一种钢水下渣检测方法、装置及电子设备制造方法及图纸

本发明专利技术提供一种钢水下渣检测方法、装置及电子设备。该方法包括：获取出钢口钢水的实时图像；基于预先设置的钢水分割模型，分割实时图像中的背景和钢水，得到分割图像；基于预先设置的钢渣识别模型和分割图像，确定分割图像中钢水的钢渣比例；若钢渣比例大于设定阈值，则控制出钢口的滑板挡渣装置关闭。本发明专利技术能够提高钢水下渣过程中的检测精度和准确率。提高钢水下渣过程中的检测精度和准确率。提高钢水下渣过程中的检测精度和准确率。

【技术实现步骤摘要】
一种钢水下渣检测方法、装置及电子设备


[0001]本专利技术涉及炼钢
，尤其涉及一种钢水下渣检测方法、装置及电子设备。

技术介绍

[0002]在目前钢铁生产过程中，转炉炼钢产量已占我国炼钢总产量的85％以上。转炉炼钢具有节奏快、生产周期短、热效率高等特点，其已经发展成为最为普遍的炼钢设备。
[0003]在转炉炼钢的过程中，控制和减少转炉的下渣量成为了提高钢铁成品档次、提高钢水洁净度、减少回磷回硫的必要措施。目前，钢炉下渣主要通过红外线检测法。红外线检测法采用了远程无接触的方式，无需对原设备改装，易于安装维护。但由于红外热像仪采集的图像质量较低，边缘较模糊，应用传统的边缘检测算法无法准确测量下渣过程中钢渣质量分数，导致检测效果较差。

技术实现思路

[0004]本专利技术提供了一种钢水下渣检测方法、装置及电子设备，能够提高钢水下渣过程中的检测精度和准确率。
[0005]第一方面，本专利技术提供了一种钢水下渣检测方法，包括：获取出钢口钢水的实时图像；基于预先设置的钢水分割模型，分割实时图像中的背景和钢水，得到分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢水下渣检测方法，其特征在于，包括：获取出钢口钢水的实时图像；基于预先设置的钢水分割模型，分割所述实时图像中的背景和钢水，得到分割图像；基于预先设置的钢渣识别模型和所述分割图像，确定所述分割图像中钢水的钢渣比例；若所述钢渣比例大于设定阈值，则控制所述出钢口的滑板挡渣装置关闭。2.根据权利要求1所述的钢水下渣检测方法，其特征在于，所述基于预先设置的钢水分割模型，分割所述实时图像中的背景和钢水，得到分割图像之前，还包括：步骤11：确定所述钢水分割模型的第一训练样本；其中，所述第一训练样本包括训练集和测试集；步骤12：基于所述第一训练样本中的训练集，对神经网络模型进行训练；步骤13：基于所述第一训练样本中的测试集，对训练得到的神经网络模型进行测试，得到第一测试精度；步骤14：若所述第一测试精度达到第一设定精度，或，第一迭代次数大于第一设定次数，则退出训练过程，得到所述钢水分割模型；否则，重复执行步骤12、步骤13和步骤14，直至退出训练过程。3.根据权利要求2所述的钢水下渣检测方法，其特征在于，所述确定所述钢水分割模型的第一训练样本，包括：获取历史时期内出钢口钢水的多张图像；对所述多张图像中每张图像的背景和钢水的边界进行标记，得到多张分割图像；基于所述多张图像，以及所述多张分割图像，生成所述第一训练样本；其中，所述第一训练样本以任一图像为输入，以与该图像对应的分割图像为输出。4.根据权利要求2所述的钢水下渣检测方法，其特征在于，所述神经网络模型包括多级卷积层；所述基于所述第一训练样本中的训练集，对神经网络模型进行训练，包括：对于每级卷积层，获取该级卷积层的上级卷积层输出的特征图；对该特征图进行全局平均池化，得到该特征图中各通道的权重；基于该特征图中各通道的元素和各通道的权重，生成该级卷积层输出的特征图。5.根据权利要求4所述的钢水下渣检测方法，其特征在于，所述基于该特征图中各通道的元素和各通道的权重，生成该级卷积层输出的特征图，包括：基于该特征图中各通道的元素和各通道的权重，生成该级卷积层的初始特征图；基于该级卷积层的初...

【专利技术属性】
技术研发人员：郝俊峰，李玉涛，陈云朋，来博文，刘培培，韩建辉，徐瑛琦，张普，
申请(专利权)人：河钢数字技术股份有限公司，
类型：发明
国别省市：