一种基于视觉的高炉铁水流渣铁识别方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115830501A(43)申请公布日2023.03.21(21)申请号202211522095.4G06V10/764(2022.01)(22)申请日2022.11.30(71)申请人中南大学地址410083湖南省长沙市麓山南路932号(72)发明人蒋朝辉许川潘冬黄倩黄建才周科(74)专利代理机构长沙朕扬知识产权代理事务所(普通合伙)43213专利代理师陈云枫(51)Int.Cl.G06V20/40(2022.01)G06V10/25(2022.01)G06V10/26(2022.01)G06V10/28(2022.01)G06V10/762(2022.01)权利要求书3页说明书12页附图2页(54)发明名称一种基于视觉的高炉铁水流渣铁识别方法及系统(57)摘要本发明公开了一种基于视觉的高炉铁水流渣铁识别方法及系统，通过提取铁水流图像的铁水流轮廓边界区域，对铁水流轮廓边界区域进行粉尘区域识别，获得铁水流轮廓边界区域的粉尘分布图，根据铁水流轮廓边界区域和粉尘分布图，获得铁水流ROI区域以及对铁水流ROI区域进行渣铁识别，获得高炉铁水流渣铁比，解决了现有高炉铁水流渣铁识别精度低的技术问题，通过对铁水流图像进行预处理和自适应邻域聚类图像分割，实现了铁水流渣铁像素的自适应识别，从而获得实时渣铁比统计值，该方法具有实时性强、精度高、抗干扰性强、不依赖其它检测设备等优势，适用于出铁场渣铁排放状态的长期稳定监测。CN115830501ACN115830501A权利要求书1/3页1.一种基于视觉的高炉铁水流渣铁识别方法，其特征在于，所述方法包括：采集视频关键帧；提取视频关键帧中铁水流图像的铁水流轮廓边界区域；对铁水流轮廓边界区域进行粉尘区域识别，获得铁水流轮廓边界区域的粉尘分布图；根据铁水流轮廓边界区域和粉尘分布图，获得铁水流ROI区域；对铁水流ROI区域进行渣铁识别，获得高炉铁水流渣铁比。2.根据权利要求1所述的基于视觉的高炉铁水流渣铁识别方法，其特征在于，提取视频关键帧中铁水流图像的铁水流轮廓边界区域包括：对铁水流图像进行灰度化；对灰度化后的铁水流图像进行双边滤波去噪；对双边滤波后的铁水流图像，采用Canny算子提取粗糙铁水流边界；根据粗糙铁水流边界，采用霍夫变换对铁水流股上下边界对应的上下边界抛物线进行检测；根据上下边界抛物线与铁水流图像左右边界构成的封闭区域，获得铁水流轮廓边界区域。3.根据权利要求2所述的基于视觉的高炉铁水流渣铁识别方法，其特征在于，对铁水流轮廓边界区域进行粉尘区域识别，获得铁水流轮廓边界区域的粉尘分布图包括：采用对称零面积算法，对铁水流轮廓边界区域进行寻峰；根据寻峰结果，判断铁水流轮廓边界区域是否呈现单峰特性，若是，则将铁水流轮廓边界区域直接作为无粉尘区域，若否，则判断铁水流轮廓边界区域是否呈现双峰特性，若是，则采用OTSU算法对双峰进行阈值分割，保留灰度值较大峰对应区域作为无粉尘区域，且粉尘分布图具体为：其中Fdust(i,j)表示像素点I(i,j)的粉尘状态，1表示有粉尘覆盖，‑1表示无粉尘覆盖，D与R分别表示有粉尘区域集合和无粉尘区域集合。4.根据权利要求2或3所述的基于视觉的高炉铁水流渣铁识别方法，其特征在于，根据铁水流轮廓边界区域和粉尘分布图，获得铁水流ROI区域包括：根据上下边界对应的抛物线方程，采用迭代的方法求取铁水流轮廓边界区域中铁水流像素点对应的上边界点和下边界点，若上边界点属于铁水流股区域的上边界，且下边界点属于铁水流股区域的下边界，则确定所述上边界点为铁水流ROI区域起始点，以铁水流ROI区域起始点为左上角，构造预设长度阈值和预设宽度阈值的矩形区域；遍历所述矩形区域内的粉尘状态，当所述矩形区域内所有铁水流像素点属于无粉尘区域集合且预设宽度阈值小于最大宽度阈值时，则预设宽度阈值加1，依此循环，直至预设宽度阈值等于最大宽度阈值；以铁水流ROI区域起始点为左上角，以预设长度阈值为长度，以最终的预设宽度阈值为宽度，构建矩形区域作为铁水流ROI区域。5.根据权利要求4所述的基于视觉的高炉铁水流渣铁识别方法，其特征在于，确定所述2CN115830501A权利要求书2/3页铁水流像素点为铁水流ROI区域起始点的具体坐标为：22Ps(i,0.5*(a1(i‑b1)+a2(i‑b2)+(c1+c2‑k)))，其中，i为铁水流像素点的横坐标值，(a1,b1,c1)为上边界抛物线对应的抛物线方程参数，(a2,b2,c2)为下边界抛物线对应的抛物线方程参数，k为铁水流ROI区域的预设宽度阈值。6.根据权利要求5所述的基于视觉的高炉铁水流渣铁识别方法，其特征在于，对铁水流ROI区域进行渣铁识别包括：提取铁水流ROI区域的灰度特征和纹理特征；根据灰度特征和