CN103020635A - 回转窑内烧结带温度检测方法和*** - Google Patents
回转窑内烧结带温度检测方法和*** Download PDFInfo
- Publication number
- CN103020635A CN103020635A CN2012104639424A CN201210463942A CN103020635A CN 103020635 A CN103020635 A CN 103020635A CN 2012104639424 A CN2012104639424 A CN 2012104639424A CN 201210463942 A CN201210463942 A CN 201210463942A CN 103020635 A CN103020635 A CN 103020635A
- Authority
- CN
- China
- Prior art keywords
- sintering belt
- rotary kiln
- image
- data
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Muffle Furnaces And Rotary Kilns (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种回转窑内烧结带温度检测方法和***。一种方法包括:采集回转窑内烧结带图像,并根据所述回转窑内烧结带图像,得到烧结带图像特征参数;根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态。采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态之前,根据以往数据及专家经验建立所述烧结带温度数据库。本发明提供的回转窑内烧结带温度检测方法和***,能够提高回转窑内烧结带温度状态检测的准确度和可靠性。
Description
技术领域
本发明涉及温度检测技术,尤其涉及一种回转窑内烧结带温度检测方法和***。
背景技术
氧化铝生产工艺根据处理矿石的特点主要分为:拜耳法、烧结法和拜耳、烧结联合法。烧结法主要用于处理含硅高、铝硅比低的铝土矿。熟料烧结是使用烧结法进行氧化铝生产的关键工序,熟料烧结生产是以回转窑为中心组织的。。
熟料烧结过程中,回转窑内烧结带的温度直接影响烧结质量的好坏。现有技术中,对回转窑内烧结带的温度检测主要采用图像识别的方法,使用摄像机采集回转窑烧结带的火焰图像,根据采集到的图像得到图像特征参数,再由人工根据图像特征参数和经验值,得到烧结带的温度状态。所述温度状态指的是,例如,设定烧结带的状态为过烧状态、正常状态、欠烧状态三种状态。
现有技术对回转窑内烧结带的温度检测方法,一方面,由于工业回转窑窑内环境复杂,煤粉和烟雾干扰较大,导致采集到的烧结带图像质量缺乏稳定性,对烧结带的温度状态的检测结果不准确;另一方面,依靠人工经验值判断温度状态,由于人工经验不同,也会导致对烧结带的温度状态的检测结果不准确,因此,现有技术对回转窑内烧结带的温度检测方法并不可靠,不能满足实际工业生产的需要。
发明内容
本发明提供一种回转窑内烧结带温度检测方法和***,以提高回转窑内烧结带温度检测的准确度和可靠性。
本发明提供一种回转窑内烧结带温度检测方法,包括:
采集回转窑内烧结带图像,并根据所述回转窑内烧结带图像,得到烧结带图像特征参数;
根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;
根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态。
所述根据所述回转窑内烧结带图像,得到烧结带图像特征参数包括:
对所述回转窑内烧结带图像依次进行图像提取、图像滤波、图像增强、图像分割处理,得到所述烧结带区域图像;
从所述回转窑内烧结带区域图像中提取所述烧结带图像特征参数,所述烧结带图像特征参数包括整体平均灰度、物料高度、闪烁频率、黑影面积,物料颜色值、火焰颜色值。
所述根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态之前,还包括:
根据以往数据及专家经验建立所述烧结带温度数据库。
所述根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态之后,还包括:
根据得到的所述烧结带温度状态,更新所述烧结带温度数据库。
所述根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数之前,还包括:
获取所述回转窑内原始热工数据;
对所述回转窑内原始热工数据进行数据无量纲化、属性约简、特征提取处理,得到所述回转窑内热工数据。
本发明还提供一种回转窑内烧结带温度检测***包括:图像采集装置和工业计算机;
所述图像采集装置,用于采集回转窑内烧结带图像,并将所述烧结带图像传送给工业计算机;
所述工业计算机,用于根据采集到的回转窑内烧结带图像,得到烧结带图像特征参数;根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态。
所述工业计算机包括:
图像处理单元,用于对所述回转窑内烧结带图像依次进行图像提取、图像滤波、图像增强、图像分割处理,得到所述烧结带区域图像;
特征提取单元,用于从所述回转窑内烧结带图像中提取所述烧结带图像特征参数,所述烧结带图像特征参数包括整体平均灰度、物料高度、闪烁频率、黑影面积,物料颜色值、火焰颜色值。
所述工业计算机还包括:
数据库单元,用于根据以往数据及专家经验建立所述烧结带温度数据库。
所述工业计算机还包括:
数据更新单元,用于根据得到的所述烧结带温度状态,更新所述烧结带温度数据库。
该***还包括:
热工数据采集装置,用于采集回转窑实时热工数据;
所述特征提取单元,还用于获取所述回转窑内原始热工数据。
所述工业计算机还包括:数据处理单元,用于对所述回转窑内原始热工数据进行数据无量纲化、属性约简、特征提取处理,得到所述回转窑内热工数据;根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数。
本发明提供的回转窑内烧结带温度检测方法和***,通过回转窑内热工数据和烧结带图像特征参数的融合,降低了由于回转窑内环境复杂,煤粉和烟雾干扰对图像质量影响,提高了对回转窑内烧结带温度状态的检测准确度;通过使用极限学习机算法检测回转窑内烧结带温度状态,避免了人工判断带来的误差,提高了对回转窑内烧结带温度状态检测的可靠性。
附图说明
图1为本发明提供的回转窑内烧结带温度检测方法实施例一的流程图;
图2为本发明提供的回转窑内烧结带温度检测方法实施例二的流程图;
图3为本发明提供的回转窑内烧结带温度检测***实施例一的结构示意图;
图4为本发明提供的回转窑内烧结带温度检测***实施例二的结构示意图。
具体实施方式
图1为本发明提供的回转窑内烧结带温度检测方法实施例一的流程图,如图1所示,本实施例的方法可以包括:
步骤S101,采集回转窑内烧结带图像,并根据回转窑内烧结带图像,得到烧结带图像特征参数。
具体地,本实施例为了检测回转窑内烧结带温度,首先使用图像采集装置采集回转窑内烧结带图像,例如可以使用回转窑内窥式看火摄像机拍摄回转窑内烧结带的图像。然后将拍摄到的图像中的某一帧作为该时刻回转窑内烧结带图像,采用图像处理技术对该帧图像进行处理,得到所需的烧结带图像特征参数。
步骤S102,根据烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数。
具体地,本实施例为了检测回转窑内烧结带温度,还需要获取回转窑内热工数据,并将回转窑内热工数据与步骤S101中获取的烧结带图像特征参数进行融合,得到表征回转窑内烧结带全部特性的烧结带特征参数。所述回转窑内热工数据可以包括:窑头温度、窑尾温度、主机电流、冷却机电流、烧结带温度等参数。所述窑头温度、窑尾温度、烧结带温度可以通过安装在窑内的光纤比色测温仪测得,由于窑内环境复杂,因此通过光纤比色测温仪测得的温度值不准确,因此将上述温度作为热工数据与烧结带图像特征参数进行融合,共同作为烧结带特征参数来对烧结带温度状态进行判断。
需要说明的是,本实施例中对上述获取烧结带图像特征参数和回转窑内热工数据的步骤执行顺序不做限定,上述两个步骤还可以是同步执行的,但获取的烧结带图像特征参数和回转窑内热工数据需要为同一时刻的。
步骤S103,根据烧结带温度数据库中的数据,采用极限学习机算法对烧结带特征参数进行处理,得到烧结带温度状态。
具体地,得到烧结带特征参数后,采用ELM(extreme learning machine,极限学习机)算法对烧结带特征参数进行处理,用烧结带温度数据库作为ELM算法的样本,烧结带温度的不同状态作为ELM算法的分类标签,得到烧结带温度状态。本实施例中,将传统过烧状态、正常状态、欠烧状态三种烧结带状态扩展为温度过高、温度稍高、温度正常、温度稍低、温度过低五种状态,用于更精确地检测回转窑内烧结带温度状态。进一步地,获得回转窑内烧结带温度状态后,可以将该状态输出给回转窑自动控制***或操作人员。实际工业应用中,由于矿石状态的差异或者由于对最终产品需求的不同,可能需要使回转窑内烧结带的温度处于不同的温度状态。因此,获得回转窑内烧结带温度状态后,若温度状态不是所需状态,回转窑自动控制***或操作人员可以根据实际需求,对回转窑工作状态进行改变,使回转窑烧结带温度处于所需温度状态,完成闭环的控制过程,从而使烧结出的氧化铝产品满足实际需求。
本实施例的回转窑内烧结带温度检测方法,通过回转窑内热工数据和烧结带图像特征参数的融合,降低了由于回转窑内环境复杂,煤粉和烟雾干扰对图像质量影响,提高了对回转窑内烧结带温度状态的检测准确度;通过使用极限学习机算法检测回转窑内烧结带温度状态,避免了人工判断带来的误差,提高了对回转窑内烧结带温度状态检测的可靠性。
进一步地,上述步骤S101中,根据回转窑内烧结带图像,得到烧结带图像特征参数具体可以包括:对回转窑内烧结带图像依次进行图像提取、图像滤波、图像增强、图像分割处理,得到烧结带区域图像;从回转窑内烧结带区域图像中提取烧结带图像特征参数。
具体地,对回转窑内烧结带图像进行的处理过程为:(1)图像提取,从图像采集装置采集的回转窑内烧结带图像中提取某一帧图像;(2)图像滤波,消除现场的粉尘对图像的影响;(3)图像增强,突出图像感兴趣的部分,减弱或除去不必要的信息;(4)图像分割,将图像的各个部分信息从背景中提取出来,采用蚁群的分割方法,建立起蚁群算法在图像中的数学模型,将图像进行小波分解,对低频系数进行分块,利用多个蚁群对图像进行搜索分割,调整蚁群聚类中心的更新机制,采用大津算法和K均值平均进行更新各像素中心,最终多个蚁群共同协作,由局部搜索实现对整幅图像的全局感知,完成分割任务。从烧结带区域图像中提取烧结带特征参数。采用上述方法对获取的烧结带图像进行处理,得到烧结带区域图像,并从烧结带区域图像中提取烧结带特征参数,可以提高提取的烧结带特征参数的准确性。
图2为本发明提供的回转窑内烧结带温度检测方法实施例二的流程图,如图2所示,本实施例的方法可以包括:
步骤S201,根据以往数据及专家经验建立烧结带温度数据库。
具体地,在实际应用中,会积累大量的烧结带图像及回转窑热工数据,并且有上述数据对应的通过专家判断的烧结带温度状态,通过已有的烧结带图像参数及回转窑热工数据与对应的烧结带温度状态建立烧结带温度数据库,作为判断烧结带温度状态的依据。例如,采集一段时间内回转窑内烧结带火焰的视频图像,根据具有丰富看火经验的工人的经验判断出该视频图像对应的一段时间内回转窑内烧结带温度状态的趋势值,以1分钟为一个样本,把这1分钟的烧结带温度状态变化趋势作为温度判断的分类标签,并采集该时间内的回转窑内烧结带图像参数和热工数据,建立烧结带温度数据库。
步骤S202,采集回转窑内烧结带图像,并根据回转窑内烧结带图像,得到烧结带图像特征参数。
具体地,烧结带图像特征参数可以包括:整体平均灰度、物料高度、闪烁频率、黑影面积、物料颜色值、火焰颜色值等参数信息。其中,根据人类视觉特点,选取对颜色判断影响最大的火焰取平均颜色值作为火焰颜色值,选取物料区平均颜色值作为物料区颜色值。
步骤S203,获取回转窑内原始热工数据,并对回转窑内原始热工数据进行数据无量纲化、属性约简、特征提取处理,得到回转窑内热工数据。
具体地,进行如下处理(1)数据无量纲化,由于实际工况现场十分复杂,所以我们采集到的原始热工数据存在着许多问题,如不合理噪声,或者数据不规范(属性数据之间的量纲是不一致),因此我们需要消除存在明显问题的数据,并统一量纲,即归一化,形成无量纲数据样本,如此才能使得各属性间的依赖关系得到正确反映。
(2)属性约简,对采集的热工数据进行分析,由于回转窑是一个典型的多变量、非线性、强耦合、强干扰以及大时滞的复杂工业模型,在工业过程中出现的状态也是由众多因素共同产生的,因此,在提取特征前需要对数据进行滤波处理,分析数据间存在的耦合性与非线性关系,同时对不相关属性进行约减。
(3)特征提取,采用等间隔滑窗法对回转窑时间序列选取当前时刻数据和历史时刻的数据进行趋势特征提取,信号采集周期为1分钟,取10分钟间隔的10个样本进行曲线拟合,把拟合后的数据作为新的属性值。
经过上述处理,将获取到的回转窑原始热工数据转化为需要的回转窑热工数据。
步骤S204,根据烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数。
步骤S205,根据烧结带温度数据库中的数据,采用极限学习机算法对烧结带特征参数进行处理,得到烧结带温度状态。
本实施例的回转窑内烧结带温度检测方法,通过建立烧结带温度数据库,并通过ELM算法对烧结带特征参数进行处理,得到烧结带温度状态,提供了一种准确、可靠的回转窑内烧结带温度状态检测方法。
进一步地,上述方法实施例二中,步骤S205获得烧结带温度状态的检测结果后,还可以根据得到的所述烧结带温度状态,更新烧结带温度数据库。具体地,通过检测得到烧结带温度状态后,可以将该烧结带温度状态和对应的烧结带特征参数存入烧结带温度数据库,对烧结带温度数据库进行更新。从而可以进一步提高回转窑内烧结带温度状态检测的准确度。
图3为本发明提供的回转窑内烧结带温度检测***实施例一的结构示意图,如图3所示,本实施例的***可以包括:图像采集装置31和工业计算机32。
图像采集装置31,用于采集回转窑内烧结带图像,并将烧结带图像传送给工业计算机32。
具体地,图像采集装置31可以包括回转窑内窥式看火镜摄像机等用于拍摄回转窑内情况的工业摄像机,通过同轴电缆将拍摄到的图像传送至工业计算机32。进一步地,本实施例的图像采集装置31还可以通过同轴电缆将另一路信号传送至监视器,供操作人员直接观测回转窑内图像。
工业计算机32,用于根据采集到的回转窑内烧结带图像,得到烧结带图像特征参数;根据烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;将烧结带特征参数与烧结带参数模型进行相似性对比,得到烧结带温度状态;输出所述烧结带温度状态。
具体地,工业计算机32用于执行图1所示的方法实施例的各步骤。
本实施例的回转窑内烧结带温度检测***用于执行图1所示的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图4为本发明提供的回转窑内烧结带温度检测***实施例二的结构示意图,如图4所示,本实施例的***在图3所示***的基础上,还包括:
热工数据采集装置33,用于采集回转窑实时热工数据。
工业计算机32,可以包括:
图像处理单元41,用于对回转窑内烧结带图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理,得到烧结带图像。
具体地,图像处理单元41可以包括图像采集卡以及安装在工业计算机中的图像处理软件,通过图像采集卡将图像采集装置31采集到的图像转换为数字信号,并用通过图像处理软件对图像进行滤波、增强、分割等处理,生成所需的烧结带图像。
特征提取单元42,用于从回转窑内烧结带图像中提取烧结带图像特征参数,并获取回转窑内原始热工数据。
数据处理单元43,用于对回转窑内原始热工数据进行数据无量纲化、属性约简、特征提取处理,得到回转窑内热工数据;并根据烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数。
具体地,数据处理单元43一方面对特征提取单元42提取的原始热工数据进行无量纲化、属性约简、特征提取等处理,得到回转窑内热工数据;另一方面,将得到的回转窑内热工数据和特征提取单元42提取的烧结带图像特征参数进行融合,得到烧结带特征参数。
数据库单元44,用于根据以往数据及专家经验建立所述烧结带温度数据库。
具体地,数据库单元44用于存储以往的烧结带图像特征参数、回转窑内热工数据和回转窑内烧结带温度状态的对应关系。
状态检测单元45,用于根据烧结带温度数据库中的数据,采用极限学习机算法对烧结带特征参数进行处理,得到烧结带温度状态。
数据更新单元46,用于根据得到的烧结带温度状态,更新烧结带温度数据库。
本实施例的回转窑内烧结带温度检测***,通过回转窑内热工数据和烧结带图像特征参数的融合,降低了由于回转窑内环境复杂,煤粉和烟雾干扰对图像质量影响,提高了对回转窑内烧结带温度状态的检测准确度;通过使用极限学习机算法检测回转窑内烧结带温度状态,避免了人工判断带来的误差,提高了对回转窑内烧结带温度状态检测的可靠性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种回转窑内烧结带温度检测方法,其特征在于,包括:
采集回转窑内烧结带图像,并根据所述回转窑内烧结带图像,得到烧结带图像特征参数;
根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;
根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态。
2.根据权利要求1所述的方法,其特征在于,所述根据所述回转窑内烧结带图像,得到烧结带图像特征参数包括:
对所述回转窑内烧结带图像依次进行图像提取、图像滤波、图像增强、图像分割处理,得到所述烧结带区域图像;
从所述回转窑内烧结带区域图像中提取所述烧结带图像特征参数,所述烧结带图像特征参数包括整体平均灰度、物料高度、闪烁频率、黑影面积,物料颜色值、火焰颜色值。
3.根据权利要求1或2所述的方法,其特征在于,所述根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态之前,还包括:
根据以往数据及专家经验建立所述烧结带温度数据库。
4.根据权利要求3所述的方法,其特征在于,所述根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态之后,还包括:
根据得到的所述烧结带温度状态,更新所述烧结带温度数据库。
5.根据权利要求1所述的方法,其特征在于,所述根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数之前,还包括:
获取回转窑内原始热工数据;
对所述回转窑内原始热工数据进行数据无量纲化、属性约简、特征提取处理,得到所述回转窑内热工数据。
6.一种回转窑内烧结带温度检测***,其特征在于,包括:图像采集装置和工业计算机;
所述图像采集装置,用于采集回转窑内烧结带图像,并将所述烧结带图像传送给工业计算机;
所述工业计算机,用于根据采集到的回转窑内烧结带图像,得到烧结带图像特征参数;根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;根据烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到烧结带温度状态。
7.根据权利要求6所述的***,其特征在于,所述工业计算机包括:
图像处理单元,用于对所述回转窑内烧结带图像依次进行图像提取、图像滤波、图像增强、图像分割处理,得到所述烧结带区域图像;
特征提取单元,用于从所述回转窑内烧结带图像中提取所述烧结带图像特征参数,所述烧结带图像特征参数包括整体平均灰度、物料高度、闪烁频率、黑影面积,物料颜色值、火焰颜色值。
8.根据权利要求6或7所述的***,其特征在于,所述工业计算机还包括:
数据库单元,用于根据以往数据及专家经验建立所述烧结带温度数据库。
9.根据权利要求8所述的***,其特征在于,所述工业计算机还包括:
数据更新单元,用于根据得到的所述烧结带温度状态,更新所述烧结带温度数据库。
10.根据权利要求6所述的***,其特征在于,还包括:
热工数据采集装置,用于采集回转窑实时热工数据;
所述特征提取单元,还用于获取所述回转窑内原始热工数据。
所述工业计算机还包括:
数据处理单元,用于对所述回转窑内原始热工数据进行数据无量纲化、属性约简、特征提取处理,得到所述回转窑内热工数据;根据所述烧结带图像特征参数和回转窑内热工数据,得到烧结带特征参数;
状态检测单元,用于根据所述烧结带温度数据库中的数据,采用极限学习机算法对所述烧结带特征参数进行处理,得到所述烧结带温度状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210463942.4A CN103020635B (zh) | 2012-11-16 | 2012-11-16 | 回转窑内烧结带温度检测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210463942.4A CN103020635B (zh) | 2012-11-16 | 2012-11-16 | 回转窑内烧结带温度检测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020635A true CN103020635A (zh) | 2013-04-03 |
CN103020635B CN103020635B (zh) | 2015-08-26 |
Family
ID=47969225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210463942.4A Active CN103020635B (zh) | 2012-11-16 | 2012-11-16 | 回转窑内烧结带温度检测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020635B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844770A (zh) * | 2017-11-03 | 2018-03-27 | 东北大学 | 一种基于视频的电熔镁炉异常工况自动识别*** |
CN111488785A (zh) * | 2019-12-12 | 2020-08-04 | 湖南工业大学 | 基于窑内图像的回转窑工况检测方法 |
CN111680715A (zh) * | 2020-05-08 | 2020-09-18 | 湖南大学 | 考虑类别不平衡的回转窑烧结状态识别方法 |
CN113259631A (zh) * | 2021-06-18 | 2021-08-13 | 上海交通大学 | 一种基于烧结机尾的现场实时视频采集分析*** |
CN113511885A (zh) * | 2021-08-03 | 2021-10-19 | 苏州楚翰真空科技有限公司 | 一种烧结陶瓷材料的方法和*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1821756A (zh) * | 2006-03-30 | 2006-08-23 | 湖南大学 | 回转窑烧结熟料质量的计算机检测方法及检测装置 |
CN201155925Y (zh) * | 2007-12-19 | 2008-11-26 | 贵阳铝镁设计研究院 | 煅烧回转窑的温度场检测装置 |
-
2012
- 2012-11-16 CN CN201210463942.4A patent/CN103020635B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1821756A (zh) * | 2006-03-30 | 2006-08-23 | 湖南大学 | 回转窑烧结熟料质量的计算机检测方法及检测装置 |
CN201155925Y (zh) * | 2007-12-19 | 2008-11-26 | 贵阳铝镁设计研究院 | 煅烧回转窑的温度场检测装置 |
Non-Patent Citations (4)
Title |
---|
吴军等: "正负模糊规则***、极限学习机与图像分类", 《中国图象图形学报》, vol. 16, no. 8, 31 August 2011 (2011-08-31) * |
常铁成: "基于火焰图像的回转窑烧成带温度软测量方法的研究", 《万方数据企业知识服务平台》, 31 August 2006 (2006-08-31) * |
张小刚等: "基于图像反馈的回转窑烧结温度智能预测控制", 《控制理论与应用》, vol. 24, no. 6, 30 December 2007 (2007-12-30) * |
易正明等: "氧化铝回转窑火焰图像处理与特征提取", 《仪器仪表学报》, vol. 27, no. 8, 31 August 2006 (2006-08-31) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844770A (zh) * | 2017-11-03 | 2018-03-27 | 东北大学 | 一种基于视频的电熔镁炉异常工况自动识别*** |
CN111488785A (zh) * | 2019-12-12 | 2020-08-04 | 湖南工业大学 | 基于窑内图像的回转窑工况检测方法 |
CN111680715A (zh) * | 2020-05-08 | 2020-09-18 | 湖南大学 | 考虑类别不平衡的回转窑烧结状态识别方法 |
CN113259631A (zh) * | 2021-06-18 | 2021-08-13 | 上海交通大学 | 一种基于烧结机尾的现场实时视频采集分析*** |
CN113259631B (zh) * | 2021-06-18 | 2022-11-08 | 上海交通大学 | 一种基于烧结机尾的现场实时视频采集分析*** |
CN113511885A (zh) * | 2021-08-03 | 2021-10-19 | 苏州楚翰真空科技有限公司 | 一种烧结陶瓷材料的方法和*** |
CN113511885B (zh) * | 2021-08-03 | 2023-10-27 | 苏州楚翰真空科技有限公司 | 一种烧结陶瓷材料的方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN103020635B (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020635B (zh) | 回转窑内烧结带温度检测方法和*** | |
CN112036755B (zh) | 一种建筑工程质量检测的监管方法及*** | |
CN107976447A (zh) | 一种基于机器视觉的配件检测方法及*** | |
CN113506046B (zh) | 一种基于质量管理规范数据追踪的药品质量控制分析*** | |
US11556106B2 (en) | Programmable logic controller | |
WO2017057780A1 (ja) | 表示盤や操作盤のデータ収集装置、方法およびプログラム | |
CN108829762B (zh) | 基于视觉的小目标识别方法和装置 | |
CN102002582A (zh) | 一种利用图像识别的带钢同步分析监控方法和*** | |
US20180268634A1 (en) | Folded bill identification method and device | |
CN108198176A (zh) | 一种基于图像分析烟草成熟度的判别方法 | |
CN110533654A (zh) | 零部件的异常检测方法及装置 | |
CN104463125A (zh) | 基于dsp的人脸自动检测跟踪装置及其方法 | |
CN112268910A (zh) | 一种烟支外观缺陷视觉检测***及其检测方法 | |
CN105867326A (zh) | 一种成型机工艺质量参数跟踪***及其跟踪方法 | |
CN110310275A (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
CN113837312B (zh) | 一种氧化锌避雷器的运行状态评价方法及装置 | |
CN103409569B (zh) | 利用炉顶红外图像控制气流分布的方法 | |
CN113938306A (zh) | 一种基于数据清洗规则的可信认证方法及*** | |
CN116168019B (zh) | 基于机器视觉技术的电网故障检测方法及*** | |
CN117277566A (zh) | 基于大数据的电网数据分析电力调度***及方法 | |
CN107124577A (zh) | 一种基于运动目标检测的实时防窃*** | |
CN116934674A (zh) | 一种基于YOLOv8网络的大粒度硅料检测与清除*** | |
CN114724378B (zh) | 一种基于深度学习的车辆追踪统计***及方法 | |
CN110617670A (zh) | 一种基于图像识别的无人售冰箱及其识别方法 | |
CN102928118B (zh) | 回转窑内冷却带熟料温度检测方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |