一种基于机器视觉的结晶器漏钢可视化预报方法技术

一种基于机器视觉的连铸结晶器漏钢可视化预报方法，属于钢铁冶金连铸检测技术领域。具体为在线检测结晶器铜板热电偶温度信号，采用热成像技术可视化呈现结晶器铜板温度及其变化速率，并基于机器视觉原理搜索温度异常区域，提取异常区域的几何、位置、温度变化、传播等重要信息，在此基础上识别漏钢征兆，判断并预报结晶器漏钢。其实现步骤为：结晶器铜板温度及其变化速率可视化；温度异常区域阈值分割和标记；温度异常区域特征信息提取；漏钢温度模式识别与判断。其优点：将可视化与机器视觉技术有机结合，直观呈现结晶器温度分布、异常变化与发展趋势，通过提取异常区域的几何、位置、温度变化及传播等特征，直观呈现和准确识别结晶器漏钢，有效提高预报准确率。

【技术实现步骤摘要】

本专利技术涉及一种基于机器视觉的连铸结晶器漏钢可视化预报方法，属于钢铁冶金连铸检测

技术介绍
结晶器漏钢是连铸生产中的重大事故，不仅会破坏正常的生产秩序，干扰连铸顺利进行，而且将严重损毁铸机设备，造成企业巨额经济损失。因此，预报和防范漏钢是连铸生产过程监控的重要环节。按照类型划分，漏钢可分为粘结漏钢、纵裂漏钢、开浇漏钢和角部漏钢等。其中，粘结漏钢的发生几率占据漏钢总数的三分之二以上，因而，生产中针对漏钢的防范以粘结漏钢为主。关于结晶器漏钢迹象的检测和预报，通常利用埋设在结晶器铜板内的热电偶实时检测结晶器与铸坯的传热状况，并依据特定的算法，对漏钢发生前温度信号在时间、空间上 的“时滞”和“倒置”现象进行识别，预报方法包括早期开发的逻辑判断算法，以及近年来开发并投入应用的神经元网络、模式识别及其他智能预报方法。经过二十年生产经验的积累和摸索，在国内先进的板坯铸机上，基于结晶器铜板温度检测的漏钢预报系统，目前已可将漏钢次数控制在I次/年以下，为预防漏钢发挥了重要作用。然而，因生产中钢种、保护渣、拉速、液位等工艺因素的变化都会对传热产生显著影响，由此引起的温度波动时常被误判为漏钢，使得生产中误报频繁。部分板坯铸机的误报率甚至到达80%以上，正确的报警比例仅为五分之一左右。报警后铸机的频繁降速、停车不仅严重影响铸坯质量，加剧铸机设备损耗，同时加大影响现场人员的操控信心，降低了生产效率。专利CN101332499A中公开了一种板坯连铸漏钢预报控制方法，该方法为在板坯连铸过程中根据结晶器热电偶温度防止粘结漏钢的发生。在结晶器上安装多排热电偶，接收现场温度数据，统计每支热电偶的温度特征，根据温度上升幅度、下降幅度，确定每支热电偶的典型温度特征；根据热电偶具有典型的温度特征和热电偶温度上升或下降的幅度进行判断漏钢几率，并考虑漏钢时温度纵向传播和横向传播特征，确定每只热电偶的漏钢几率；当出现某支热电偶的漏钢几率达到95%时，降低拉速，停止浇注。该方法虽然提高了报警的准确率，由于连铸工艺的复杂性，热电偶实测温度曲线难免会受到钢种、液位、拉速等因素的影响，在一定程度上会增加误报次数。专利CN101850410A中公开了一种基于神经网络的连铸漏钢预报方法，该方法具体为采集连铸现场热电偶温度数据；对温度数据进行预处理；采用BP神经网络对单偶时序网络漏钢预报模型进行学习，使用遗传算法调整预报模型的连接权值和阈值，在此基础上预报结晶器漏钢。虽然该方法使报警准确率有所提高，然而，基于神经网络的漏钢预报方法高度依赖训练样本的数量和质量，并不适用于漏钢样本缺乏的新建铸机；此外，在样本制作过程中，对现场操控人员的要求也较高，很大程度上限制了方法的推广和应用效果
技术实现思路
本专利技术为了克服漏钢预报系统中存在的不足，提出，在线检测结晶器铜板热电偶温度信号，采用热成像技术可视化呈现结晶器铜板温度及其变化速率，并基于机器视觉原理搜索温度异常区域，同时提取异常区域的几何、位置、温度变化、传播等重要特征信息，在此基础上识别漏钢征兆，判断并预报结晶器漏钢。本专利技术采用的技术方案是一种基于机器视觉的连铸结晶器漏钢可视化预报方法，将结晶器可视化与机器视觉技术有机结合，可视化呈现和在线识别结晶器漏钢发展过程，准确预报结晶器漏钢。其检测步骤如下第一步、结晶器铜板温度及其变化速率可视化(I)在线检测埋设在四张结晶器铜板上所有热电偶的温度值；(2)将热电偶温度数据进行预处理，消除现场复杂电磁环境对测量温度的干扰； (3)对铜板温度值进行横向插值和纵向插值运算，计算出非热电偶测点位置的铜板温度，获得结晶器铜板温度二维分布；(4)将插值后宽面、窄面温度存储在二维数组T中，依据预先设定的温度-颜色对应关系，绘制结晶器铜板热像图，可视化呈现浇铸过程中四张结晶器铜板温度的二维分布；(5)提取当前时刻及之前k秒的宽面、窄面温度二维数组，采用帧间差分法，逐点计算同一位置在k秒内的温度变化速率，并将结果存储在温度变化速率二维数组G中；(6)依据设定的温度变化速率-颜色对应关系，绘制结晶器铜板温度速率热像图，精确、实时反映铜板温度变化情况；第二步、温度异常区域阈值分割和标记(I)在结晶器铜板温度速率热像图中搜索温度变化可疑区域；(2)采用阈值分割算法，将G中超过设定阈值的温度异常点进行分离；(3)采用八连通判别算法将温度异常点进行连通性判断，将属于同一个连通区域的点设置为同一个标号；(4)采用边界跟踪法对温度异常区域进行边界提取，并对各区域以自然数顺序进行重新标记；第三步、温度异常区域特征信息提取(I)几何特征面积S :用来描述某一个温度异常区域Rd的面积大小，即温度异常区域在结晶器温度速率热像图中所占的像素点总数。权利要求1.一种基于机器视觉的连铸结晶器漏钢可视化预报方法，其特征在于，将结晶器可视化与机器视觉技术有机结合，可视化呈现和在线识别结晶器漏钢发展过程，准确预报结晶器漏钢；其检测步骤如下 第一步、结晶器铜板温度及其变化速率可视化 (1)在线检测埋设在四张结晶器铜板上所有热电偶的温度值； (2)将热电偶温度数据进行预处理，消除现场复杂电磁环境对测量温度的干扰； (3)对铜板温度值进行横向插值和纵向插值运算，计算出非热电偶测点位置的铜板温度，获得结晶器铜板温度二维分布； (4)将插值后宽面、窄面温度存储在二维数组T中，依据预先设定的温度-颜色对应关系，绘制结晶器铜板热像图，可视化呈现浇铸过程中四张结晶器铜板温度的二维分布； (5)提取当前时刻及之前k秒的宽面、窄面温度二维数组，采用帧间差分法，逐点计算同一位置在k秒内的温度变化速率，并将结果存储在温度变化速率二维数组G中； (6)依据设定的温度变化速率-颜色对应关系，绘制结晶器铜板温度速率热像图，精确、实时反映铜板温度变化情况； 第二步、温度异常区域阈值分割和标记 (1)在结晶器铜板温度速率热像图中搜索温度变化可疑区域； (2)采用阈值分割算法，将G中超过设定阈值的温度异常点进行分离； (3)采用八连通判别算法将温度异常点进行连通性判断，将属于同一个连通区域的点设置为同一个标号； (4)采用边界跟踪法对温度异常区域进行边界提取，并对各区域以自然数顺序进行重新标记； 第三步、温度异常区域特征信息提取 (I)几何特征 面积S :用来描述某一个温度异常区域Rd的面积大小，即温度异常区域在结晶器温度速率热像图中所占的像素点总数 Xnghr 8= J/(u)’ V=Yiop X=Xleft 广 f(x, y) = l, (x,y)eRd 其中，^ I f(x,y) = 0, (x,y)^RdV- 边界周长C :某一个温度异常区域的边界Rb所占的像素点总数 Jiright C= Σ Σ/(υ)’ V=Yrop X=Xleft其中，2.根据权利要求I所述的一种基于机器视觉连铸结晶器漏钢可视化预报方法，其特征在于所述方法适用于板坯、方坯、圆坯和异型坯的连铸漏钢预报。全文摘要一种基于机器视觉的连铸结晶器漏钢可视化预报方法，属于钢铁冶金连铸检测
具体为在线检测结晶器铜板热电偶温度信号，采用热成像技术可视化呈现结晶器铜板温度及其变化速率，并基于机器视觉原理搜索温度异常区域，提取本文档来自技高网...

【技术保护点】
一种基于机器视觉的连铸结晶器漏钢可视化预报方法，其特征在于，将结晶器可视化与机器视觉技术有机结合，可视化呈现和在线识别结晶器漏钢发展过程，准确预报结晶器漏钢；其检测步骤如下：第一步、结晶器铜板温度及其变化速率可视化（1）在线检测埋设在四张结晶器铜板上所有热电偶的温度值；（2）将热电偶温度数据进行预处理，消除现场复杂电磁环境对测量温度的干扰；（3）对铜板温度值进行横向插值和纵向插值运算，计算出非热电偶测点位置的铜板温度，获得结晶器铜板温度二维分布；（4）将插值后宽面、窄面温度存储在二维数组T[x，y]中，依据预先设定的温度？颜色对应关系，绘制结晶器铜板热像图，可视化呈现浇铸过程中四张结晶器铜板温度的二维分布；（5）提取当前时刻及之前k秒的宽面、窄面温度二维数组，采用帧间差分法，逐点计算同一位置在k秒内的温度变化速率，并将结果存储在温度变化速率二维数组G[x,y]中；（6）依据设定的温度变化速率？颜色对应关系，绘制结晶器铜板温度速率热像图，精确、实时反映铜板温度变化情况；第二步、温度异常区域阈值分割和标记（1）在结晶器铜板温度速率热像图中搜索温度变化可疑区域；（2）采用阈值分割算法，将G[x，y]中超过设定阈值的温度异常点进行分离；（3）采用八连通判别算法将温度异常点进行连通性判断，将属于同一个连通区域的点设置为同一个标号；（4）采用边界跟踪法对温度异常区域进行边界提取，并对各区域以自然数顺序进行重新标记；第三步、温度异常区域特征信息提取（1）几何特征面积S：用来描述某一个温度异常区域Rd的面积大小，即温度异常区域在结晶器温度速率热像图中所占的像素点总数S=Σy=YtopYdownΣx=XleftXrightf(x,y),其中，f(x,y)=1,(x,y)∈Rdf(x,y)=0,(x,y)∉Rd边界周长C：某一个温度异常区域的边界Rb所占的像素点总数C=Σy=YtopYdownΣx=XleftXrightf(x,y),其中，f(x,y)=1,(x,y)∈Rbf(x,y)=0,(x,y)∉Rb温度异常区域宽度W：某一个温度异常区域横向扩展幅度所占像素点数W＝Xright？Xleft温度异常区域高度H：某一个温度异常区域纵向扩展幅度所占像素点数H=Ytop？Ydown（2）位置特征温度异常区域重心坐标(xc,yc)：重心坐标用来表示某一个温度异常区域中心点的位置xc=1SΣy=YtopYdownΣx=XleftXrightxf(x,y)yc=1SΣx=XleftXrightΣy=YtopYdownyf(x,y)其中，f(x,y)=1,(x,y)∈Rdf(x,y)=0,(x,y)∉Rd（3）温度变化特征温度变化速率均值fmean：某一个温度异常区域中各点温度变化速率的均值fmean=1SΣy=YtopYdownΣx=XleftXrightf(x,y)温度变化速率最大值fmax：某一个温度异常区域中温度变化速率最大值fmax=max(f(x，y))(4)传播特征纵向传播速率：发生粘结漏钢时，粘结点沿浇铸方向的移动速率，即t1时刻温度异常区域的中心坐标和t2时刻温度异常区域的重心坐标的差与时间间隔t1？t2的比值v=yt1-yt2t1-t2撕裂线与水平方向所成角度：当前时刻温度异常区域c1和c2重心点连线与水平方向所成的角度θ=arctanyc1-yc2xc1-xc2x，y分别表示结晶器温度热像图和结晶器温度速率热像图中横向、纵向坐标。坐标原点为结晶器铜板左上角，横轴x向右为正，从左至右增加；纵轴y向下为正，从上到下增加。T[x，y]是存储结晶器铜板热像图温度数据的二维数组，温度速率热像图所在的平面定义区域为R，温度变化速率用f(x，y)来表示，并将实测热电偶温度变化速率存储在二维数组G[x，y]中。Rd是某一个温度异常区域内所有点组成的集合，Rb是某一个温度异常区域的边界点所组成的集合。Ytop、Ydown是某一个温度异常区域纵向坐标最大值、最小值，Xleft，Xright是某一个温度异常区域横向坐标最大值、最小值。第四步、漏钢温度模式识别与判断(1)温度异常区域的温度变化速率均值大于0.4℃/s；(2)温度异常区域面积超过设定的阈值1250；(3)温度异常区域重心坐标出现下移，纵向传播速率大于1/2...

【技术特征摘要】

【专利技术属性】
技术研发人员：王旭东，姚曼，刘宇，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：