连铸机结晶器漏钢监测方法、装置、存储介质及电子终端制造方法及图纸

本发明专利技术公开了一种连铸机结晶器漏钢监测方法，所述监测方法包括：获取结晶器出口附近的铸坯图像；对采集到的所述铸坯图像进行预处理；确定铸坯的感兴趣区域；对所述铸坯的感兴趣区域进行分类识别，分类识别的结果包括漏钢和不漏钢。本发明专利技术针对钢铁行业中的连铸生产环节，监测的铸坯位于连铸机结晶器之后、弯曲段之前，可有效、准确地识别出铸坯所在的具体ROI，并判断是否发生了结晶器漏钢事故，实时将结晶器漏钢信号发送给连铸中间罐塞棒自动控制系统，及时关闭从中间罐注入结晶器的钢流，避免造成更大的漏钢损失。

Monitoring method, device, storage medium and electronic terminal for breakout of continuous caster mould

【技术实现步骤摘要】
连铸机结晶器漏钢监测方法、装置、存储介质及电子终端
本专利技术涉及图像处理、图像识别领域，尤其涉及一种连铸机结晶器漏钢监测方法、装置、存储介质及电子终端。
技术介绍
连铸生产环节：钢水从钢水罐注入中间罐，从中间罐注入结晶器，通过结晶器冷却而凝固，凝结成一定坯壳厚度的铸坯从结晶器出口被连续拉出。结晶器出口附近的坯壳比较薄，随着铸坯经过扇形段，通过二冷喷水冷却，铸坯外壳逐渐增厚直至完全凝固。在连铸生产过程中遇到的主要事故之一是“结晶器漏钢”，即液态钢水冲破坯壳流到结晶器下方，造成弯曲段、扇形段设备损坏。值得一提的是，为了保证铸坯质量，连铸机一般均配置有结晶器液面控制系统，控制结晶器液面高度稳定在±3mm内，当结晶器中的钢液面过低时，则加大塞棒开度，加大从中间罐注入结晶器的钢水流量，以保持结晶器钢液面稳定。发生结晶器漏钢事故时，结晶器的钢液面会迅速下降，如果不能及时发现结晶器漏钢事故，在结晶器液面控制系统的作用下，会加大从中间罐注入结晶器的钢水流量，从而加大漏钢事故损失。目前，没有针对连铸机结晶器漏钢事故的自动监测装置，因此，需要在结晶器出口之后，弯曲段之前，开发一种基于计算机视觉识别的连铸机结晶器漏钢监测装置，能够实时识别出结晶器出口的铸坯是否发生了漏钢事故；如果监测到发生了漏钢事故，则实时将结晶器漏钢信号发送给连铸中间罐塞棒自动控制系统，及时关闭从中间罐注入结晶器的钢流，避免造成更大的漏钢损失。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术提供一种连铸机结晶器漏钢监测方法、装置、存储介质及电子终端，以实现对结晶器漏钢的自动监测。为实现上述目的及其他相关目的，本专利技术提供一种连铸机结晶器漏钢监测方法，所述监测方法包括：获取结晶器出口附近的铸坯图像；对采集到的所述铸坯图像进行预处理；确定铸坯的感兴趣区域；对所述铸坯的感兴趣区域进行分类识别，分类识别的结果包括漏钢和不漏钢。可选地，所述确定铸坯的感兴趣区域，具体包括：获取预处理后的铸坯图像的灰度直方图；计算所述灰度直方图中两个峰值的平均值，将该平均值作为灰度值阈值；判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小，大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域；确定所述铸坯区域的最小外接矩形，则最小外接矩形为铸坯的感兴趣区域。可选地，若分类识别的结果为漏钢，则该监测方法还包括：获取前n帧铸坯的感兴趣区域；分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置；将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较；若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设定阈值，则进一步判定发生漏钢。可选地，利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。可选地，基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理；通过直方图均衡算法增强去雾后的铸坯图像的对比度。可选地，在获取铸坯图像前还包括：调整图像采集设备的焦距，使铸坯的轴线与图像的轴线重合。为实现上述目的及其他相关目的，本专利技术还提供一种连铸机结晶器漏钢监测装置，该结晶器漏钢监测装置包括：图像采集模块，用于获取结晶器出口附近的铸坯图像；预处理模块，用于对采集到的铸坯图像进行预处理；划分模块，用于确定铸坯的感兴趣区域；识别模块，用于对铸坯的感兴趣区域进行分类识别，分类识别的结果包括漏钢和不漏钢。可选地，该装置还包括判定模块，该判定模块在分类识别的结果为漏钢时，则执行以下步骤：获取前n帧铸坯的感兴趣区域；分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置；将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较；若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设定阈值，则进一步判定发生漏钢。可选地，利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。可选地，所述预处理模块包括：去雾子模块，用于基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理；对比度增强子模块，用于通过对比度增强算法增强去雾后的铸坯图像的对比度。可选地，所述划分模块包括：灰度直方图获取子模块，用于获取预处理后的铸坯图像的灰度直方图；灰度值阈值确定子模块，用于计算所述灰度直方图中两个峰值的平均值，将该平均值作为灰度值阈值；铸坯区域确定子模块，用于判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小，大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域；感兴趣区域确定子模块，用于确定所述铸坯区域的最小外接矩形，则最小外接矩形为铸坯的感兴趣区域。可选地，该装置还包括调节模块，用于调整图像采集设备的焦距，使铸坯的轴线与图像的轴线重合。为实现上述目的及其他相关目的，本专利技术还提供一种可读存储介质，存储计算机程序，所述计算机程序被处理器运行时执行所述的监测方法。为实现上述目的及其他相关目的，本专利技术还提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述的监测方法。如上所述，本专利技术的一种连铸机结晶器漏钢监测方法、装置、存储介质及电子终端，具有以下有益效果：本专利技术针对钢铁行业中的连铸生产环节，监测的铸坯位于连铸机结晶器出口之后、弯曲段之前，可有效、准确地识别出铸坯所在的具体感兴趣区域，并判断是否发生了结晶器漏钢事故，可将漏钢信号发送给自动化系统，及时关闭中间罐塞棒装置，以减小漏钢造成的损失；通过本连铸机结晶器漏钢监测方法，可实现自动化、智能化地监控结晶器出口的铸坯，并能够显著地减小结晶器漏钢事故后的损失，具有易于实现、计算量小、稳定性强等优点。附图说明图1为本专利技术一实施例一种连铸机结晶器漏钢监测方法的流程图；图2为本专利技术一实施例中感兴趣区域确定的流程图；图3为本专利技术一实施例中连铸机结晶器出口没有发生漏钢的铸坯示意图；图4为本专利技术一实施例中进一步判定是否发生漏钢的流程图；图5为本专利技术一实施例中连铸机结晶器出口发生了漏钢事故的铸坯示意图；图6为本专利技术一实施例中一种连铸机结晶器漏钢监测装置的原理框图；图7为本专利技术一实施例中预处理模块的原理框图；图8为本专利技术一实施例中划分模块的原理框图；图9为本专利技术一实施例中一种连铸机结晶器漏钢监测装置的原理框图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1所示，本实施例提供一种连铸机结晶器漏钢监测方法，该监测方法包括：S1获取结晶器出口附近的铸坯图像；于一实施例中，将工业相机固定设本文档来自技高网...

【技术保护点】
1.一种连铸机结晶器漏钢监测方法，其特征在于，所述监测方法包括：获取结晶器出口附近的铸坯图像；对采集到的所述铸坯图像进行预处理；确定铸坯的感兴趣区域；对所述铸坯的感兴趣区域进行分类识别，分类识别的结果包括漏钢和不漏钢。

【技术特征摘要】
1.一种连铸机结晶器漏钢监测方法，其特征在于，所述监测方法包括：获取结晶器出口附近的铸坯图像；对采集到的所述铸坯图像进行预处理；确定铸坯的感兴趣区域；对所述铸坯的感兴趣区域进行分类识别，分类识别的结果包括漏钢和不漏钢。2.根据权利要求1所述的一种连铸机结晶器漏钢监测方法，其特征在于，所述确定铸坯的感兴趣区域，具体包括：获取预处理后的铸坯图像的灰度直方图；计算所述灰度直方图中两个峰值的平均值，将该平均值作为灰度值阈值；判断铸坯图像中每个像素点的像素值与所述灰度值阈值的大小，大于灰度值阈值的像素值所属像素点形成的图像为铸坯区域；确定所述铸坯区域的最小外接矩形，则最小外接矩形为铸坯的感兴趣区域。3.根据权利要求2所述的一种连铸机结晶器漏钢监测方法，其特征在于，若分类识别的结果为漏钢，则该监测方法还包括：获取前n帧铸坯的感兴趣区域；分别获取所述前n帧铸坯的感兴趣区域的中心位置并计算前n帧铸坯的感兴趣区域的中心位置的平均位置；将前n帧铸坯的感兴趣区域的中心位置的平均位置与第n帧铸坯的感兴趣区域的中心位置进行比较；若所述第n帧铸坯的感兴趣区域的中心位置与所述前n帧铸坯的感兴趣区域的平均位置间的距离超过设置阈值，则进一步判定发生漏钢。4.根据权利要求1所述的一种连铸机结晶器漏钢监测方法，其特征在于，利用卷积神经网络算法对铸坯的感兴趣区域进行识别分类。5.根据权利要求1所述的一种连铸机结晶器漏钢监测方法，其特征在于，所述对采集到的铸坯图像进行预处理，具体包括：基于暗通道先验的去雾算法对获取的铸坯图像进行去雾处理；通过直方图均衡算法增强去雾后的铸坯图像的对比度。6.根据权利要求1所述的一种连铸机结晶器漏钢监测方法，其特征在于，在获取铸坯图像前还包括：调整图像采集设备的焦距，使铸坯的轴线与图像的轴线重合。7.一种连铸机结晶器漏钢监测装置，其特征在于，该结晶器漏钢监测装置包括：图像采集模块，用于获取结晶器出口附近的铸坯图像；预处理模块，用于对采集到的铸坯图像进行预处理；划分模块，用于确定铸坯的感兴趣区域；识别模块，用于对铸坯的感兴趣区域进行分类识别，分类...

【专利技术属性】
技术研发人员：丁小林，庞殊杨，
申请(专利权)人：中冶赛迪工程技术股份有限公司，中冶赛迪重庆信息技术有限公司，
类型：发明
国别省市：重庆,50