烧结矿FeO含量智能检测仪的开发0灯具模具
时间：2022/09/16 04:03:30 编辑：
烧结矿FeO含量智能检测仪的开发
烧结矿FeO含量智能检测仪的开发 2011年12月09日 来源： 摘要：检测仪应用图像处理与神经网络技术，依照烧结看火工对烧结矿FeO含量的判断方法，用CCD摄像机采集烧结机尾断面图像，对所采集的图像进行实时处理，并提取特征，再由根据烧结看火工的经验知识训练的BP神经网络对图像样本分类识别，最后给出相应的FeO含量等级。 烧结矿是炼铁的主要原料，烧结矿质量的好坏，对高炉冶炼性能影响很大。在烧结矿的质量指标中，氧化亚铁(FeO)含量是一个非常重要的指标，它代表了烧结矿的还原性。在生产中适当降低烧结矿中的FeO含量，并提高其稳定性，既可以保证烧结矿的冷强度和低温还原粉化性能，又改善了烧结矿的还原性，使烧结矿的冶金性能得到改善。这样，既有利于高炉降低焦比，又使烧结生产固体燃料消耗降低。因此，烧结矿中FeO含量的检测和控制对烧结生产有着十分重要的意义。目前，烧结矿FeO含量的检测方法主要有4种：化学分析法、磁导率法、废气分析法和烧结机尾直观观察法。 在我国大多数烧结厂，烧结矿FeO含量的在线检测主要依靠人的经验，也就是由烧结看火工在烧结机尾对烧结饼断面直观观察，然后凭经验对烧结矿FeO含量做出判断，给出FeO含量的范围。虽然国内一些大型烧结厂已在烧结机尾安装了工业电视系统，看火工可以通过工业电视观察机尾断面，但仍需看火工进行判断。 我们利用图像处理和神经网络技术开发了烧结矿FeO含量在线检测仪，可以代替看火工来完成这项工作，在线判断烧结矿FeO含量。判断结果分为4等：(1)含量低；(2)含量正常；(3)含量偏高；(4)含量高。1 检测仪的结构及工作原理 烧结矿FeO含量智能检测仪的结构如图1所示。其中，图像采集系统由1台黑白CCD摄像机、滤光片、图像采集卡和PC机组成。图像采集系统的附属设备包括风反吹水冷套，空气过滤器，控制摄像时刻的采样开关，照明光源等。
检测仪的工作分为自动采样、图像处理和图像识别3个阶段。当台车每次到达预定位置时，采样开关发出信号给计算机，计算机控制图像采集系统捕捉烧结机尾断面图像；在图像处理阶段，对烧结机尾断面图像进行平滑、分割和标注处理，提取特征；在图像识别阶段，由上一步提取的图像特征，采用根据烧结看火工(专家)的经验训练的BP神经网络对图像样本分类，最后给出相应的FeO含量等级。工作原理如图2所示。
2 烧结机尾断面图像处理与特征提取 总结烧结看火工观察烧结机尾断面特征判断FeO含量的方法，经实验比较，我们为识别烧结机尾断面图像设计了2个特征：烧结机尾断面图像中红火层区域内烧结气孔面积平均值
和气孔内部火焰亮度平均值
，即图像的特征向量为
设一幅烧结机尾断面图像上烧结气孔的个数为n，各个烧结气孔的面积(以象素个数表示)为Si(i=1，2，…，n)，烧结气孔内部火焰的亮度为fij(i=1，2，…，n；j=1，2，…，ni)，ni是第i个烧结气孔的象素个数(ni=Si)，则烧结气孔面积平均值
定义为
烧结气孔内部火焰亮度平均值定义为
根据以上确定要提取的烧结机尾断面图像特征及图像特点，对图像采取如下处理：①自适应平滑算法平滑烧结机尾断面图像；②基于寻谷法和矩保持法的自适应(局域)阈值法分割烧结机尾断面图像；③两次扫描法对分割后的烧结机尾断面图像(二值图像)进行标注。在以上3个步骤处理图像后，即可由式(1)、(2)计算图像的特征向量：
机尾断面图像处理结果如图3所示。
(a)烧结机尾断面图像，256象素×256象素，256级灰度；(b)用自适应平滑算法平滑后的图像；(c)用基于寻谷法和矩保持法的自适应阈值分割后的图像；(d)图3(a)的灰度直方图；(e)图3(b)的灰度直方图 图3示例检测仪的图像处理工作过程：图3(a)为CCD摄像机摄取的烧结机尾断面细节图像，CCD摄像机镜头焦距50mm，摄像距离3m，图像对应的实际断面面积为265mm×200mm。由于现场噪声干扰，在检测仪中采用自适应平滑算法对原始图像图3(a)进行平滑滤波，结果如图3(b)。为了提取式(1)、(2)设计的图像特征，下一步采用基于寻谷法和矩保持法的自适应(局域)阈值法分割图3(b)，