CN117333447A - 玻璃熔窑配合料覆盖层智能检测系统及方法 - Google Patents
玻璃熔窑配合料覆盖层智能检测系统及方法 Download PDFInfo
- Publication number
- CN117333447A CN117333447A CN202311274808.4A CN202311274808A CN117333447A CN 117333447 A CN117333447 A CN 117333447A CN 202311274808 A CN202311274808 A CN 202311274808A CN 117333447 A CN117333447 A CN 117333447A
- Authority
- CN
- China
- Prior art keywords
- batch
- melting furnace
- glass melting
- image
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 135
- 239000011521 glass Substances 0.000 title claims abstract description 116
- 238000002844 melting Methods 0.000 title claims abstract description 116
- 230000008018 melting Effects 0.000 title claims abstract description 116
- 239000011248 coating agent Substances 0.000 title claims abstract description 79
- 238000000576 coating method Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 230000000007 visual effect Effects 0.000 claims abstract description 27
- 239000010410 layer Substances 0.000 claims description 59
- 239000000463 material Substances 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 14
- 239000011247 coating layer Substances 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010309 melting process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 240000007241 Agrostis stolonifera Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000005388 borosilicate glass Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
Abstract
本发明提供一种玻璃熔窑配合料覆盖层智能检测系统及方法，应用于玻璃熔窑中；包括图像采集单元、图像检测分析单元、可视化界面模块、语音报警模块、以及执行模块，所述图像采集单元设置在玻璃熔窑的窑口处，用于采集玻璃熔窑内配合料覆盖层区域的图像；所述图像检测分析单元中设置有智能检测模型，所述智能检测模型用于接收图像采集单元传输的图像信息并对图像信息中配合料覆盖层进行检测分析；可视化界面模块用于接收图像检测分析单元对配合料覆盖层检测分析的结果并进行显示。本发明引入了基于深度学习的检测模型，对玻璃熔窑配合料覆盖层的实时监测，减少因为人为因素漏察觉而导致的玻璃熔窑配合料长时间的覆盖不均匀问题。
Description
技术领域
本发明涉及玻璃生产过程中采用的计算机视觉、深度学习技术领域，特别是涉及一种玻璃熔窑配合料覆盖层智能检测系统及方法。
背景技术
玻璃电熔窑技术是目前国际最先进的熔化工艺，可以显著提高产品质量，降低能耗，特别是在小型玻璃熔窑和电力充足的地区，电熔技术有明显的综合经济效益。但由于高硼硅玻璃的材料特性，常采用冷顶垂直熔制工艺，使得整个玻璃液熔化池表面覆盖配合料，阻挡熔体向窑内空间的热辐射。配合料层的厚度是此类窑型里的重要工艺参数，配合料覆盖层不仅要促进低温液相形成，加速熔化，还能阻挡在高温熔制过程中易挥发物的外逸，同时具有隔热作用。如果配合料覆盖层过于饱满，则导致入料处的温度过低，电阻增大，功率下降，窑内动态生产环境会遭到破坏。如果配合料覆盖层太单薄或厚度分布不均匀，则会产生红顶现象，易被配合料中的反应挥发物聚集突破，形成较大的空腔，冷却后逐渐呈现碗状，影响后续布料工作，甚至引起设备损坏。
在此类工况下的冷顶窑中，如何实现均匀覆盖配合料，合理控制料层，避免红顶和结拱现象的长时间出现从而损坏设备的情况，就显得十分有必要。为此，在现有的深度学习目标检测算法的基础上，本发明提出了玻璃熔窑配合料覆盖层智能检测系统及方法以解决上述问题。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种玻璃熔窑配合料覆盖层智能检测系统及方法，用于解决现有技术中玻璃熔窑中配合料覆盖层不均匀导致的红顶、结拱现象的长时间出现设备损坏的问题。
为实现上述目的及其他相关目的，本发明提供一种玻璃熔窑配合料覆盖层智能检测系统，应用于玻璃熔窑中；包括图像采集单元、图像检测分析单元、可视化界面模块、语音报警模块、以及执行模块，所述图像采集单元设置在玻璃熔窑的窑口处，用于采集玻璃熔窑内配合料覆盖层区域的图像；所述图像检测分析单元中设置有智能检测模型，所述智能检测模型用于接收图像采集单元传输的图像信息并对图像信息中配合料覆盖层进行检测分析；所述可视化界面模块用于接收图像检测分析单元对配合料覆盖层检测分析的结果并进行显示；所述语音报警模块用于接收配合料覆盖层检测分析的异常结果并进行语音报警；所述执行模块根据图像检测分析单元中的异常结果对玻璃熔窑中配合料覆盖层执行操作。
优选的，所述图像检测分析单元用于检测配合料覆盖层的整体厚度是否存在分布不均匀的现象；所述执行模块中有两种执行方式可供选择，分别是人工执行和自动化执行。所述自动化执行包括定位测量单元、以及机械臂，所述定位测量单元根据图像检测分析单元中输出的异常结果定位测量到玻璃熔窑中配合料覆盖层的位置，所述机械臂移动到该处配合料覆盖层处执行操作。
为实现上述目的或其他目的，本发明还公开一种玻璃熔窑配合料覆盖层的检测方法，采用上述的玻璃熔窑配合料覆盖层智能检测系统，步骤如下：
S1：图像采集单元获取玻璃熔窑配合料覆盖层图像；
S2：利用步骤S1中玻璃熔窑配合料覆盖层图像，建立并训练图像检测分析单元中的智能检测模型；
S3：利用步骤S2中的智能检测模型实时检测分析玻璃熔窑中的配合料覆盖层；
S4：智能检测模型将检测结果反馈到可视化界面、语音报警模块、以及执行模块中；可视化界面将检测结果进行可视化操作；当检测结果出现异常时，语音报警模块工作，同时执行模块对异常检测结果进行处理。
优选的，步骤S1包括如下步骤：
S1.1：将图像采集单元安装在玻璃熔窑的窑口处；
S1.2：图像采集单元实时采集玻璃熔窑中配合料覆盖层的视频图像，并将采集的视频图像传递到图像检测分析单元中；
S1.3：图像检测分析单元将获取的视频图像处理为单帧图像，并对单帧图像进行图像预处理操作。
优选的，步骤S2包括如下步骤：
S2.1：利用步骤S1中获取的若干个玻璃熔窑配合料覆盖层图像，建立玻璃熔窑配合料覆盖层图片数据集；
S2.2：对图片数据集中的图片数据进行打标签，所述标签分为配合料覆盖层过于饱满、以及配合料覆盖层过于单薄；
S2.3：利用步骤S2.2中的标签进行智能检测模型的训练，得到智能检测模型。
优选的，在步骤S4中，当智能检测模型检测玻璃熔窑中配合料覆盖层图像中不存在配合料覆盖层过于饱满或配合料覆盖层过于单薄的情况，此时可视化界面进行可视化显示，语音报警模块、执行模块均不启动；当智能检测模型检测玻璃熔窑中配合料覆盖层图像中存在配合料覆盖层过于饱满或配合料覆盖层过于单薄的情况，此时可视化界面进行可视化显示，语音报警模块发出语音报警，执行模块根据可视化界面的显示执行相应的操作。
优选的，在步骤S4中，执行模块有两种执行方式可供选择，分别是人工执行和自动化执行；当执行模块选择人工执行时，操作人员听到语音报警模块发出的语音报警信息，然后通过可视化界面确定玻璃熔窑中配合料覆盖层过于饱满的位置或配合料覆盖层过于单薄的位置，在使用专业工具将配合料覆盖层饱满处或配合料覆盖层单薄处均匀铺平；所述自动化执行包括定位测量单元、以及机械臂，当执行模块进行自动化执行时，所述定位测量单元根据智能检测模型标注的配合料覆盖层过于饱满位置或配合料覆盖层过于单薄位置，将上述位置测量定位到玻璃熔窑中，并将上述位置信息传递给机械臂，所述机械臂接收位置信息移动到该位置处进行均匀铺平。
为实现上述目的或其他目的，本发明还公开一种玻璃熔窑配合料覆盖层智能检测系统的升级方法，采用上述的玻璃熔窑配合料覆盖层的检测方法，步骤S4中，当智能检测模型检测到某一图像中玻璃熔窑中的配合料覆盖层出现异常时，智能检测模型将该图像保存，同时该图像作为智能检测模型的训练数据。
如上所述，本发明的玻璃熔窑配合料覆盖层检测系统及方法，具有以下有益效果：
1、本发明引入了基于深度学习的检测模型，解决了需要通过传统人工时刻去关注玻璃熔窑配合料覆盖层的问题，可以进一步的节省人力，并且通过本发明对玻璃熔窑配合料覆盖层的实时监测，可以减少因为人为因素漏察觉而导致的玻璃熔窑配合料长时间的覆盖不均匀问题。
2、本发明中的执行模块采用人工执行或自动化执行，可以选择不同的执行方式进行执行，确保玻璃熔窑配合料覆盖层均匀铺平，防止红顶和结拱现象的长时间出现而损坏设备。
3、本发明中还涉及有玻璃熔窑配合料覆盖层检测系统的升级方法，使玻璃熔窑配合料覆盖层的检测更加智能、更加精准。
附图说明
图1为本发明玻璃熔窑配合料覆盖层检测系统的控制原理示意图；
图2为本发明玻璃熔窑配合料覆盖层检测系统的半自动化方案流程简图；
图3为本发明玻璃熔窑配合料覆盖层检测系统的半自动化方案流程示意图；
图4为本发明玻璃熔窑配合料覆盖层检测系统的全自动化方案流程简图；
图5为本发明玻璃熔窑配合料覆盖层检测系统的全自动化方案流程示意图；
图6为本发明玻璃熔窑配合料覆盖层检测系统的智能检测模型对图像标记的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
如图1所示，本发明提供一种玻璃熔窑配合料覆盖层智能检测系统，应用于玻璃熔窑中；包括图像采集单元、图像检测分析单元、可视化界面模块、语音报警模块、以及执行模块，图像采集单元设置在玻璃熔窑的窑口处，用于采集玻璃熔窑内配合料覆盖层区域的图像；图像检测分析单元中设置有智能检测模型，智能检测模型用于接收图像采集单元传输的图像信息并对图像信息中配合料覆盖层进行检测分析；可视化界面模块用于接收图像检测分析单元对配合料覆盖层检测分析的结果并进行显示；语音报警模块用于接收配合料覆盖层检测分析的异常结果并进行语音报警；执行模块根据图像检测分析单元中的异常结果对玻璃熔窑中配合料覆盖层执行操作。
本发明涉及的玻璃熔窑配合料覆盖层智能检测系统，在图像检测分析单元中设置智能检测模型，智能检测模型能够接收图像采集单元传输的图像信息并对图像信息中配合料覆盖层进行检测分析，在通过可视化界面模块和语音报警模块进行通知并展示，执行模块接收到图像检测分析单元、以及语音报警模块的反馈信息执行相应的操作，保证玻璃熔窑中配合料覆盖层均匀铺平。
优选的，如图1-图5所示，图像检测分析单元用于检测配合料覆盖层的整体厚度是否存在分布不均匀的现象；执行模块有两种执行方式可供选择，分别是人工执行和自动化执行，自动化执行包括定位测量单元、以及机械臂，定位测量单元根据图像检测分析单元中输出的异常结果定位测量到玻璃熔窑中配合料覆盖层的位置，机械臂移动到该处配合料覆盖层处执行操作。在本实施例中，如图2、图3所示，采用人工执行时，操作人员听到语音报警模块发出的警报，然后立刻通过可视化界查看并确定熔窑配合料覆盖层过于饱满或过于单薄的具体位置，在使用专业工具将玻璃熔窑中该处位置的配合料覆盖层均匀铺平。如图4、图5所示，当采用自动化执行时，图像检测分析单元将图像信息发送到定位测量单元中，定位测量单元将图像中饱满及单薄处的位置转换到玻璃熔窑中相应的位置，然后将该位置信息发送给机械臂，机械臂接收该位置信息并伸长到该位置处，将该处的配合料覆盖层均匀铺平。
为实现上述目的或其他目的，如图2-图5所示，本发明还公开一种玻璃熔窑配合料覆盖层的检测方法，采用上述的玻璃熔窑配合料覆盖层智能检测系统，步骤如下：
A1：图像采集单元获取玻璃熔窑配合料覆盖层图像
A1.1：在玻璃熔窑的窑口处安装一个耐高温的工业摄像头，该工业摄像头必须确保能够拍摄到玻璃熔窑内配合料覆盖层的全部区域；
A1.2：该工业摄像头实时拍摄玻璃熔窑中配合料覆盖层处的视频，并通过有线或无线的方式将视频画面传输到图像检测分析单元中。图像检测分析单元安装在计算机中，计算机设置在中控室中。
A1.3：图像检测分析单元接收配合料覆盖层的视频图像并将视频图像处理为单帧图像，在将存在配合料覆盖层饱满及配合料覆盖层单薄的单帧图像进行颜色空间转换、格式编码等预处理操作，达到提升图像整体质量的目的。
A2：建立并训练图像检测分析单元中的智能检测模型
A2.1：利用步骤A1.3中获得的多个单帧图像建立玻璃熔窑配合料覆盖层的数据集，该数据集按照训练集：验证集：测试集的数量比为6:2:2的比例进行分配设置；
A2.2：对分配好的数据集进行打标签操作。采用专门的图像标签制作工具对上述数据集中存在配合料覆盖层过于饱满及配合料覆盖层过于单薄的地方进行标记。其中玻璃熔窑配合料覆盖层饱满处用Fmixture表示，玻璃熔窑配合料覆盖层过于单薄用Tmixture表示。
A2.3：将分类制作好的数据集送入到神经网络模型中进行训练，并在训练前进行相关训练参数的设置。利用训练集对智能检测模型进行训练，训练过程利用验证集评估智能检测模型。训练完成，在测试集上进行最后一次测试。最后将上述训练得到的权重文件以及参数信息送入到神经网络模型中，获得最终的智能检测模型。
A3：利用训练好的智能检测模型实时检测分析玻璃熔窑中配合料覆盖层
A3.1：工业摄像头实时获取玻璃熔窑中配合料覆盖层的视频图像，智能检测模型对配合料覆盖层的视频图像进行检测，判断配合料覆盖层是否存在过于饱满及过于单薄的情况。当检测到视频图像中存在配合料覆盖层过于饱满及过于单薄的情况时，图像检测分析单元将该视频段截取并转换成单帧图像，智能检测模型自动对配合料覆盖层单薄处标记Tmixture，对配合料覆盖层饱满处标记Fmixture(如图6所示，图6中标记Tmixture有13处，标记Fmixture有1处)；当未检测到视频图像中存在配合料覆盖层过于饱满及过于单薄的情况时，不进行任何处理。
A4：可视化界面显示异常结果、语音报警模块工作报警
A4.1：可视化界面包括显示屏，显示屏设置在中控室中，显示屏与安装有图像检测分析单元的计算机连接，用于实时显示玻璃熔窑中配合料覆盖层的情况、及智能检测模型对配合料覆盖层的检测分析结果。
A4.2：当步骤A3.1中智能检测模型检测到配合料覆盖层的视频流中存在配合料覆盖层过于饱满及过于单薄的情况时，即智能检测模型对单帧图像中标记的Fmixture数量及Tmixture数量之和大于0时，此时触发语音报警模块。语音报警模块中设置有扬声器，扬声器工作发出语音警报，提醒工作人员玻璃熔窑配合料覆盖层存在过于饱满或过于单薄的情况。A5：执行模块对配合料覆盖层中存在过于饱满或过于单薄的情况进行处理
A5.1：当执行模块采用人工执行时，操作人员听到步骤A4.2中的语音报警模块进行的报警，立刻查看中控室中的显示屏，通过显示屏中的图像上被标记的Fmixture及Tmixture处，确定玻璃熔窑配合料覆盖层过于饱满或过于单薄的具体位置；然后操作人员立刻前去玻璃熔窑窑口使用相关工具对配合料覆盖层的过于饱满或过于单薄位置进行均匀铺平处理，确保玻璃熔窑配合料覆盖层的均匀。
A5.2：当执行模块采用自动化执行时，定位测量单元接收智能检测模型检测到的配合料覆盖层存在过于饱满或过于单薄的位置信息参数，并将该位置信息参数发送给机械臂，机械臂接收到相应的位置信息参数后，立刻将机械臂伸入到玻璃熔窑中的相应位置，将配合料覆盖层的过于饱满及过于单薄处进行均匀铺平，确保玻璃熔窑配合料覆盖层的均匀。
优选的，在本实施例中，步骤A2中训练智能检测模型需要先建立并训练好才能进行检测分析，即步骤A1中采集的图像是作为数据集，当然，收集的图像也可以通过操作人员去现场拍摄得到。
优选的，步骤A2.3中，对智能检测模型进行训练前的相应参数设置，相应参数包括训练迭代次数、损失函数值的训练完成阈值等。在本实施例中，训练迭代次数设置为200次，损失函数值的训练完成阈值设置为1，即当损失函数值小于1时结束训练。
优选的，步骤A5中采用人工执行时，本发明依靠的是计算机视觉与人工结合的半自动化方案，该方案成本较低；步骤A5中采用自动化执行时，本发明依靠的是计算机视觉与机械臂结合的全自动化方案，该方案成本较高。
为实现上述目的或其他目的，本发明还公开一种玻璃熔窑配合料覆盖层智能检测系统的升级方法，采用上述的玻璃熔窑配合料覆盖层的检测方法，步骤如下：
A6：步骤A3.1中，当检测到视频图像中存在配合料覆盖层过于饱满及过于单薄的情况时，图像检测分析单元将该视频段截取并转换成单帧图像，该单帧图像将自动保存。每隔一段时间对上述保存的单帧图像的配合料覆盖层中饱满及单薄处进行打标签处理，并将上述图像数据加入到步骤A2.1中玻璃熔窑配合料覆盖层的数据集中形成新的数据集，将新形成的数据集按照训练集：验证集：测试集为6:2:2的比例重新进行分配设置；重复执行步骤A2.2-A2.3再次对智能检测模型进行训练升级，获得智能检测模型的最新权重文件。如此将获得的权重文件导入到神经网络模型中，得到升级后的智能检测模型。通过定期执行上述的训练方法，不断提升智能检测模型的精度。
优选的，上述步骤A6的操作，对玻璃熔窑配合料覆盖层检测系统的定期升级时间大约为半年一次。
本发明涉及的玻璃熔窑配合料覆盖层智能检测系统及方法，具有以下有益效果：
1、本发明通过基于视觉的深度学习检测方法，解决了玻璃熔窑可能出现的配合料覆盖层不均匀的问题，从而防止红顶、结拱现象的长时间出现，起到保护设备的效果。
2、本发明通过对玻璃熔窑配合料覆盖层进行实时监控，可以减少因人为因素漏察觉而导致的玻璃熔窑配合料覆盖层长时间不均匀的问题。
3、本发明中的执行模块具有人工执行方式及自动化执行方式，人工执行为半自动化方案，自动化执行方式为全自动化方案，人工执行方式成本较低，自动化执行方式成本较高，可以根据实际情况选择不同的执行方式进行执行，适用范围广泛。
4、本发明中还涉及到玻璃熔窑配合料覆盖层智能检测系统的升级方法，能够定期对智能检测模型进行升级，使玻璃熔窑配合料覆盖层的检测更加智能、更加精准。
所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种玻璃熔窑配合料覆盖层智能检测系统，应用于玻璃熔窑中；其特征在于：包括图像采集单元、图像检测分析单元、可视化界面模块、语音报警模块、以及执行模块；所述图像采集单元设置在玻璃熔窑的窑口处，用于采集玻璃熔窑内配合料覆盖层区域的图像；所述图像检测分析单元中设置有智能检测模型，所述智能检测模型用于接收图像采集单元传输的图像信息并对图像信息中配合料覆盖层进行检测分析；所述可视化界面模块用于接收图像检测分析单元对配合料覆盖层检测分析的结果并进行显示；所述语音报警模块用于接收配合料覆盖层检测分析的异常结果并进行语音报警；所述执行模块根据图像检测分析单元中的异常结果对玻璃熔窑中配合料覆盖层执行操作。
2.根据权利要求1所述的玻璃熔窑配合料覆盖层智能检测系统，其特征在于：所述图像检测分析单元用于检测配合料覆盖层的整体厚度是否存在分布不均匀的现象；所述执行模块采用人工执行、或自动化执行，所述自动化执行包括定位测量单元、以及机械臂，所述定位测量单元根据图像检测分析单元中输出的异常结果定位测量到玻璃熔窑中配合料覆盖层的位置，所述机械臂移动到该配合料覆盖层处执行操作。
3.一种玻璃熔窑配合料覆盖层的检测方法，采用权利要求1-2任一项所述的玻璃熔窑配合料覆盖层智能检测系统，其特征在于：步骤如下：
S1：图像采集单元获取玻璃熔窑配合料覆盖层图像；
S2：利用步骤S1中玻璃熔窑配合料覆盖层图像，建立并训练图像检测分析单元中的智能检测模型；
S3：利用步骤S2中的智能检测模型实时检测分析玻璃熔窑中的配合料覆盖层；
S4：智能检测模型将检测结果反馈到可视化界面、语音报警模块、以及执行模块中；可视化界面将检测结果进行可视化操作；当检测结果出现异常时，语音报警模块工作，同时执行模块对异常检测结果进行处理。
4.根据权利要求3所述的玻璃熔窑配合料覆盖层的检测方法，其特征在于：步骤S1包括如下步骤：
S1.1：将图像采集单元安装在玻璃熔窑的窑口处；
S1.2：图像采集单元实时采集玻璃熔窑中配合料覆盖层的视频图像，并将采集的视频图像传递到图像检测分析单元中；
S1.3：图像检测分析单元将获取的视频图像处理为单帧图像，并对单帧图像进行图像预处理操作。
5.根据权利要求3所述的玻璃熔窑配合料覆盖层的检测方法，其特征在于：步骤S2包括如下步骤：
S2.1：利用步骤S1中获取的若干个玻璃熔窑配合料覆盖层图像，建立玻璃熔窑配合料覆盖层图片数据集；
S2.2：对图片数据集中的图片进行打标签，所述标签分为配合料覆盖层过于饱满、以及配合料覆盖层过于单薄；
S2.3：利用步骤S2.2中的标签进行智能检测模型的训练，得到智能检测模型。
6.根据权利要求5所述的玻璃熔窑配合料覆盖层的检测方法，其特征在于：在步骤S4中，当智能检测模型检测玻璃熔窑中配合料覆盖层图像中不存在配合料覆盖层饱满或配合料覆盖层单薄的情况，此时可视化界面进行可视化显示，语音报警模块、执行模块均不启动；当智能检测模型检测玻璃熔窑中配合料覆盖层图像中存在配合料覆盖层饱满或配合料覆盖层单薄的情况，此时可视化界面进行可视化显示，语音报警模块发出语音报警，执行模块根据可视化界面的显示执行相应的操作。
7.根据权利要求6所述的玻璃熔窑配合料覆盖层的检测方法，其特征在于：在步骤S4中，执行模块有两种执行方式可供选择，分别是人工执行和自动化执行；当执行模块选择人工执行时，操作人员听到语音报警模块发出的语音报警信息，然后通过可视化界面确定玻璃熔窑中配合料覆盖层饱满的位置或配合料覆盖层单薄的位置，再使用工具将配合料覆盖层过于饱满处或配合料覆盖层过于单薄处均匀铺平；所述自动化执行包括定位测量单元、以及机械臂，当执行模块进行自动化执行时，所述定位测量单元根据智能检测模型检测到配合料覆盖层过于饱满位置或配合料覆盖层过于单薄位置，将上述位置测量定位到玻璃熔窑中，并将上述位置传递给机械臂，所述机械臂接收位置信息移动到该位置处进行均匀铺平。
8.一种玻璃熔窑配合料覆盖层智能检测系统的升级方法，采用权利要求3-7任一项所述的玻璃熔窑配合料覆盖层的检测方法，其特征在于：步骤S4中，当智能检测模型检测到某一图像中玻璃熔窑中的配合料覆盖层出现异常时，智能检测模型将该图像保存，同时该图像作为智能检测模型的训练数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311274808.4A CN117333447A (zh) | 2023-09-28 | 2023-09-28 | 玻璃熔窑配合料覆盖层智能检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311274808.4A CN117333447A (zh) | 2023-09-28 | 2023-09-28 | 玻璃熔窑配合料覆盖层智能检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117333447A true CN117333447A (zh) | 2024-01-02 |
Family
ID=89278509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311274808.4A Pending CN117333447A (zh) | 2023-09-28 | 2023-09-28 | 玻璃熔窑配合料覆盖层智能检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117333447A (zh) |
-
2023
- 2023-09-28 CN CN202311274808.4A patent/CN117333447A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106780521B (zh) | 屏幕漏光的检测方法、系统和装置 | |
| WO2021063062A1 (zh) | 一种电网设备带电检测系统、红外热像仪及方法 | |
| CN104036575A (zh) | 施工现场安全帽佩戴情况监控方法 | |
| CN105092473B (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
| CN102787353B (zh) | 单晶炉非接触式硅棒晶线测量方法 | |
| CN102261982A (zh) | 一种隧道渗水的预警方法 | |
| CN103698333B (zh) | 一种自动定量分析煤岩光片裂隙的系统和方法 | |
| CN105118535A (zh) | 核燃料组件修复检测控制系统 | |
| CN104345481A (zh) | 一种液晶屏的质量检测方法、装置及设备 | |
| CN115528810A (zh) | 一种基于电力设备的测温数据运检分析管理系统 | |
| CN111126206A (zh) | 基于深度学习的冶炼状态检测系统及检测方法 | |
| CN104931907B (zh) | 基于机器视觉的数显电测量仪表质量群检系统 | |
| CN117333447A (zh) | 玻璃熔窑配合料覆盖层智能检测系统及方法 | |
| CN202177589U (zh) | Ito导电玻璃全自动光学检测系统 | |
| CN103091332B (zh) | 一种基于机器视觉的u型粉管的检测方法及其检测系统 | |
| CN110806727B (zh) | 一种带岗位指示的化工厂安全监管、培训和考核系统及方法 | |
| CN202576610U (zh) | 一种电解槽温度检测装置 | |
| CN214173650U (zh) | 基于智能视觉的酒糟自动上料装置 | |
| CN105807795B (zh) | 基于视频图像处理的eb炉钛液液位监控系统及方法 | |
| CN112729559A (zh) | 一种lf炉炉内钢水温度监测系统 | |
| CN113863987A (zh) | 一种隧道渗水动态化智能监测系统及方法 | |
| CN110907039A (zh) | 一种管系温度检测系统及检测方法 | |
| CN203083937U (zh) | 一种基于机器视觉的u型粉管的检测系统 | |
| CN216050348U (zh) | 一种铜导电棒温度监控装置 | |
| KR20080026995A (ko) | 평판 디스플레이 패널의 도트 결함 검출 방법 |
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 |