CN110751669A - 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** - Google Patents
一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** Download PDFInfo
- Publication number
- CN110751669A CN110751669A CN201910976941.1A CN201910976941A CN110751669A CN 110751669 A CN110751669 A CN 110751669A CN 201910976941 A CN201910976941 A CN 201910976941A CN 110751669 A CN110751669 A CN 110751669A
- Authority
- CN
- China
- Prior art keywords
- steel flow
- infrared
- tracking
- cbocp
- image
- 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.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 138
- 239000010959 steel Substances 0.000 title claims abstract description 138
- 238000010079 rubber tapping Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 239000002893 slag Substances 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000001681 protective effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 239000003550 marker Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000009628 steelmaking Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000005275 alloying Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
本发明涉及一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于,包括以下步骤:对转炉出钢的硬件***进行初始化,红外钢流图像进行采集,获取相关信息,对红外钢流图像进行预处理,检测第一帧钢流图像的最小外接正矩形轮廓,运用CBOCP红外跟踪方法进行钢流的跟踪,判定钢流是否丢失,将跟踪结果输送到转炉出钢钢流检测与跟踪***的硬件平台;同时涉及到一种基于CBOCP的钢流自动检测跟踪***,用以实现所提供的CBOCP红外转炉出钢钢流自动检测与跟踪方法。根据本发明方法,进行钢流检测与跟踪,能够自适应跟踪框的大小、精确跟踪到目标且算法复杂度底、计算量小、实时性好,有效地解决了钢流遮挡时目标丢失和漂移问题。
Description
技术领域
本发明涉及检测技术中最小外接矩形检测技术和目标跟踪技术,尤其涉及目标跟踪技术中CBOCP(Camshift Based on Contour Features)跟踪算法,并且更具体地涉及基于的钢流自动检测与跟踪***。
背景技术
近年来,钢铁企业对提升产品档次、改善钢水质量、降低冶炼成本的要求越来越高,转炉出钢过程中钢渣含量的检测具有重要的意义。减少转炉出钢时的下渣量是提高转炉炼钢产品的质量,提高钢水收得率,降低炼钢生产成本最有效的途径之一。目前,国内外使用较多的转炉出钢检测方法有:人工视觉观察法、电磁检测法和红外图像法。人工视觉观察法,依赖于工人的现场主观判断是否停止出钢,具有很大的主观性。电磁检测法,根据钢水和钢渣的磁导率不同、次级线圈电压的变化反映钢渣含量情况,具有准确和实时的检测优势,但电磁线圈安装过程繁琐,且长期暴露在高温环境下,使用寿命短,维护费用高。红外图像法,利用钢水和钢渣的红外辐射温度差异,转换成图像,经图像处理后,检测其中钢渣的含量并分析渣占比,渣占比超过阈值后报警并启动挡渣操作,提高钢水质量。转炉下渣中利用红外图像实时检测下渣,具有不受光源、高温热源的影响,远距离监控等优点,在钢铁行业得到广泛的应用。
红外转炉钢渣检测传统方法存在将钢口钢渣、钢包溅渣识别为钢流钢渣的误差,导致渣占比偏大,提前进行挡渣操作,钢水收得率低。***实时性较差。且在出钢时加合金过程中,因化学反应产生浓烟,遮挡钢流而无法获知实际出钢情况。对此,一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,采用二值法分割钢流图像,检测目标轮廓特征并标定最小外接矩形,实现全自动跟踪。增加相邻两帧图像跟踪框质心欧氏距离判断和矩形轮廓的相似性,解决了提前挡渣和无法观测倾角变化的问题。
发明内容
本发明要解决的技术问题是,针对传统远红外在线出钢钢渣含量检测方法实时性差,停止出钢时间判断不准确,钢包因加合金产生烟尘遮挡,不利于监测转炉倾角状态等问题,采用在远红外图像检测***加入一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法。采用本发明方法,降低了钢水含渣量,准确判断出钢时间,可实时监测转炉倾角变化。
本发明提供的一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于包括以下步骤:
红外钢流图像采集过程。
红外钢流图像的处理。
红外钢流目标的检测。
前后帧跟踪框是否漂移和遮挡的判定。
远红外摄像头采集到钢流红外图像后,就进行钢流目标的检测与跟踪并进行跟踪框移动距离的判定。其中红外钢流图像的处理包括图像预处理和图像后处理,其中预处理分为双边滤波、直方图均衡化、闭运算和二值化等四个步骤。在预处理的过程中采用闭运算进行形态学处理,通过填充图像的凹角来滤波图像的,排除小型黑洞,而总的位置和形状不变,调整检测到的第一帧跟踪框的大小。
CBOCP在线红外转炉出钢钢流自动检测与跟踪方法方案如下:
1.设定合适的二值化阈值Q。
为使得二值化以后的前景区域主要由钢流目标组成,背景区域为除钢流以外的的区域,设置二值化阈值为317-338之间。
2.检测钢流矩形轮廓。
3.CBOCP算法进行跟踪。
4.确定跟踪图像。
具体过程如下:
1)检测钢流矩形轮廓:
(1)将二值化后的图像按照从左至右,从上至下扫描每一个像素点。
(2)当像素点(i,j)的像素满足值为1且(i,j)左侧的所有像素点如(i,j-1)的像素值为0,且按有序数字递增的最外层边界数NBD=0时,(i,j)定义为外边界的开始点位置。
(3)沿着开始点标记边界上的像素,标记方法为:如果当前轮廓是在0像素区域(包含(p,q+1)位置的像素点)和1像素区域(包含(p,q)位置的像素点),则将(p,q)处的像素值改为-2;其他情况将(p,q)点的像素改为2,因为图片最左列、最右列、最上列和最下列为图片框架,被设置为1。
(4)扫描过程中,非边界非零点的像素值赋值为NBD,每重新扫描一行时NBD置0。
(5)由边缘轮廓标记得到的外部边界曲线坐H={(x1,y1),(x2,y2),(x3,y3)…(xn,yn)}。
xg-xh=a,yg-yh=b (1)
式中:H为外部边界曲线、xg、xh分别为外部曲线边界最大横坐标和最小横坐标,yg、yh为外部曲线边界最大纵坐标和最小纵坐标,a,b分别为最小外接矩形的长和宽。
(6)将获得的以a和b为长宽的矩形轮廓作为下面CBOCP跟踪的初始化搜索框。
2)CBOCP算法进行跟踪:
(1)使用上述所得矩形轮廓作为CBOCP算法的初始化搜索框,对初始化区域进行统计得到颜色直方图,根据颜色直方图反向投影得到当前帧的概率分布图。
(2)根据颜色概率分布图计算搜索框W1的零阶矩M00,一阶矩M10和M01,得到新的搜索框W2,由零阶矩和一阶矩得到W2质心位置(xc,yc),调整搜索框W2的大小S,最后移动搜索窗口W1的中心(xc1,yc1)到W2的质心(xc2,yc2),当质心的移动距离收敛于设定的阈值时停止迭代,否则返回步骤(1)执行,收敛后读取下一帧图像并以当前框的位置信息作为下一帧的初始搜索框,重复执行步骤(1)和(2)。
其中,I(x,y)为图形中坐标点(x,y)处的像素值;M00为零阶矩,M10为一阶矩即x的期望值,M01对y的期望值;xc、yc分别为质心横坐标和纵坐标。
M20=∑∑x2I(x,y),M02=∑∑y2I(x,y) (5)
其中M20和M02分别求矩形框中x和对y的平方求期望,θ为搜索框的旋转角度。
其中L和W分别为搜索框的长和宽。
3)判断前后两帧跟踪框质心移动距离d
设置阈值d判断是否出现跟踪漂移和丢失,d为相邻前后两帧CBOCP跟踪框中心距离,d的取值范围为0-0.4m。
其中,(x1,y1)和(x2,y2)分别为相邻前后两帧搜索框质心坐标点,当d小于或等于0.4m时,继续使用CBOCP跟踪;当d大于0.4m时,重新使用上述方法检测钢流矩形轮廓,更新钢流的位置信息,更新CBOCP搜索框和其颜色特征。
通过结合以下附图,阅读本发明实施方式的详细描述后,本发明的其他特征、特点和优点将会变得更加清楚。
4)确定跟踪图像
本发明还提供了一种基于CBOCP钢流自动检测跟踪装置***,其特征在于,它包括:
转炉出钢***,高温红外热像仪转炉出钢监控对象。
红外滤波衰减片,将红外光干扰信号过滤掉,去掉干扰信号。
红外长焦镜头,用于获取所需红外光信号。
保护罩,用于保护红外热像仪。
红外热像仪,用于获取转炉出钢温度信号和图像信号。
DSP处理器,用于对红外热像仪的输出信号进行信息处理。
计算机监控DCS***,对采集的出钢钢流的图像和温度信息,并进行监控和分析处理,实时计算显示出钢流中渣占比和转炉出钢状况。
控制网络CNET,用于进行计算机监控DCS***和PLC***的网络通讯联系,彼此交换信息。
PLC***,根据计算机监控DCS***的分析结果对转炉出钢***进行相应调节和控制。
I/O接口模块,对PLC***的信息进行输入输出处理。
***通过红外热像仪,获取转炉出钢温度信号和图像信号,利用DSP处理器,对红外热像仪的输出信号进行信息处理,将DSP处理后的信息送到计算机监控DCS***,对采集的出钢钢流的图像和温度信息,并进行监控和分析处理,实时计算显示出钢流中渣占比和转炉出钢状况,并通过控制网络CNET,进行计算机监控DCS***和PLC***的网络通讯联系,彼此交换信息;PLC***,根据计算机监控DCS***的分析结果对转炉出钢***进行相应调节和控制,而I/O接口模块,则对PLC***的信息进行输入输出处理。
附图说明
图1是根据本发明的一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法的检测与跟踪过程流程图;
图2示出获得图1一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法图像预处理的流程图;
图3示出获得图1一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法中检测钢流矩形轮廓流程图;
图4示出获得图1一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法中进行跟踪流程图;
图5示意性示出一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪***装置图,图1到图4中所示的钢流自动检测与跟踪过程可在该***中实现;
图6示出本发明的最终实验效果图。
具体实施方式
下面将结合附图对本发明的具体实施方式进行详细说明。
图1是根据本发明一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法的过程流程图。
在步骤101,对钢流检测与跟踪的硬件***进行初始化。
在步骤102,红外摄像头采集第一帧红外图像数据,获取相关信息。
在步骤103,对红外钢流图像进行预处理。
在步骤104,检测钢流最小外接矩形轮廓。
在步骤105,进行CBOCP跟踪。
在步骤106,计算判断是否出现跟踪漂移和跟踪丢失。
在步骤107,将步骤106中的结果输送到钢流检测与跟踪***的硬件平台。
图2示出获得图1一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法中钢流图像预处理的流程图。
在步骤201,红外钢流图像预处理工作开始。
在步骤202,对红外钢流图像进行双边滤波,对输入的噪声较多的灰度图像进行滤波处理,去除图像中的叉连、断点及模糊不清的部分,得到一幅较清晰的灰度图像。
在步骤203,对红外钢流图像进行增强。
在步骤204,对红外钢流图像进行闭运算,通过填充图像的凹角来滤波图像,排除小型黑洞,而总的位置和形状不变,为检测到的第一帧跟踪框的大小做好准备工作。
在步骤205,对红外钢流图像进行二值化处理,把灰度图像变成一幅二值图像,设置二值化阈值区间为317-337,保留图像前景目标大部分为钢流图像,去除大部分的背景图像,提高最小外接矩形框的准确率。
在步骤206,红外钢流图像预处理结束;红外钢流图像预处理结束后,检测钢流最小外接矩形轮廓,即图1中的步骤103。
图3示出获得图1一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法中钢流图像最小外接矩形框获取算法的总体示意图。
在步骤301,开始逐行扫描像素点,按照从左至右,从上至下扫描每一个像素点。
在步骤302,定义为外边界的开始点位置,当像素点(i,j)的像素值为1且(i,j)左侧的所有像素点如(i,j-1)的像素值为0,且按有序数字递增的最外层边界数NBD=0时,(i,j)定义为外边界的开始点位置。
在步骤303,定义外边界轮廓标记方法,沿着开始点标记边界上的像素,标记方法为:如果当前轮廓是在0像素区域(包含(p,q+1)位置的像素点)和1像素区域(包含(p,q)位置的像素点),则将(p,q)处的像素值改为-2;其他情况将(p,q)点的像素改为2,因为图片最左列、最右列、最上列和最下列为图片框架,被设置为1。
在步骤304,选取面积符合要求的最小外接矩形框轮廓,由边缘轮廓标记得到的外部边界曲线坐标L。
在步骤305,结束矩形框钢流图像最小外接矩形框获取算法。
图4示出获得图1一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法中在CBOCP跟踪算法流程图。
在步骤401,获取一帧图片且有RGB转为HSV空间,提取H通道。
在步骤402,以检测到的最小外接矩形轮廓初始化搜索框。
在步骤403,窗口中心不变,适当放大窗口面积,为了便于确定搜索框中心、长和宽,初始搜索框的面积最好是大于或等于3的奇数。
在步骤404,计算窗口区域颜色直方图。
在步骤405,由步骤404的区域颜色直方图得到反向投影图,即颜色概率分布图。
在步骤406,调整窗口的中心到质心,重置计算区域。根据颜色概率分布图计算第一帧搜索框W1的零阶矩M00,一阶矩M10和M01,得到新的搜索框W2,由零阶矩和一阶矩得到W2质心位置(xc,yc),调整搜索框W2的大小S。
在步骤407,移动搜索窗口W1的中心IW1(xc,yc)到W2的质心IW2(xc,yc),当质心的移动距离收敛于设定的阈值时停止迭代。否则循环执行步骤505、506和507。
在步骤408,得到搜索框的质心和大小。
在步骤409,显示最终搜索框于当前帧。
在步骤410,计算县令前后两帧跟踪框中心点的欧氏距离。
在步骤411;判断质心移动距离,满足条件执行步骤412,否则执行步骤413即重新检测本帧图片的最小外接矩形轮廓。
在步骤412,判断当前帧数m是否小于总帧数n,小于总帧数时执行步骤414,否则执行416,结束跟踪过程。
在步骤414,获取下一帧图像,且由RGB转为HSV空间,提取H通道。
在步骤415,更新搜索框矿的中心和大小。后面顺序循环执行403、404等。
在步骤416,结束跟踪。
图5示意性示出一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪***装置,图1到图4中所示的钢流自动检测与跟踪过程可在该***中实现。
整个***包括:转炉出钢***(501)、红外滤波衰减片(502)、红外长焦镜头(503)、保护罩(504)、红外热像仪(505)、DSP处理器(506)、计算机监控DCS***(507)、控制网络CNET(508)、PLC***(509)、I/O接口模块(510)。
转炉出钢***(501),高温红外热像仪转炉出钢监控对象。
红外滤波衰减片(502),将红外光干扰信号过滤掉,去掉干扰信号。
红外长焦镜头(503),用于获取所需红外光信号。
保护罩(504),用于保护红外热像仪。
红外热像仪(505),用于获取转炉出钢温度信号和图像信号。
DSP处理器(506),用于对红外热像仪的输出信号进行信息处理。
计算机监控DCS***(507),对采集的出钢钢流的图像和温度信息,并进行监控和分析处理,实时计算显示出钢流中渣占比和转炉出钢状况。
控制网络CNET(508),用于进行计算机监控DCS***和PLC***的网络通讯联系,彼此交换信息。
PLC***(509),根据计算机监控DCS***的分析结果对转炉出钢***进行相应调节和控制。
I/O接口模块(510),对PLC***的信息进行输入输出处理。
技术方案是:***通过红外热像仪(505),获取转炉出钢温度信号和图像信号,利用DSP处理器(506),对红外热像仪的输出信号进行信息处理,将DSP处理器(506)处理后的信息送到计算机监控DCS***(507),对采集的出钢钢流的图像和温度信息,并进行监控和分析处理,实时计算显示出钢流中渣占比和转炉出钢状况,并通过控制网络CNET(508),进行计算机监控DCS***(507)和PLC***(509)的网络通讯联系,彼此交换信息;PLC***(509),根据计算机监控DCS***(507)的分析结果对转炉出钢***进行相应调节和控制,而I/O接口模块(510),则对PLC***(509)的信息进行输入输出处理。
图6出示一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法在目标遮挡和搜索框漂移情况下的跟踪效果图。
在有遮挡的情况下也能够实现准确跟踪,且不丢失目标,提高算法运行的速度和判断停止出钢的精确度。
本发明主要提供了一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法及***,即一种新型基于轮廓特征的CBOCP(Camshift Based on Contour Features)在线红外转炉出钢钢流自动检测与跟踪方法及***。上述方案中,一种有圆弧边界的变电站指针式仪表自动识别方法,是基于windows 7操作***下,Visual Studio 2017,以及版本为3.1.4的开源OpenCV库。
本发明提供了一种新型CBOCP的在线红外转炉出钢钢流自动检测与跟踪方法,当存在和钢流相似颜色的粉尘状颗粒物遮挡时,能够克服传统算法丢失目标和目标漂移的现象,实现自适应准确跟踪。实验结果表明,该方法避免了转炉倾角变化无法准确计算含渣量的情况,为后期钢渣的渣占比计算提高了精确度,增加了钢水的收得率。
一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法及***的有益效果和优点:根据本发明方法及***,进行钢流检测与跟踪,能够自适应跟踪框的大小、精确跟踪到目标且算法复杂度底、计算量小、实时性好,有效地解决了钢流遮挡时目标丢失和漂移问题。该检测与跟踪方法及***可用于钢铁企业。
近年钢铁企业对提高钢水收得率、提高钢厂效益、降低成本的要求较高,用该方法及***将会有较好的市场前景。
Claims (10)
1.一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于,包括以下步骤:
(1)对钢流检测与跟踪的硬件***进行初始化;
(2)对钢流图像进行采集,获取相关信息;
(3)对红外图像进行预处理;
(4)自动检测钢流矩形轮廓特征;
(5)运用CBOCP跟踪方法对检测到的目标进行跟踪;
(6)判断搜索框是否发生漂移,计算满足前后两帧图片的搜索框质心欧氏距离是否在范围内;
(7)将跟踪结果输送到钢流检测与跟踪***的硬件平台。
2.根据权利要求1所述一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于对钢流图像进行采集,获取相关信息是通过执行以下步骤实现:
(1)钢流检测与跟踪的硬件***启动开始工作;
(2)启动操作***并进行初始化;
(3)转炉出钢***,即高温红外热像仪监控对象,准备就绪;
(4)计算机监控***初始化;
(5)PLC***初始化;
(6)对红外图像进行处理;
(7)完成红外转炉出钢自动检测与跟踪***的***初始化工作。
3.根据权利要求1所述一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于红外图像预处理是通过执行以下步骤实现:
(1)红外钢流图像预处理开始工作;
(2)对红外钢流图像进行双边滤波,帮助消除图像中比较尖锐的噪声,实现图像平滑、模糊等功能,得到一幅较为清晰的图像;
(3)用直方图均衡化,对红外钢流图像进行增强;
(4)对红外钢流图像进行闭运算;
(5)对红外钢流图像进行二值化处理,设置合适的二值化阈值,将图像变为二值钢流图像的同时,通过阈值去掉大部分干扰背景,得到只剩下钢流的图像;
(6)钢流图像预处理结束后,将对钢流的最小外接矩形轮廓特征进行提取。
4.根据权利要求1所述一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于钢流的最小外接矩形轮廓特征进行提取是通过执行以下步骤实现:
(1)将二值化后的图像按照从左至右,从上至下扫描每一个像素点;
(2)定义最外层边界数NBD(边界数表示),定义为外边界的开始点位置;
(3)定义标记边界上的像素的方法;
(4)将获得的以a为长和b为宽的矩形轮廓作为下面CBOCP跟踪的初始化搜索框。
5.根据权利要求1所述一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于运用CBOCP计算跟踪并计算搜索框是通过执行以下步骤实现:
(1)将检测出的最小外接矩形轮廓作为初始化搜索框A1;
(2)计算搜索框区域颜色直方图;
(3)计算搜索区域概率分布投影图;
(4)计算搜索框A1的质心(xc,yc);
(5)计算搜索框的长L和宽W及旋转角度θ;
(6)将搜索框A1的中心移动到质心,标记为搜索框A2;
(7)同上述(5)(6)(7)一样计算A2的质心;
(8)比较A1和A2的质心移动距离是否小于阈值,若小于显示当前搜索框,否则继续执行上述(5)(6)(7)(8)(9)。
7.根据权利要求1至6中任一项所述的一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于所形成的钢流目标检测与跟踪方法,是一个有机的整体。
8.根据权利要求书1所述的一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪方法,其特征在于检测与跟踪对象为钢流。
9.一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪***,其特征在于,包括:转炉出钢***(501)、红外滤波衰减片(502)、红外长焦镜头(503)、保护罩(504)、红外热像仪(505)、DSP处理器(506)、计算机监控DCS***(507)、控制网络CNET(508)、PLC***(509)、I/O接口模块(510);
转炉出钢***(501),高温红外热像仪转炉出钢监控对象;
红外滤波衰减片(502),将红外光干扰信号过滤掉,去掉干扰信号;
红外长焦镜头(503),用于获取所需红外光信号;
保护罩(504),用于保护红外热像仪;
红外热像仪(505),用于获取转炉出钢温度信号和图像信号;
DSP处理器(506),用于对红外热像仪的输出信号进行信息处理;
计算机监控DCS***(507),对采集的出钢钢流的图像和温度信息,并进行监控和分析处理,实时计算显示出钢流中渣占比和转炉出钢状况;
控制网络CNET(508),用于进行计算机监控DCS***和PLC***的网络通讯联系,彼此交换信息;
PLC***(509),根据计算机监控DCS***的分析结果对转炉出钢***进行相应调节和控制;
I/O接口模块(510),对PLC***的信息进行输入输出处理。
10.根据权利要求9所述的一种新型CBOCP在线红外转炉出钢钢流自动检测与跟踪***,其特征在于,包括:该***所组成的CBOCP钢流自动检测跟踪装置***,用以实现权利要求1至8所述的钢流检测与跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910976941.1A CN110751669A (zh) | 2019-09-24 | 2019-09-24 | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910976941.1A CN110751669A (zh) | 2019-09-24 | 2019-09-24 | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110751669A true CN110751669A (zh) | 2020-02-04 |
Family
ID=69278355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910976941.1A Pending CN110751669A (zh) | 2019-09-24 | 2019-09-24 | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751669A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017232A (zh) * | 2020-08-31 | 2020-12-01 | 浙江水晶光电科技股份有限公司 | 图像内圆形图案的定位方法、装置及设备 |
CN112613523A (zh) * | 2020-12-15 | 2021-04-06 | 中冶赛迪重庆信息技术有限公司 | 一种转炉出钢口钢流识别方法、***、介质及电子终端 |
CN112819749A (zh) * | 2020-12-30 | 2021-05-18 | 中冶赛迪重庆信息技术有限公司 | 一种转炉出钢钢包液位识别方法、***、介质及终端 |
WO2021208324A1 (zh) * | 2020-04-16 | 2021-10-21 | 中冶赛迪工程技术股份有限公司 | 一种基于图像的测温取样下枪位置智能检测方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5968227A (en) * | 1997-11-13 | 1999-10-19 | Bethlehem Steel Corporation | System and method for minimizing slag carryover during the tapping of a BOF converter in the production of steel |
CN102181598A (zh) * | 2011-03-04 | 2011-09-14 | 浙江大学 | 基于热图像的转炉出钢下渣预判及控制方法 |
CN106441584A (zh) * | 2016-07-15 | 2017-02-22 | 天津理工大学 | 基于红外测温的转炉下渣检测方法 |
CN107043000A (zh) * | 2017-06-15 | 2017-08-15 | 西安科技大学 | 一种基于机器视觉的皮带运输机安全智能保障*** |
CN108198205A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 一种基于Vibe和Camshift算法的目标跟踪方法 |
CN108198206A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 基于多特征联合和Camshift算法结合的多目标跟踪方法 |
CA3051186A1 (en) * | 2017-02-14 | 2018-08-23 | Nippon Steel Corporation | Method of detecting slag in molten steel flow |
CN210657002U (zh) * | 2019-10-24 | 2020-06-02 | 武汉科技大学 | 一种基于高温红外热像仪的新型转炉出钢监控装置 |
-
2019
- 2019-09-24 CN CN201910976941.1A patent/CN110751669A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5968227A (en) * | 1997-11-13 | 1999-10-19 | Bethlehem Steel Corporation | System and method for minimizing slag carryover during the tapping of a BOF converter in the production of steel |
CN102181598A (zh) * | 2011-03-04 | 2011-09-14 | 浙江大学 | 基于热图像的转炉出钢下渣预判及控制方法 |
CN106441584A (zh) * | 2016-07-15 | 2017-02-22 | 天津理工大学 | 基于红外测温的转炉下渣检测方法 |
CA3051186A1 (en) * | 2017-02-14 | 2018-08-23 | Nippon Steel Corporation | Method of detecting slag in molten steel flow |
CN107043000A (zh) * | 2017-06-15 | 2017-08-15 | 西安科技大学 | 一种基于机器视觉的皮带运输机安全智能保障*** |
CN108198205A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 一种基于Vibe和Camshift算法的目标跟踪方法 |
CN108198206A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 基于多特征联合和Camshift算法结合的多目标跟踪方法 |
CN210657002U (zh) * | 2019-10-24 | 2020-06-02 | 武汉科技大学 | 一种基于高温红外热像仪的新型转炉出钢监控装置 |
Non-Patent Citations (6)
Title |
---|
G. R. BRADSKI: "Real time face and object tracking as a component of a perceptual user interface", PROCEEDINGS FOURTH IEEE WORKSHOP ON APPLICATIONS OF COMPUTER VISION, pages 214 - 219 * |
李艳丽 等: "基于改进Camshift的红外转炉钢流自动检测与跟踪", 《自动化与仪表》, vol. 34, no. 11, pages 68 - 72 * |
罗雪宁: "基于MATLAB的红枣图像处理研究", 农机化研究, vol. 37, no. 3, pages 183 - 186 * |
许晓航等: "复杂背景及遮挡条件下的运动目标跟踪", 光电工程, vol. 40, no. 1, pages 23 - 30 * |
顾苏杭, 陆兵, 戎海龙: "基于阈值判断的CamShift目标跟踪算法", 计算机测量与控制/阈值判断的CAMSHIFT目标跟踪算法, vol. 24, no. 08, pages 267 - 271 * |
黄星奕等: "实时在线检测苹果果形的一种计算方法", 食品与机械, pages 27 - 29 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021208324A1 (zh) * | 2020-04-16 | 2021-10-21 | 中冶赛迪工程技术股份有限公司 | 一种基于图像的测温取样下枪位置智能检测方法及*** |
CN112017232A (zh) * | 2020-08-31 | 2020-12-01 | 浙江水晶光电科技股份有限公司 | 图像内圆形图案的定位方法、装置及设备 |
CN112017232B (zh) * | 2020-08-31 | 2024-03-15 | 浙江水晶光电科技股份有限公司 | 图像内圆形图案的定位方法、装置及设备 |
CN112613523A (zh) * | 2020-12-15 | 2021-04-06 | 中冶赛迪重庆信息技术有限公司 | 一种转炉出钢口钢流识别方法、***、介质及电子终端 |
CN112613523B (zh) * | 2020-12-15 | 2023-04-07 | 中冶赛迪信息技术(重庆)有限公司 | 一种转炉出钢口钢流识别方法、***、介质及电子终端 |
CN112819749A (zh) * | 2020-12-30 | 2021-05-18 | 中冶赛迪重庆信息技术有限公司 | 一种转炉出钢钢包液位识别方法、***、介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751669A (zh) | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** | |
WO2021012757A1 (zh) | 基于全景多路4k视频图像的实时目标检测跟踪方法 | |
CN107133969B (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
CN101853333B (zh) | 医疗机器人导航定位图像中的标记拾取方法 | |
CN110991360B (zh) | 一种基于视觉算法的机器人巡检点位智能配置方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN111709968B (zh) | 一种基于图像处理的低空目标探测跟踪方法 | |
CN106558224B (zh) | 一种基于计算机视觉的交通智能监管方法 | |
CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
CN110455201A (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN115170619B (zh) | 一种基于密集光流法的云遮挡预测方法 | |
CN113838114B (zh) | 一种基于边缘散焦追踪的高炉料面深度估计方法及*** | |
CN103578121B (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN109558877B (zh) | 基于kcf的海上目标跟踪算法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
CN109658441B (zh) | 基于深度信息的前景检测方法及装置 | |
CN113643206A (zh) | 一种奶牛呼吸情况检测方法 | |
CN111145216B (zh) | 一种视频图像目标的跟踪方法 | |
CN106530292A (zh) | 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法 | |
CN103996199A (zh) | 一种基于深度信息的运动检测方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN110705492A (zh) | 一种舞台移动机器人障碍目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |