【技术实现步骤摘要】
一种基于机器视觉的中间包自动加覆盖剂控制方法
本专利技术涉及钢铁行业连铸平台中间包加覆盖剂领域，尤其涉及一种基于机器视觉的中间包自动加覆盖剂控制方法。
技术介绍
精炼后成分和温度都合格的洁净钢液，在从钢包到中间包再注入结晶器的传递过程中，会与空气相接触，导致钢液二次氧化，从而严重影响连铸钢水的质量，因此要在中间包中加入覆盖剂，达到保温防止二次氧化的作用。目前连铸机平台上中间包加覆盖剂的方式大都是人工方式，由人时刻观察洞口状态，由人工经验决定加覆盖剂与否。人工添加覆盖剂受操作者因素的影响较大，很难保证添加的稳定性，并且工人劳动强度大，工作环境恶劣。如今，随着自动化水平的提高，越来越多的钢企已经开始进行智能化改造。中间包自动加覆盖剂的核心技术就是加料口图像特征提取与特征检测，将机器视觉结合自动控制系统能显著提高现场工作效率与稳定性。在人工智能高速发展的当代，将人工智能、机器视觉应用于钢铁行业生产也是一个必然的趋势，并且钢企也迫切需要一种自动化程度高的中间包自动加覆盖剂的系统来保证高效、高精度的加覆盖剂过程，其核心就在于加...
【技术保护点】
1.一种基于机器视觉的中间包自动加覆盖剂控制方法，其特征在于，包括如下步骤：/n步骤1，将采集得到的连铸平台上中间包加料口图像进行预处理，用以构建深度卷积神经网络模型的训练集和测试集，并通过人工标注得到加料口开口等级；/n步骤2，建立深度卷积神经网络模型，网络结构为卷积层N
【技术特征摘要】
1.一种基于机器视觉的中间包自动加覆盖剂控制方法，其特征在于，包括如下步骤：
步骤1，将采集得到的连铸平台上中间包加料口图像进行预处理，用以构建深度卷积神经网络模型的训练集和测试集，并通过人工标注得到加料口开口等级；
步骤2，建立深度卷积神经网络模型，网络结构为卷积层N1个，池化层N2个，全连接层N3个，输出层单元数为N4个，输出层单元数也等于加料口开口等级Pk；
其中各卷积层之后连接有Relu激活函数，输出层使用Softmax函数，使用交叉熵函数作为损失函数；
步骤3，利用训练集对深度卷积神经网络模型进行训练优化，训练过程中使用L2正则化与Dropout算法来减少网络模型过拟合，利用Adam算法对模型权重进行调整，得到优化后深度卷积神经网络模型；
步骤4，将测试集输出到优化后的深度卷积神经网络模型中，输出中间包加料口开口等级，同时增加自学习系数ωt，将加料口开口等级、自学习系数ωt与其他影响覆盖剂燃烧的因素进行变比例加权，获得该中间包加料口需要加覆盖剂的量，将信号发至PLC中，由PLC控制加料器对覆盖剂进行定量添加，所述自学习系数ωt通过采集现场物理参数及反馈值进行修正计算所得。
2.如权利要求1所述的一种基于机器视觉的中间包自动加覆盖剂控制方法，其特征在于：步骤4中其他影响覆盖剂燃烧的因素包括但不限于钢液含碳量C、时间差值T、温度值R，其中钢液含碳量C是指由打包流入中间包内的钢液的含碳量，时间T表示从上次加入覆盖剂至此次加入覆盖剂的时间，温度R表示加入覆盖剂前的温度值，通过温度传感器获得。
3.如权利要求2所述的一种基于机器视觉的中间包自动加覆盖剂控制方法，其特征在于：步骤4中获得该...
【专利技术属性】
技术研发人员：张子豪，李阳，王胜勇，刘晓健，
申请(专利权)人：中冶南方武汉自动化有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。