态分析模型如下：
其中：为烧结状态的判定值，/>代表不同的权重值，/>，/>为模型参数，/>为红火层状态指标值，/>为气孔层状态指标值。
红火层状态指标值的计算过程如下：
红火层状态指标值的计算公式为：
其中，为红火层状态指标值，/>为所选时段的终端时刻对应的红火层区域图像的面积，/>为所选时段初始时刻对应的红火层区域图像的面积，/>为检测时所选时段的时长，为模型参数，/>为红火层的纹理特征值，/>为红火层的亮度分析值。
利用红火层的亮度分析值获取红火层的纹理特征值的方法为：
式中：为红火层的纹理特征值，/>为红火层的亮度分析值，/>为红火层中的灰度值范围，/>为灰度值为/>的像素点数量，/>为红火层区域图像的像素点数量；
其中，红火层的亮度分析值的计算方法为：分别计算红火层区域图像各灰度值的频数与红火层区域图像素点数量的比值，将比值与该灰度值相乘，对各灰度值计算得到的乘积进行求和得到红火层的亮度分析值。
气孔层状态指标值的计算过程如下：
将气孔层区域图像转化为HSV图像数据，获取气孔层区域图像中的连通域数量，根据气孔层区域图像凸显中各连通域的H、S、V数据计算气孔层状态指标值，具体计算公式如下：
式中：为气孔层状态指标值，/>为气孔层区域图像的面积，/>为烧结物断面分割图像的面积，/>为气孔层区域图像中的连通域数量，/>为气孔层区域图像中连通域的序号，为第/>个气孔连通域中第/>个像素点的亮度值，/>第/>个气孔连通域内第/>个像素点的饱和度值，/>为第/>个气孔连通域中第/>个像素点，/>、/>为权值参数。
获得最终的烧结终点位置的方法如下：
根据烧结状态判定值对烧结终点预估位置的烧结状态进行判断，判断过程为：当烧结状态判定值属于[]时，则认为烧结状态为均匀完全烧制；当烧结状态判定值小于/>时，则认为烧结状态为烧结不足；当烧结状态判定值大于/>时，则认为烧结状态为烧结过度；
根据终点位置调整更新函数对烧结终点位置进行调整获取最终的烧结终点位置，终点位置调整更新函数如下：
其中，为更新后的烧结终点预估位置，/>为更新前的烧结终点预估位置，/>为烧结状态均匀时的低阈值，/>为烧结状态均匀时的高阈值，/>为烧结状态的判定值。
第二方面，本发明实施例提出了一种烧结状态检测系统，其特征在于，包括：烧结终点位置检测模块、烧结状态分析模块和烧结终点位置更新模块，所述烧结终点位置检测模块、烧结状态分析模块和烧结终点位置更新模块，以实现本发明实施例中一种烧结状态检测方法。
相比于现有技术，本发明实施例的有益效果在于：
（1）本发明通过与/>的比值以及节点位置信息识别烧结矿终点位置，并结合烧结物断面图像特征数据构建烧结状态分析模型，确定烧结状态，基于不同烧结状态对烧结终点预估位置进行调整，可以使烧结过程中的烧结终点预估位置适宜且稳定，避免了采用神经网络来得到烧结终点的预估位置，节省了为训练集所采集的数据耗费的时间和费用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例1提供的一种烧结状态检测方法的流程示意图。
图2是本发明实施例提供的烧结机台车烧结场景图。
图3是本发明实施例提供的烧结机节点划分分布图。
图4是本发明实施例提供的气孔层区域图像示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例提供了一种烧结状态检测方法，如图1所示，包括：
S101、获取烧结机台车的节点。
对烧结机台车进行动态划分，并将划分后的每个区域的中点作为节点，用于后续系统烧结终点预估位置的分析判断，对烧结机台车进行动态划分，降低后续系统计算量，快速准确的检测烧结终点。
S102、确定烧结终点的位置。
在烧结过程中，将对氧化亚铁进行还原产生/>，因此通过对每个节点的/>和/>的含量进行分析，通过/>和/>的含量对烧结终点的位置进行确定。
S103、获取烧结终点的烧结物断面图像。
获取烧结终点的位置所在节点的断面图像，对图像进行去噪处理得到清晰的烧结物断面图像，有效平滑噪声并保护图像边缘信息，使断面图像更清晰、特征更加突出，便于后续对烧结物断面图像的不同区域进行分割。
S104、获取烧结物断面的分割图。
烧结物断面图像中包括背景区域、红火层区域图像和气孔层区域图像，背景区域、红火层区域图像和气孔层区域图像的灰度值依次增大，且气孔层区域图像全部被包围在红火层区域图像中，区域之间的边缘比较模糊，但区域内灰度的局部变化相对稳定，因此设置双阈值进行阈值分割，分别得到烧结物断面的红火层区域图像和气孔层区域图像。
S105、计算红火层的纹理特征值。
根据红火层区域图像中的像素值以及各像素值的频数计算红火层的纹理特征值，用以表征红火层区域图像的纹理信息，进一步计算红火层的状态指标值。
S106、计算红火层状态指标值。
基于红火层的纹理特征值对烧结的红火层进行分析，获取红火层的状态指标值，用于后续检测烧结状态。
S107、计算气孔层状态指标值。
烧结过程中，当烧结到一定程度时将会出现气孔层，本实施例对气孔层的特征参数进行提取，用于表征烧结状态的特征之一，在烧结过程中，红火层区域图像出现气孔层时，只有饱和度和亮度变化最为明显，因此需要气孔层区域图像的HSV数据对气孔层状态指标值进行计算。
S108、获取烧结状态判定值。
通过对烧结物断面分割图像中红火层区域图像和气孔层区域图像的特征提取，基于红火层区域图像和气孔层区域图像的特征值构建烧结状态分析模型计算烧结状态判定值，根据得到的烧结状态判定值对烧结状态进行判断。
S109、对烧结终点预估位置进行调整更新。
烧结状态分析模型可得到准确分析烧结状态，由于烧结不足与烧结过度均是由烧结终点预估位置不合理导致的，因此根据烧结状态对烧结终点预估位置进行调整更新。
本发明实施例提供的一种烧结状态检测方法，其中各个步骤的具体内容包括：
对烧结机台车进行动态划分，并将划分后的每个区域的中点作为节点，用于后续系统烧结终点预估位置的分析判断，对烧结机台车进行动态划分，降低后续系统计算量，快速准确的检测烧结终点。
为方便后续快速准确的对烧结终点进行判定，本实施例首先对烧结机台车进行动态划分，烧结场景如图2所示，根据烧结的过程，将烧结机台车先三等分为三个区域，由于烧结终点位于前三分之一区域的概率较小，所以将前三分之一区域进行五等分，划分得到5个节点；中间三分之一区域存在烧结终点的概率较大，因此将中间三分之一区域十等分，划分得到10个节点；后三分之一区域存在烧结终点的概率最大，因此将后三分之一区域十五等分，划分得到15个节点；一共得到30个节点，如图3所示。
在烧结过程中，将对氧化亚铁进行还原产生/>，因此通过对每个节点的/>和/>的含量进行分析，通过/>和/>的含量对烧结终点的位置进行确定。
本实施例中设置一种烧结终点预估位置判定方式，所述终点判定模型具体过程为：首先实时检测各节点的与/>的比值，根据各节点位置信息以及对应的/>与/>的比值，构建二维分析图像，所述图像的横坐标为节点，纵坐标为对应的/>与/>比值；然后通过二维分析模型进行烧结终点预估位置的判定，将最大比值对应的节点位置作为烧结终点预估位置，即二维分析图像中的峰值对应的节点为烧结终点预估位置。
获取烧结终点的位置所在节点的烧结物断面图像，对图像进行去噪处理得到清晰的去噪图像，有效平滑噪声并保护图像边缘信息，使断面图像更清晰、特征更加突出，便于后续对烧结物断面图像的不同区域进行分割。
检测到烧结终点预估位置后，对烧结状态进行分析判断，用于后续烧结状态准确调整烧结终点预估位置。为防止人为标注、检测的主观性，本实施例通过机器视觉对烧结矿断面图像进行特征提取并处理分析，判断烧结矿的烧结状态。
利用工业相机采集烧结终点的烧结物断面图像，由于烧结机机尾存在一些不可避免的灰尘、烟雾，且相机在拍摄过程中也难免发生电气设备的机械振动等现象，因此采集的断面图像会带有一定的噪声。本实施例采用的自适应中值滤波算法对图像进行滤波去噪，自适应中值滤波无需任何先验条件和预定参数，得到无噪声干扰、更清晰的去噪图像。
烧结物断面图像的去噪图像中包括背景区域、红火层区域图像和气孔层区域图像，背景区域、红火层区域图像和气孔层区域图像的灰度值依次增大，且气孔层区域图像全部被包围在红火层区域图像中，区域之间的边缘比较模糊，但区域内灰度的局部变化相对稳定，因此设置双阈值进行阈值分割，分别得到烧结物断面的红火层区域图像和气孔层区域图像。
根据上述烧结物断面图像的图像特性，为实现图像分割，本实施例通过设置双阈值对烧结物断面图像分割，得到烧结物断面分割图像的红火层区域图像和气孔层区域图像。
首先通过图像分割阈值选取方法得到图像的两个阈值和/>，在此说明图像分割阈值选取算法有很多：最大方差阈值选取法、双峰法、迭代法阈值选取以及大津法等，本实施例采用迭代法首先计算背景层与红火层的分割阈值/>，然后以红火层和气孔层作为研究对象，再次利用迭代法计算红火层与气孔层的分割阈值/>。
利用迭代法确定出红火层的分割阈值和气孔层的分割阈值/>；在本发明一个实施例中迭代法可选用大津阈值法。
根据得到的两个分割阈值对烧结物断面图像进行分割，像素点的像素值属于两个阈值之间的为红火层区域图像，像素点的像素值小于气孔层的分割阈值的为气孔层区域图像，具体方法如下：
通过两个阈值对去噪图像中的每个像素进行分割处理，设置如下函数对图像进行分割：
其中，为分割后的图像素值，/>为原图像的像素值。其中，像素值为128的像素点组成的区域为红火层区域，所有像素值为255的像素点组成的区域为气孔层区域，利用图像剪切对包含红火层区域和气孔层区域的去噪图像进行剪切，得到红火层区域图像和气孔层区域图像。
通过对红火层区域图像和气孔层区域图像的特征提取，基于红火层区域图像和气孔层区域图像的特征值构建烧结状态分析模型计算烧结状态判定值，根据得到的烧结状态判定值对烧结状态进行判断。
基于所述红火层气孔层的特征指标进一步分析烧结状态，由于在烧结过程中，烧结状态越好，红火层的指标越大（即红火的面积越大，燃烧的面积达），同时气孔层状态指标越大（燃烧越充足，气孔越大），因此本实施例采用如下烧结状态分析模型的函数表达式对烧结状态进行判定：
其中：为烧结状态的判定值，/>代表不同的权重值，/>，/>为模型参数，/>为红火层状态指标值，/>为气孔层状态指标值，本实施例将权重值分别设置为，/>。
基于红火层的纹理特征值对烧结的红火层进行分析，获取红火层的状态指标值，用于后续检测烧结状态，由于红火层的状态指标是根据燃烧状态来确定的，而在燃烧过程中红火层的面积越大说明燃烧状态越好，因此红火层状态指标值与红火层的面积正相关，基于此本实施例中的红火层状态指标值的计算公式为：
其中，为红火层状态指标值，/>为所选时段的终端时刻对应的红火层面积，/>为所选时段初始时刻对应的红火层的面积，/>为检测时所选时段的时长，/>为模型参数，/>为红火层的纹理特征值，/>为红火层的亮度分析值，当红火面积越大，说明燃烧的越充分，红火层的状态指标越大。
根据红火层区域图像中的像素值以及各像素值的频数计算红火层的纹理特征值，用以表征红火层区域图像的纹理信息，进一步计算红火层的状态指标值。
式中：为红火层的纹理特征值，/>为红火层的亮度分析值，/>为红火层中的灰度值范围，/>为灰度值为/>的像素点数量，/>为红火层区域图像的像素点数量；
其中，红火层的亮度分析值的计算方法为：分别计算各灰度值的频数与红火层区域图像素点数量的占比，将比值与该灰度值相乘，对各灰度值计算得到的乘积进行求和得到红火层的亮度分析值。
红火层的亮度分析值的具体计算方法如下：
为红火层的亮度分析值，/>为红火层中的灰度值范围，/>为灰度值为/>的像素点数量，即像素值/>的频数，/>为红火层区域图像的像素点数量。
烧结过程中，当烧结到一定程度时将会出现气孔层，本实施例对气孔层的特征参数进行提取，用于表征烧结状态的特征之一，在烧结过程中，红火层区域图像出现气孔层时，只有饱和度和亮度变化最为明显，因此需要气孔层区域图像的HSV数据对气孔层状态指标值进行计算。
将气孔层区域图像转换为HSV图像，转换过程为：
将R，G，B的值分别除以255以归一化。
转换方程为：
其中H代表色调，S代表饱和度，V代表亮度信息。需要说明的是RGB图像转换至HSV图像过程为本领域技术人员熟知的技术手段，因此上述转换公式的意义以及释义不再过多赘述。
由于在烧结过程中，红火层区域出现气孔层时，只有饱和度和亮度变化最为明显，如图4所示，图像中最亮的区域为所述气孔层区域图像。
获取气孔层区域图像中的连通域数量，由于气孔层的状态指标是根据燃烧状态来确定的，而在燃烧过程中气孔层的面积越大说明燃烧状态越好，因此气孔层状态指标值与气孔层的面积正相关，因此本实施例根据烧结物断面分割图像中气孔层区域图像中各连通域的HSV数据计算气孔层状态指标值，具体计算公式如下：
式中：为气孔层状态指标值，/>为气孔层区域图像的面积，/>为烧结物断面分割图像的面积，/>为气孔层区域图像的连通域数量，/>为气孔层区域图像的连通域序号，/>为第/>个气孔连通域中第/>个像素点的亮度值，/>第/>个气孔连通域内第/>个像素点的饱和度值，/>为第/>个气孔连通域中第/>个像素点，/>、/>为权值参数，实施者可自行设置，本实施例中/>、/>设置为0.5。
烧结状态分析模型可得到准确分析烧结状态，由于烧结不足与烧结过度均是由烧结终点预估位置不合理导致的，因此根据烧结状态对烧结终点预估位置进行调整更新。
根据烧结状态判定值确定烧结状态的过程为：当烧结状态判定值属于[]时，则认为烧结状态为均匀完全烧制；当烧结状态判定值小于/>时，则认为烧结状态为烧结不足；当烧结状态判定值大于/>时，则认为烧结状态为烧结过度；
本实施例中，烧结状态均匀时的低阈值为0.4，烧结状态均匀时的高阈值/>为0.6，在此需要说明，对于烧结状态为均匀时的模型范围/>，实施者可根据实际情况自行设定。
终点位置调整更新函数如下：
其中，为更新后的烧结终点预估位置，/>为更新前的烧结终点预估位置，/>为烧结状态均匀时的低阈值，/>为烧结状态均匀时的高阈值，/>为烧结状态的判定值。
至此，即可根据所述方法获取矿物烧结状态，并烧结状态实现对烧结终点的准确调整。
基于与上述方法相同的发明构思，本实施例还提供了一种烧结状态检测系统，本实施例中一种烧结状态检测系统包括烧结终点位置检测模块、烧结状态分析模块和烧结终点位置更新模块，所述烧结终点位置检测模块、烧结状态分析模块和烧结终点位置更新模块，以实现如一种烧结状态检测方法实施例中所描述的过程实现。
由于一种烧结状态检测方法实施例中已经对具体实现过程进行了详细说明，此处不再赘述。
其中，以上各单元的具体实现、相关说明及技术效果请参考具体实施方式中方法实施例部分。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本发明的方法和系统中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (8)
1.一种烧结状态检测方法，其特征在于，包括：
获取烧结终点预估位置；
获取烧结预估终点的烧结物断面图像，并进行去噪处理得到去噪图像；所述烧结物断面图像中包括背景区域、红火层区域图像和气孔层区域图像；
利用双阈值法对去噪图像进行阈值分割，对阈值分割后的图像进行剪切分别得到红火层区域图像和气孔层区域图像；
根据红火层区域图像中各像素点的像素值以及各像素值的频数计算红火层的亮度分析值，然后利用红火层的亮度分析值获取红火层的纹理特征值；
利用红火层的亮度分析值、纹理特征值和红火层所占去噪图像的面积计算红火层状态指标值；
将气孔层区域图像转化为HSV图像，利用气孔层区域图像HSV图像中每个像素点的H、S、V值和气孔层区域图像所占去噪图像的面积计算气孔层状态指标值；
利用得到的红火层状态指标值和气孔层状态指标值构建烧结状态分析模型，得到烧结状态判定值；
利用烧结状态判定值对烧结终点预估位置的烧结状态进行判断，当判断该烧结终点预估位置的烧结状态为不均匀状态时，根据该烧结终点预估位置的烧结状态判定值对烧结终点预估位置进行调整更新，获得最终的烧结终点位置。
2.根据权利要求1所述的一种烧结状态检测方法，其特征在于，所述利用得到的红火层状态指标值和气孔层状态指标值构建烧结状态分析模型，得到烧结状态判定值的方法为：
烧结状态分析模型如下：
其中：为烧结状态的判定值，/>代表不同的权重值，/>，/>为模型参数，/>为红火层状态指标值，/>为气孔层状态指标值，/>为以自然常数为底数的指数函数。
3.根据权利要求2所述的一种烧结状态检测方法，其特征在于，所述红火层状态指标值的计算过程如下：
红火层状态指标值的计算公式为：
其中，为红火层状态指标值，/>为所选时段的终端时刻对应的红火层区域图像的面积，为所选时段初始时刻对应的红火层区域图像的面积，/>为检测时所选时段的时长，/>为模型参数，/>为红火层的纹理特征值，/>为红火层的亮度分析值,/>为以自然常数为底的指数函数。
4.根据权利要求3所述的一种烧结状态检测方法，其特征在于，所述利用红火层的亮度分析值获取红火层的纹理特征值的方法为：
式中：为红火层的纹理特征值，/>为红火层的亮度分析值，/>为红火层中的灰度值范围，/>为灰度值为/>的像素点数量，/>为红火层区域图像的像素点数量；
其中，红火层的亮度分析值的计算方法为：分别计算红火层区域图像各灰度值的频数与红火层区域图像素点数量的比值，将比值与该灰度值相乘，对各灰度值计算得到的乘积进行求和得到红火层的亮度分析值。
5.根据权利要求2所述的一种烧结状态检测方法，其特征在于，所述气孔层状态指标值的计算过程如下：
将气孔层区域图像转化为HSV图像数据，获取气孔层区域图像中的连通域数量，根据气孔层区域图像凸显中各连通域的H、S、V数据计算气孔层状态指标值，具体计算公式如下：
式中：为气孔层状态指标值，/>为气孔层区域图像的面积，/>为烧结物断面分割图像的面积，/>为气孔层区域图像中的连通域数量，/>为气孔层区域图像中连通域的序号，/>为第/>个气孔连通域中第/>个像素点的亮度值，/>第/>个气孔连通域内第/>个像素点的饱和度值，为第/>个气孔连通域中第/>个像素点，/>、/>为权值参数。
6.根据权利要求1所述的一种烧结状态检测方法，其特征在于，所述获得最终的烧结终点位置的方法如下：
根据烧结状态判定值对烧结终点预估位置的烧结状态进行判断，判断过程为：当烧结状态判定值属于[]时，则认为烧结状态为均匀完全烧制；当烧结状态判定值小于/>时，则认为烧结状态为烧结不足；当烧结状态判定值大于/>时，则认为烧结状态为烧结过度；
根据终点位置调整更新函数对烧结终点位置进行调整获取最终的烧结终点位置，终点位置调整更新函数如下：
其中，为更新后的烧结终点预估位置，/>为更新前的烧结终点预估位置，/>为烧结状态均匀时的低阈值，/>为烧结状态均匀时的高阈值，/>为烧结状态的判定值。
7.根据权利要求1所述的一种烧结状态检测方法，其特征在于，所述利用双阈值法对去噪图像进行双阈值分割，分别获得红火层区域图像和气孔层区域图像的方法为：
利用迭代法确定出红火层的分割阈值和气孔层的分割阈值/>；
根据得到的两个分割阈值对烧结物断面图像进行分割，像素点的像素值属于两个阈值之间的为红火层区域图像，像素点的像素值小于气孔层的分割阈值的为气孔层区域图像，得到包含红火层区域图像和气孔层区域图像的烧结物断面分割图像；
利用图像剪切的方法分别对红火层区域图像和气孔层区域图像进行剪切，得到红火层区域图像和气孔层区域图像。
8.一种烧结状态检测系统，其特征在于，包括烧结终点位置检测模块、烧结状态分析模块和烧结终点位置更新模块：
所述烧结终点位置检测模块、烧结状态分析模块和烧结终点位置更新模块，以实现如权利要求1-7中任一项所述的烧结状态检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311482819.1A CN117213265B (zh) | 2023-11-09 | 2023-11-09 | 一种烧结状态检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311482819.1A CN117213265B (zh) | 2023-11-09 | 2023-11-09 | 一种烧结状态检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117213265A CN117213265A (zh) | 2023-12-12 |
| CN117213265B true CN117213265B (zh) | 2024-02-20 |
Family
ID=89046689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311482819.1A Active CN117213265B (zh) | 2023-11-09 | 2023-11-09 | 一种烧结状态检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117213265B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112255364A (zh) * | 2020-10-20 | 2021-01-22 | 唐山学院 | 一种实时定量判定烧结终点状态的软测量方法 |
| CN214572156U (zh) * | 2021-03-15 | 2021-11-02 | 江苏沙钢集团有限公司 | 一种台车烧结终点的判定装置 |
| CN114965575A (zh) * | 2022-04-24 | 2022-08-30 | 北京智冶互联科技有限公司 | 一种基于热成像的烧结均匀性识别方法及系统 |
| CN117011210A (zh) * | 2022-04-29 | 2023-11-07 | 中冶长天国际工程有限责任公司 | 一种烧结状态检测方法、系统、电子设备及存储介质 |
-
2023
- 2023-11-09 CN CN202311482819.1A patent/CN117213265B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112255364A (zh) * | 2020-10-20 | 2021-01-22 | 唐山学院 | 一种实时定量判定烧结终点状态的软测量方法 |
| CN214572156U (zh) * | 2021-03-15 | 2021-11-02 | 江苏沙钢集团有限公司 | 一种台车烧结终点的判定装置 |
| CN114965575A (zh) * | 2022-04-24 | 2022-08-30 | 北京智冶互联科技有限公司 | 一种基于热成像的烧结均匀性识别方法及系统 |
| CN117011210A (zh) * | 2022-04-29 | 2023-11-07 | 中冶长天国际工程有限责任公司 | 一种烧结状态检测方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117213265A (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Verma et al. | High dynamic range optimal fuzzy color image enhancement using artificial ant colony system | |
| CN108389175B (zh) | 融合变差函数和颜色衰减先验的图像去雾方法 | |
| CN111369597B (zh) | 一种基于多特征融合的粒子滤波目标跟踪方法 | |
| CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
| CN104966266B (zh) | 自动模糊身体部位的方法及系统 | |
| CN109579092B (zh) | 一种根据工作环境进行烟灶联动的油烟机 | |
| CN109028223B (zh) | 具手势控制视觉检测功能的油烟机及油烟浓度检测方法 | |
| CN116563799B (zh) | 基于视频监控的粉尘在线监测方法 | |
| CN109801283A (zh) | 一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法 | |
| CN112056945A (zh) | 一种烹饪设备食物烹饪状态的提醒方法 | |
| CN108805826A (zh) | 改善去雾效果的方法 | |
| CN110751667B (zh) | 基于人类视觉系统的复杂背景下红外弱小目标检测方法 | |
| CN109882899B (zh) | 一种根据工作环境进行控制的油烟机 | |
| CN117213265B (zh) | 一种烧结状态检测方法及系统 | |
| CN108765316B (zh) | 雾气浓度自适应判断方法 | |
| CN117237232B (zh) | 基于图像去噪的建材生产环境粉尘在线监测方法 | |
| CN108280448A (zh) | 指静脉按压图的判别方法及装置、指静脉识别方法 | |
| CN110728645A (zh) | 基于引导滤波器正则化参数的图像细节增强的方法、装置及电子设备 | |
| CN111768355B (zh) | 一种针对制冷型红外传感器图像增强的方法 | |
| CN111192332B (zh) | 一种基于烟雾检测的烟机控制方法以及烟机 | |
| CN108764131B (zh) | 一种基于视频处理的自适应阈值多目标摔倒检测方法 | |
| CN110766634A (zh) | 基于引导滤波器的图像划分的方法、装置及电子设备 | |
| CN104915934A (zh) | 一种基于视网膜机制的灰度图像增强方法 | |
| CN113066077B (zh) | 火焰检测方法及装置 | |
| CN109654545B (zh) | 能根据烹饪环境空气质量控制的炉具及火力控制判断方法 |
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 |