基于图像-深度的盘式造球颗粒粉末填充率在线测量方法技术

本发明专利技术公开了基于图像

【技术实现步骤摘要】
基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法


[0001]本专利技术属于冶金行业参数在线测量
，具体涉及一种基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法。

技术介绍

[0002]盘式造球机是一种广泛应用于钢铁、有色冶金、水泥、肥料等工业领域的设备盘式造球是现代冶金工艺流程中的关键步骤，该过程中，盘内颗粒或粉末在混合时会不断出现碰撞、挤压，引起剪切应变效应，这对产品的粒径分布和生球的力学特性(如硬度、抗压强度等)起着主导性作用。研究人员发现，填充率是影响颗粒或粉末混合过程中的一项重要因素，物料填充率是指造球机内物料的体积与造球机容机的比值。对于工业现场的大型盘式造球机，填充率通常控制在8％～18％之间，过度填充或填充不足均会导致颗粒或粉末混合不均匀，从而造成产品质量下降。因此，准确地获取填充率是保证造球质量的必要条件。
[0003]机器视觉技术以其操作简单、速度快、非接触等特点成为参数测量应用中的一个研究热点。但是，由于盘式造球机倾斜，盘内物料处于高速运动状态且料堆形态和体积是动态变化的，盘内还有刮刀、支架、喷水器等其他部件及严重的粉尘干扰，图像质量差，导致现有的基于二维视觉的填充率离线测量方法不能用于盘式造球机内的物料填充率动态测量。目前对于盘式造球过程中填充率的在线测量研究仍然是一个空白。

技术实现思路

[0004]本专利技术提供了一种基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法，通过一台深度相机获取圆盘中物料的图像和深度信息，其中物料可以是颗粒或粉末材料，利用深度学习方法PUnet获取物料区域轮廓，采用点扫描方法定位物料区域轮廓上的四个点，利用其对圆盘区域进行恢复并分别获取物料区域与盘面区域，利用点云数据融合和转换矩阵得到圆盘中物料的体积，实现物料填充率的在线测量。
[0005]本专利技术的一种基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法，包括步骤：
[0006]将深度相机固定在支架上，并通过数据线将所述深度相机连接到数据处理单元，通过所述深度相机自身的SDK组件完成内参标定，并通过所述深度相机自身的SDK组件读取深度数据，完成所述深度相机外参标定，使所述深度相机的相机镜头入射方向法向平面与所述盘式造球机的圆盘底面平行；
[0007]通过所述深度相机获取盘式造球机的图像和深度数据，并采用极大极小值抑制法对获取的深度数据进行处理，去除非检测区域深度数据；
[0008]采用深度网络PUnet获取物料区域轮廓，采用点扫描方法定位物料区域轮廓上的四个点，并利用其对圆盘区域进行恢复，并将恢复后的圆盘区域分为两部分：物料区域与盘面区域。
[0009]将图像中提取的物料区域与盘面区域对应的深度数据进行融合处理，得到所述物
料区域的深度值，采用转换矩阵得到物料区域的3D点云数据；
[0010]采用基于数学模型的比例转换算法对获取的所述3D点云数据进行处理，得到所述盘式造球机内物料料堆的体积，通过所述物料料堆的体积与所述盘式造球机的容积比值得到物料填充率。
[0011]本专利技术还具有以下优选设计：
[0012]所述深度相机的外参标定包括：
[0013]视野调整：多次调整所述深度相机到所述盘式造球机圆盘底面的距离，直到同时满足距离和视野要求，确保整个所述盘式造球机区域处于成像范围内；
[0014]平衡调整：选择若干组相对所述盘式造球机中心对称的点，然后记录每个点的深度，多次微调所述深度相机视角，直到每一组对称点具有相同的深度值。
[0015]本专利技术所述极大极小值抑制法的过程包括：对不同转速下获取的深度数据进行分析，对不同速度下的深度数据的极值点(极大、极小值)进行抑制，并将这两类点的深度值全部设置为0.
[0016]本专利技术的所述PUnet网络提取出物料区域轮廓的过程包括：采集不同速度下造球过程图像数据，建立训练样本集、验证样本集以及测试样本集，利用数据对PUnet网络进行训练至网络收敛，获取训练模型。将待测图像输入到模型，得到物料区域轮廓。其中图像大小为640
×
480，训练样本集数量为1000、验证样本集数量为300、测试样本集数量为200，网络训练过程中批大小设置为6，优化器选用Adam函数，初始学习率设置为3e
‑
4,总计训练400次，每经过100次训练后将学习率降低90％，损失函数采用加权的二叉熵损失函数，其定义为：其中α＝0.8，β＝0.2，即增大边缘点损失，抑制非边缘点损失，更好检测物料区域边缘轮廓点。
[0017]本专利技术所述点扫描方法定位物料区域轮廓上的四个点，并利用其对圆盘区域进行恢复过程包括：
[0018]①
利用PUnet获取物料区域轮廓并朝Y轴方向进行垂直投影；
[0019]②
在Y轴方向进行搜索，确定Y轴方向的扫描区[Y
min Y
max
]，确定扫描点Y
i
＝Y
min
+i*(Y
max
‑
Y
min
)/5i＝1,2,3,4，Y轴方向每个扫描点Y
i
为基准，沿X轴物料区域轮廓方向进行扫描，依次确定轮廓点(X
i Y
i
)i＝1,2,3,4；
[0020]③
随机抽取4个轮廓点中的3个进行圆拟合，分别获取圆心坐标O
i
(i＝1,2,3)，以及对应半径R
i
(i＝1,2,3)，计算其圆心坐标与对应半径的平均值，消除误差，获取最终恢复后的圆坐标方程
[0021][0022]④
利用恢复后的圆面积减去上述物料轮廓面积(物料区域)即可获得盘面区域；
[0023]本专利技术所述盘式造球机的圆盘内物料体积和物料填充率的计算过程包括：
[0024]①
根据所述盘式造球机的圆盘内物料料堆的形态，选取圆柱形外包络作为计算体积的数学模型；
[0025]②
利用坐标转换矩阵将图像坐标系中的深度数据转换为世界坐标系中的点云数据，得到物料在现实中的实际距离量度；
[0026]③
通过物料料堆的点云在所述盘式造球机的圆盘底面所在平面上进行投影计算出物料料堆在圆盘底面面积与圆盘底面实际面积的比例P，同时，利用积分法计算出料堆体积Σ
Z
，Σ
Z
·
P的值与圆盘容积的比值P
Conv
即为所需转换的“比例”值。
[0027]本专利技术的有益效果在于：
[0028]本专利技术能够在无需停机的情况下，实现对盘式造球过程中颗粒或粉末材料填充率的在线测量，本专利技术利用一台深度相机获取圆盘中物料的图像和深度信息，首先采用极大极小值抑制方法去除非检测区域深度数据，然后分别利用深度网络PUnet方法以及点扫描方法获取物料区域与盘面区域，利用物料区域与盘面区域的深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法，其特征在于，包括步骤：将深度相机固定在支架上，并通过数据线将所述深度相机连接到数据处理单元，通过所述深度相机自身的SDK组件完成内参标定，并通过所述深度相机自身的SDK组件读取深度数据，完成所述深度相机外参标定，使所述深度相机的相机镜头入射方向法向平面与盘式造球机的圆盘底面平行；通过所述深度相机获取所述盘式造球机的图像和深度数据，采用极大极小值抑制法对获取的深度数据进行处理，去除非检测区域深度数据；采用基于深度学习的PUnet网络对获取的图像进行处理，获取图像中所述盘式造球机内物料区域，并提取出物料区域轮廓；采用点扫描方法定位物料区域轮廓上的四个点，并利用其对圆盘区域进行恢复，并将恢复后的圆盘区域分为两部分：物料区域与盘面区域；将图像中提取的物料区域与盘面区域对应深度图像中的深度数据进行融合处理，分别得到物料区域与盘面区域的深度值，采用转换矩阵得到其对应的3D点云数据；采用基于数学模型的比例转换算法对获取的所述3D点云数据进行处理，得到所述盘式造球机内物料料堆的体积，通过所述物料料堆的体积与所述盘式造球机的容积比值得到物料填充率。2.根据权利要求1所述的基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法，其特征在于，所述深度相机的外参标定包括：视野调整：多次调整所述深度相机到所述盘式造球机圆盘底面的距离，直到同时满足距离和视野要求，确保整个所述盘式造球机区域处于成像范围内；平衡调整：选择若干组相对所述盘式造球机中心对称的点，然后记录每个点的深度，多次微调所述深度相机视角，直到每一组对称点具有相同的深度值。3.根据权利要求1所述的基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法，其特征在于，所述极大极小值抑制法的过程包括：由于非检测区域(支架、刮刀、盘壁等)与物料区域和盘面区域的深度数据至有较大差异，会严重影响后续填充率的测量精度。本发明通过对不同转速下获取的深度数据进行分析，对不同速度下的深度数据的极值点(极大、极小值)进行抑制，并将这两类点的深度值全部设置为0。4.根据权利要求1所述的基于图像
‑
深度的盘式造球颗粒粉末填充率在线测量方法，其特征在利用PUnet网络提取出物料区域轮廓，所述过程包括：首先采集不同速度下造球过程图像数据，建立训练样本集、验证样本集以及测试样本集，利用数据对PUnet网络进行训练至网络收敛，获取训练模型。将待测图像输入到模型，得到物料区域轮廓。5.根据权利要求4所述的利用PUnet网络提取出物料区域轮廓，其特征在于，该网络采用典型的U结构,包括一个编码器和一个解码器,总共4层.PUnet与传统的Unet区别在于:传统Unet网络中的卷积模块采用的是3*3卷积层,其弊端在于生成大量的冗余特征图,且无法实现多尺度特征提取,本发明专利中的PUnet网络利用Pconv模块代替传统Unet网络中的卷积模块,其中Pconv模块中分别包含恒等层(不进...

【专利技术属性】
技术研发人员：吴鑫，段嘉旭，周慧，魏建好，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：