基于图像特征的嵌入式大包下渣检测方法

通过对现有大包下渣检测系统的分析,提出了一种基于图像特征的嵌入式下渣检测方法,阐述了系统嵌入式架构及具体实现方法.该方法以DSP为下位机系统的核心硬件平台,由FPGA与DSP组成的下位机系统将摄像头采集到的模拟图像转换成数字图像,同时进行平均灰度变化与结构相似度的图像特征提取与分析,再经HPI通信模块将处理后的数据发送...     

钢水下渣检测系统在转炉炼钢厂的应用

下渣检测系统使用红外线摄像头对钢流实时监控,通过图像识别软件判断钢水的含渣量,指导操作工进行抬炉操作或挡渣操作,从而保证既能最大限度将转炉内的钢水出尽,又能最大限度的减少下渣量,减少钢水回磷,避免磷超标的事故发生。     

VSD2000振动式大包下渣检测系统在连铸机上的应用

介绍了振动式大包下渣检测系统VSD2000的工作原理及其关键技术,分析了振动式大包下渣检测系统VSD2000矢量量化技术.     

一种改进的转炉出钢下渣检测方法及其应用

 针对传统的完全基于灰度阀值分割算法的转炉出钢下渣检测方法在遇到出钢过程中的意外情况时,检测准确率下降的缺点,提出了一种改进的红外转炉出钢下渣检测方法。该方法首先利用分水岭分割的方法将转炉出钢图像分割成几个区域,再利用形态学方法对分割出的区域进行矩形拟合以获取准确的钢流图像区域,最后通过前后共4帧图像信息的加权来消除出钢过程中的异常情况对于检测准确性的影响。现场试验结果表明,所提出的改进方法对于提高红外转炉出钢下渣检测系统报警准确率,减小下渣到钢包的渣厚度以及提高系统稳定性方面效果显著。     

下渣检测技术

本文介绍了德国AMEPA公司开发的下渣检测技术及在连铸大包中的应用,针对珠钢CSP生产线的情况,就使用下渣检测技术的经济效益进行分析。     

振动钢包下渣检测技术

介绍了钢包下渣检测技术发展现状，提出了基于振动原理的钢包下渣检测技术，对钢包下渣振动信号的分析处理方法进行了较详细论述，并简单介绍了振动钢包下渣检测的监测过程。     

连铸钢包下渣检测技术的应用

介绍了宁波钢铁炼钢厂连铸浇注过程中采用钢包下渣检测系统工作原理和应用效果。     

新型转炉出钢下渣检测的试验研究

主要叙述转炉出钢检测夹渣的必要性.目前国内外检测夹渣的方法包括电磁感应法和红外热成像法.根据这些方法存在的问题以及生产实际的需要,开发一种采用测温仪表的低成本方案检测夹渣.此外,本文还论述了仪表选择中的问题.本方案在首钢集团进行试验并取得了初步成功,为今后的研究指出了方向.     

宝钢一连铸钢包下渣检测技术的应用

叙述了宝钢炼钢厂一连铸采用的电磁法下渣检测的原理及使用效果，钢包下渣检测已成为现代连铸生产和质量控制的重要技术之一，它对防止钢包过量下渣、提高钢水纯净度，提高连铸钢水浇铸收得率、改善大包操作工的劳动强度和工作环境均有明显的效果，使用钢包下渣检测技术不仅提高了连铸生产的自动化水平，同时可以获得明显的经济效益。     

杭钢转炉DM7400下渣检测系统

介绍DM7400下渣检测系统在杭钢转炉上应用,简述了该检测系统工作原理、系统功能等。该系统可提高挡渣操作准确度和及时性等。     

基于视频图像的连铸大包下渣特征提取方法的研究

 通过机器视觉与工人肉眼的类比,设计了一种基于视频图像的连铸大包下渣检测系统,利用该系统进行了连铸大包下渣特征提取方法的研究。构建了系统平台,通过软硬件进行视频图像信号的采集与处理,实现对连铸大包下渣过程的实时在线监控,无长水口保护套时进行钢流边缘的下渣特征提取与分析,有长水口保护套时进行液面平均灰度变化、结构相似度、统计特性的多参数以及三特征综合分析的下渣特征提取与分析。工业现场试验表明：该系统具有易于安装维护、自动化程度高、使用寿命长、成本低、非接触式检测、有一定的下渣检测成功率等优点,可有效地减少下渣量,提高钢水收得率,降低中间包的存渣厚度,有较高的使用价值。     

基于红外图像的矿石传送带托辊异常检测

为了解决传统的传送带托辊异常检测方法效率低、实时性差等问题,提出一种基于红外图像识别的托辊异常检测模型。通过现场采集并使用标签平滑和Mosaic数据增强处理对托辊红外图像数据集进行扩充,降低模型的训练成本。在特征提取模块提出使用GhostNet骨干特征提取网络,能够有效地降低特征提取所需成本。在特征融合模块,提出使用SPP-Net模块优化PaNet特征融合网络,增加模型的感受野。通过深度可分离卷积块简化模型结构,降低模型的计算量和参数量,并通过LeakyReLU激活函数提高模型的学习能力。试验结果表明：该检测模型能够有效识别托辊异常。在实际检测中,该方法在托辊检测中平均准确率达到94.9%,检测速度达到39.2 FPS,为矿山传送带托辊的准确高效巡检提供了保障。     

基于RCR _YOLOv4的矿井巷道红外障碍检测研究

针对地下矿井巷道光线昏暗的道路上会出现落石或行人等行车障碍物,严重影响无人驾驶矿卡安全行驶的问题,提出了一种基于红外视觉识别的巷道障碍物快速检测优化模型RCR_YOLOv4。该模型利用K-Means++优化算法筛选巷道障碍物的先验框尺寸,并引入深度可分离卷积降低网络参数量和计算量,从而提高障碍目标的定位精度和检测效率。通过设计双通道注意力机制对网络特征融合模块进行优化,实现对无人矿卡行车障碍的高精度检测。结果表明,该目标检测模型对矿井道路障碍的检测准确率达到93.52%,检测速度达到60.6 FPS,能够为矿井巷道复杂环境下无人矿卡安全行驶提供保障。     

转炉出钢下渣检测系统在济钢的应用

本文论述了济钢宽厚板厂转炉出钢采用的下渣检测的原理和使用效果;通过实际冶炼情况得知出钢下渣检测可以有效提高合金收得率,净化钢水成分,为钢水精炼提供良好的条件;在当今钢铁业微利时代转炉出钢下渣检测是一种易于实现的降本增效的技术手段。     

转炉炉渣自动检测技术及其应用

介绍了为解决出钢带渣问题所使用的应用电磁测量原理的自动炉渣检测系统。文章重点阐述了该自动检测系统的的工作原理、传感器结构及使用该检测系统后所取得的经济、技术效益。并特别指出在我国推广和应用炉渣自动检测技术具有极其广阔的前景     

基于向量的带钢缺陷检测算法

介绍了用计算机视觉检测系统中的图像处理技术检测带钢的边裂以及孔洞。首先识别带钢图像的轮廓,得到带钢边部、孔洞的轮廓曲线向量编码,然后利用向量的点积计算轮廓的弯曲程度,据此作为判断条件,检测边裂与孔洞缺陷。实验结果表明：该方法应用到实际检测系统中,能够可靠地检出带钢的边裂。     

基于PLC自动控制和红外下渣检测的滑板挡渣技术应用

通过对转炉出钢过程中前期渣、中期渣和后期渣的分析,系统对比了挡渣球、挡渣塞、气动挡渣和滑板挡渣等挡渣方式的挡渣效果。滑板挡渣通过PLC自动控制系统采集转炉倾动角度,同时利用红外下渣检测判断下渣量。根据挡渣工艺要求,滑动水口的全开或全闭可在0.5 s内自动完成,实现出钢过程中前期渣、中期渣和后期渣的最有效阻挡。与其他挡渣方法相比,滑板的挡渣成功率达到100%,转炉出钢下渣量控制在50 mm,回磷稳定控制在0.002%以下,降低了钢水氧化性,减少了合金消耗,提高了转炉成分命中率。     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法.首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标.实验结果表明:与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快.