CN114049353A - 炉管温度监测方法 - Google Patents
炉管温度监测方法 Download PDFInfo
- Publication number
- CN114049353A CN114049353A CN202210024717.4A CN202210024717A CN114049353A CN 114049353 A CN114049353 A CN 114049353A CN 202210024717 A CN202210024717 A CN 202210024717A CN 114049353 A CN114049353 A CN 114049353A
- Authority
- CN
- China
- Prior art keywords
- furnace tube
- image
- monitoring
- temperature
- furnace
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
- F27D21/0014—Devices for monitoring temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
- F27D21/04—Arrangements of indicators or alarms
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radiation Pyrometers (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
Abstract
本发明属于在线监测技术领域,特别涉及一种炉管温度监测方法,根据监测图像计算获得炉管的温升指数,监测***能根据模板图像分析识别炉管的温升情况,从而准确及时地警示炉管异常升温,使作业人员能及时处理异常情况,保障生产安全与生产的连续性。
Description
技术领域
本发明属于在线监测技术领域,特别涉及一种炉管温度监测方法。
背景技术
乙烯裂解炉在石油化工企业的工业生产中有着举足轻重的地位,是石油化工生产的龙头,运行的好坏直接关系到生产装置能否安全、高效长周期运行。辐射室是乙烯裂解炉的核心部分,从燃烧器喷出的燃料在辐射室内燃烧,输送物料的炉管邻近火焰布置同时还要保证火焰不直接燃烧炉管,以辐射方式对物料加热。辐射室内炉管的双面受高温辐射,黏度较大的物料若在炉管内结焦,会使得炉管管壁局部温度上升,进而容易导致炉管蠕变、渗碳甚至破裂,需停车检修,从而影响生产效率与成本。
论文《乙烯装置裂解炉炉管表面温度红外监测***应用效果》中公开了基于红外监测***实现炉管表面温度的测量与可视化,并实现了超温报警功能,然而实际使用时,若设置的报警温度过高,则报警时炉管可能已经产生严重损伤,若设置的报警温度过低,则频繁报警影响生产且无法实现其警示功能。该论文中还公开了可以利用可视化技术连续追踪烧焦过程,这需要人员连续观测影响,现有的监测***无法基于现有数据自动分析异常温度升高的情况。
发明内容
本发明的目的在于提供一种能在炉管温度异常升温时及时报警的炉管温度监测方法。
为实现以上目的,本发明采用的技术方案为:一种炉管温度监测方法,包括如下步骤:
A、获取正常工作状态下炉管各处的温度值构成模板图像;
B、图像采集装置在监测工作状态下获取监测图像,识别监测图像中的炉管影像,炉管影像由炉管像素点组成;
C、比对监测图像中各炉管像素点的温度值与模板图像同位处的温度值,
若监测图像中某炉管像素点的温度值大于模板图像中对应点位的温度值,记该点位处两温度值的差为温升变化值,
若监测图像中某炉管像素点的温度值小于等于模板图像中对应点位的温度值,不统计该点位处的温升变化值,
其中,N为组成监测图像中炉管影像的像素点总数,当温升指数超过设定阈值时监测***发出警示指令。
与现有技术相比,本发明存在以下技术效果:监测***能根据模板图像分析识别炉管的温升情况,从而准确及时地警示炉管异常升温,使作业人员能及时处理异常情况,保障生产安全与生产的连续性。
附图说明
下面对本说明书各附图所表达的内容及图中的标记作简要说明:
图1是温升指数变化示意图;
图2是图1中箭头所指温升指数异常升高时刻的炉管示意图;
图3是热点占比趋势示意图;
图4是炉管纵向均匀度示意图;
图5是炉管横向均匀度示意图;
图6是炉室温度趋势曲线示意图;
图7是模板图像示意图;
图8是监测图像示意图;
图9是标记炉管影像区域的校正图像示意图。
图中:10.模板图像,11.关键点,12.匹配区,13.干扰区,20.监测图像,20a.校正图像,21.监测关键点,22.监测炉管区,23.监测分析区。
具体实施方式
下面结合附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细说明。
一种炉管温度监测方法,包括如下步骤:
A、获取正常工作状态下炉管各处的温度值构成模板图像10;
B、图像采集装置在监测工作状态下获取监测图像20,识别监测图像20中的炉管影像,炉管影像由炉管像素点组成;
C、比对监测图像20中各炉管像素点的温度值与模板图像10同位处的温度值,所述的同位处指的在图像中的坐标一致,或以某处/某点为中心点的相对坐标一致,实质上是不同图像上炉管的同处管身。
若监测图像20中某炉管像素点的温度值大于模板图像10中对应点位的温度值,记该点位处两温度值的差为温升变化值,
若监测图像20中某炉管像素点的温度值小于等于模板图像10中对应点位的温度值,不统计该点位处的温升变化值,
其中,N为组成监测图像20中炉管影像的像素点总数,
当温升指数超过设定阈值时,说明监测图像20中炉管的某处管身温升异常可能发生结焦,监测***发出警示指令。
模板图像10中各炉管的炉管温度为炉管正常工作状态下的温度,在监测工作状态下,获取得到的监测图像20能以模板图像10为基础分析炉管管身的温升情况,进而在炉管管身温升过高时及时警示工作人员。
模板图像10中炉管管身温度数据的可靠性将直接影响监测效果。可以基于炉管图像分析计算得到模板图像10。例如,在炉管正常工作状态下,固定安装的图像采集装置获取多张炉管图像,匹配各炉管图像并计算各同位炉管像素点的温度最大值/平均值,应用各炉管像素点的温度最大值/平均值绘制模板图像10。这里的同位像素点指的是各炉管图像中形成炉管同位处影像的像素点。或识别炉管图像中的炉管影像后,人工标定组成炉管影像的各炉管像素点的模板温度值并绘制模板图像10,模板温度值根据炉管历史温度数据获得,例如,标记炉管像素点所在炉管区域历史温度数据中最大值为模板温度值。也可以直接从炉管图像中选取炉管处于正常工作状态时的图像作为模板图像10。
为了更直观地示出异常温升区域,如附图2所示,在对应的监测图像20上根据温升值的大小在炉管影像处标记温升情况。常用温升彩云图示出温升情况,图中示出的温升最大区域即为异常升温区域。
如附图8所示的监测图像仅包括炉室内部分炉管的影像,为获取炉室内所有炉管的温升情况,本市实施例设置多个图像采集装置,拼接同一时刻不同图像采集装置所采集的图像获取该炉室内所有炉管的温度信息,以获得该炉室的温升指数。在所述的步骤C中,根据炉室内所有炉管的温度信息求取该炉室的温升指数,如附图1所示,以时间为横轴、炉室的温升指数为纵轴绘制温升指数变化图,温升指数曲线上升斜率超过阈值或温升指数值超过阈值,均说明炉室内的炉管温度异常。
为进一步分析温升情况,还包括步骤D,监测图像20中温度超过设定阈值的像素点总数与组成监测图像20中炉管影像的像素点总数相比得到对应炉管的热占比,以时间为横轴、热占比值为纵轴绘制热点占比趋势图。热占比基于炉管的绝对温度值计算。用于计算热占比的温度阈值根据经验设定,炉管影像中超过该温度阈值的点即为热点。根据热占比值可获知监测图像20中温度超高区域相对炉管区域的占比。热占比与温升指数结合可以进一步获知温升情况。例如,温升指数高且热占比小,则说明监测图像20或炉室内某处炉管温度异常升温,可能存在焦点;温升指数高且热占比大,则说明炉室内整体温度升高,需要调节炉室温度。
为进一步获知炉管综合温度情况,在所述的步骤A中,根据炉管上的目标监测点在模板图像10上标记关键点11;所述的步骤B中,比对模板图像10上的关键点11定位监测图像20上的监测关键点21。目标监测点为根据经验或测温需求在炉管管身上选定的实际监测区域,关键点11、监测关键点21为对应图像上目标监测点所在的较小的图形影像区域。
在监测状态下,
E1、将位于同一炉管上不同管程处的监测关键点21组成纵向关键点组,计算各纵向关键点组内监测关键点21温度值的标准差,得到该炉管的纵向均匀度,以各炉管的横向排布顺序为横轴、各炉管的纵向均匀度为纵轴绘制炉管纵向均匀度示意图。根据炉管纵向均匀度示意图可以获知各炉管从上到下的温度是否均匀。
E2、将位于同一高度处的监测关键点21组成横向关键点组,以各监测关键点21的横向排布顺序为横轴、各监测关键点21的温度值为纵轴绘制炉管横向均匀度示意图。根据炉管横向均匀度示意图可以获知同一高度处各炉管的温度是否均匀。
计算各横向关键点组内监测关键点21温度值的标准差,得到该炉管的横向均匀度并标识在炉管横向均匀度示意图。
E3、求取所有监测关键点21的平均值得到其当前温度,以时间为横轴、关键点的当前温度值为纵轴绘制炉室的温度趋势曲线图。温度趋势图基于炉管的绝对温度值绘制,根据温度趋势曲线图可以获知炉管整体的实际温度波动情况。
需要说明的是,炉管区域的准确识别是监测***的准确分析的基础,为避免算法识别监测图像20中的炉管影像时识别错误造成误报或漏报,可以应用如下方法对监测图像20进行处理以获得准确的炉管影像区域:
实施例1
一种图像处理方法,包括如下步骤:
K1、在模板图像10上标定干扰区13与匹配区12。其中,模板图像10包括构成炉管影像的炉管像素点和构成非炉管影像的非炉管像素点。
K2、获取监测图像20。具体实施时,将图像采集装置固定安装在炉墙上,获得模板图像10后,维持图像采集装置的姿态进行炉管监测作业获得监测图像20。即监测图像20与模板图像10的视角应当相近或一致,方才能保证炉管区域的准确识别。
匹配监测图像20与模板图像10得到校正图像20a,校正图像20a中具有与匹配区12影像相符的监测匹配区,然后屏蔽校正图像20a上与干扰区13相符的影像区域并对未屏蔽区域进行分析得到监测炉管区22。
图像匹配指的是通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系,寻求相似影像目标的方法。即监测图像20与模板图像10匹配后得到消除图像采集装置抖动、炉管摆动或炉墙振动影响的校正图像20a。
本实施来中匹配区12包括炉管像素点,即匹配区12位包含炉管影像的图像区域,这样在步骤K2中能得到监测图像20上与模板图像匹配区12影像相近或一致的监测匹配区,从而能得到炉管影像区域与模板图像10上炉管影像区域重合度高的校正图像20a,这样能避免炉管摆动至模板图像10上的干扰区13处时被误屏蔽,进而保证炉管摆动状态下炉管影响区域识别的准确性。
干扰区13由非炉管像素点中与炉管像素点像素信息差值小的像素点组成。这里所述的像素信息包括该像素点的灰度值、对比度、亮度等信息,非炉管像素点与炉管像素点的像素信息值差值小,则难以应用算法分割得到准确的炉管影像与非炉管影像。故而先标记图像上的易误判区域干扰区13,然后在监测工作状态下,屏蔽监测图像20中的干扰区13进行炉管识别操作,这样既能提升炉管识别的准确性,又能减少识别过程中的处理量以提升分析速率。
由于图形采集装置或炉管抖动幅度较小且均为整体抖动,只需平移就能消除抖动影响,故而本实施例应用模板匹配法匹配监测图像20与模板图像10。模板就是一副已知的小图像,模板匹配就是在一副大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸、方向和图像元素,通过算法可以在图中找到目标,确定其坐标位置。模板匹配具有自身的局限性,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。本实施例中监测图像20与模板图像10的匹配方法具体如下:
采用模板匹配算法匹配监测图像20与匹配区12,
K3、去除监测炉管区22的边缘得到监测分析区23。
监测炉管区22为监测图像20/校正图像20a中的炉管影像区域,其边缘像素点的像素信息受炉墙影响大,不能准确反映炉体的实际温度,会影响分析结果的准确性。去除监测炉管区域22边缘的像素点得到的监测分析区23,再比对监测分析区23中各炉管像素点与模板图像10中同位处炉管像素点的像素信息,比对分析数据量少且分析结果的准确性更高,不仅能减少误报,并且在连续监测的情况下也不会造成漏报。
本实施例在步骤K2中对监测图像20进行二值化处理并分割得到炉管影像后,进入步骤K3。步骤K3中应用形态学图像处理的腐蚀操作处理监测炉管区22的边缘,这样能消除监测炉管区域22边缘的凸起,得到边缘更加平滑的监测分析区23。在其他实施例中,也可以应用其他算法去除监测炉管区域22的边缘以消除区域边缘影像对测温结果的影响。
实施例2
本实施例与实施例1的不同之处在于,所述的步骤K2中分析监测图像20或校正图像20a后去除与干扰区13相符的影像区域得到监测炉管区22。即先分析监测图像20或校正图像20a,然后除去识别得到的影像区域中与干扰区13相符的影像区域,这样能避免屏蔽干扰区13进行图像分析时对图像识别效果带来的不良影响,保证炉管区域识别的可靠性。
实施例3
本实施例中,步骤K1中先获取炉管图像10,基于炉管图像10分析计算得到模板图像10或选取炉管处于正常工作状态时的炉管图像10作为模板图像10。即模板图像10中各炉管的炉管温度为炉管正常工作状态下的温度,这样才能在监测工作状态下一一比对监测分析区23的炉管像素点与模板图像10上的同位像素点,计算炉管像素点的温度变化情况。同位像素点指的是各炉管图像10中形成炉管同位处影像的像素点。
可以基于炉管图像10分析计算得到模板图像10。例如,在炉管正常工作状态下,固定安装的图像采集装置获取多张炉管图像10,匹配各炉管图像10并计算各同位炉管像素点的温度最大值/平均值,应用各炉管像素点的温度最大值/平均值绘制模板图像10。或在识别炉管图像10中的炉管影像后,人工标定组成炉管影像的各炉管像素点的模板温度值并绘制模板图像10,模板温度值可以根据炉管的历史温度记录获得,例如,标记炉管像素点所在炉管区域历史温度数据中最大值为模板温度值。也可以直接选取炉管处于正常工作状态时的炉管图像10作为模板图像10。
为便于分析炉管温度,在模板图像10上标定关键点11。关键点11为较小的图形区域,根据经验或测温需求标记,与炉管管身上选定的实际监测区域相符。
本实施例中干扰区13的具体标记方法如下:
在步骤K1中,分析炉管图像10得到初步识别图像,人工标记初步识别图像上被识别为炉管的非炉管像素点,被标定的非炉管像素点集组成干扰区13。也就是说,干扰区13由算法分割时被识别为炉管像素点的非炉管像素点集组成。这样在步骤K2中,屏蔽干扰区13后应用同样的算法识别监测图像20,能得到与初步识别图像更加吻合的监测炉管区22,有利于炉管温度的分析。
例如,应用大津法二值化处理多张炉管图像10得到其对应的初步识别图像。初步识别图像如附图2所示,图中白色区域被识别为炉管,黑色区域被识别为非炉管。结合附图1可以获知,被识别为炉管的非炉管区域包括自炉管管身间隙处显露的风口影像和位于图像左、右下角的炉墙影像。为便于分析,本实施例标记自炉管管身间隙处显露的风口影像区域和位于炉管影像下方的炉墙影像区域为干扰区13。
如附图1、2所示,大津法是按图像的灰度特性将图像分成类间方差最大的背景和前景两部分。在其他实施例中,也可以基于色彩、强度等像素信息来标记干扰区13。
Claims (7)
1.一种炉管温度监测方法,包括如下步骤:
A、获取正常工作状态下炉管各处的温度值构成模板图像(10);
B、图像采集装置在监测工作状态下获取监测图像(20),识别监测图像(20)中的炉管影像,炉管影像由炉管像素点组成;
C、比对监测图像(20)中各炉管像素点的温度值与模板图像(10)同位处的温度值,
若监测图像(20)中某炉管像素点的温度值大于模板图像(10)中对应点位的温度值,记该点位处两温度值的差为温升变化值,
若监测图像(20)中某炉管像素点的温度值小于等于模板图像(10)中对应点位的温度值,不统计该点位处的温升变化值,
其中,N为组成监测图像(20)中炉管影像的像素点总数,
当温升指数超过设定阈值时监测***发出警示指令。
2.根据权利要求1所述的炉管温度监测方法,其特征在于:所述的步骤C中,根据炉室内所有炉管的温度信息求取该炉室的温升指数,以时间为横轴、炉室的温升指数为纵轴绘制温升指数变化图;
在对应的监测图像(20)上根据温升值的大小在炉管影像处标记温升情况。
3.根据权利要求1所述的炉管温度监测方法,其特征在于:还包括步骤D,监测图像(20)中温度超过设定阈值的像素点总数与组成监测图像(20)中炉管影像的像素点总数相比得到对应炉管的热占比,以时间为横轴、热占比值为纵轴绘制热点占比趋势图。
4.根据权利要求1所述的炉管温度监测方法,其特征在于:所述的步骤A中,在炉管正常工作状态下,固定安装的图像采集装置获取多张炉管图像,炉管图像包括组成炉管影像的炉管像素点;匹配各炉管图像,计算各同位炉管像素点的温度最大值/平均值并绘制模板图像(10)。
5.根据权利要求1所述的炉管温度监测方法,其特征在于:所述的步骤A中,固定安装的图像采集装置获取炉管图像,识别炉管图像中的炉管影像,标定组成炉管影像的各炉管像素点的模板温度值并绘制模板图像(10)。
6.根据权利要求1所述的炉管温度监测方法,其特征在于:所述的步骤A包括,根据炉管上的目标监测点在模板图像(10)上标记关键点(11),
所述的步骤B中,比对模板图像(10)上的关键点(11)定位监测图像(20)上的监测关键点(21);
还包括如下步骤,
E1、将位于同一炉管上不同管程处的监测关键点(21)组成纵向关键点组,计算各纵向关键点组内监测关键点(21)温度值的标准差,得到该炉管的纵向均匀度,以各炉管的横向排布顺序为横轴、各炉管的纵向均匀度为纵轴绘制炉管纵向均匀度示意图;
E2、将不同炉管位于同一高度处的监测关键点(21)组成横向关键点组,以各监测关键点(21)的横向排布顺序为横轴、各监测关键点(21)的温度值为纵轴绘制炉管横向均匀度示意图;
计算各横向关键点组内监测关键点(21)温度值的标准差,得到该炉管的横向均匀度并标识在炉管横向均匀度示意图;
E3、求取所有监测关键点(21)的平均值得到其当前温度,以时间为横轴、关键点的当前温度值为纵轴绘制炉室的温度趋势曲线图。
7.根据权利要求1所述的炉管温度监测方法,其特征在于:所述的步骤A中,在模板图像(10)上标定匹配区(12)和干扰区(13);
所述的步骤B中,匹配监测图像(20)与匹配区(12)得到校正图像(20a),然后屏蔽校正图像(20a)上与干扰区(13)相符区域的像素信息,对校正图像(20a)的未屏蔽区域进行分析得到监测图像(20)中炉管影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024717.4A CN114049353B (zh) | 2022-01-11 | 2022-01-11 | 炉管温度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024717.4A CN114049353B (zh) | 2022-01-11 | 2022-01-11 | 炉管温度监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114049353A true CN114049353A (zh) | 2022-02-15 |
CN114049353B CN114049353B (zh) | 2022-05-03 |
Family
ID=80196203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210024717.4A Active CN114049353B (zh) | 2022-01-11 | 2022-01-11 | 炉管温度监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049353B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2139482C1 (ru) * | 1998-03-12 | 1999-10-10 | Открытое акционерное общество "Комбинат Магнезит" | Способ управления процессом обжига сырьевого материала во вращающейся печи |
US20120145375A1 (en) * | 2010-01-26 | 2012-06-14 | Robertson Transformer Co. | Thermal Impedance Matching Using Common Materials |
CN105042599A (zh) * | 2015-06-18 | 2015-11-11 | 惠州东江威立雅环境服务有限公司 | 焚烧炉回转窑安全监控及应急处理方法 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
US20170294013A1 (en) * | 2016-04-11 | 2017-10-12 | North Carolina Agricultural And Technical State University | Normalized Defect Characterization of Pulse Thermographic Nondestructive Evaluation |
CN107271044A (zh) * | 2017-05-03 | 2017-10-20 | 北京海顿中科技术有限公司 | 一种热成像温度监测装置及方法 |
CN109118482A (zh) * | 2018-08-07 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 一种面板缺陷分析方法、装置及存储介质 |
CN109671636A (zh) * | 2017-10-13 | 2019-04-23 | 三星电子株式会社 | 半导体芯片检查装置 |
CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及*** |
US20190339159A1 (en) * | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for oil leak detection |
CN110487414A (zh) * | 2019-08-16 | 2019-11-22 | 云南电网有限责任公司电力科学研究院 | 基于红外图像技术的断路器温度监测方法及*** |
CN110648489A (zh) * | 2019-09-11 | 2020-01-03 | 国网山东省电力公司 | 基于红外热成像燃点识别的库房预警*** |
CN111862019A (zh) * | 2020-07-11 | 2020-10-30 | 北京唯实兴邦科技有限公司 | 一种热电光软多维信息融合电路智能检测与故障诊断方法 |
CN113108921A (zh) * | 2021-04-19 | 2021-07-13 | 巴斯夫新材料有限公司 | 用于监测对象的温度的方法、设备和*** |
-
2022
- 2022-01-11 CN CN202210024717.4A patent/CN114049353B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2139482C1 (ru) * | 1998-03-12 | 1999-10-10 | Открытое акционерное общество "Комбинат Магнезит" | Способ управления процессом обжига сырьевого материала во вращающейся печи |
US20120145375A1 (en) * | 2010-01-26 | 2012-06-14 | Robertson Transformer Co. | Thermal Impedance Matching Using Common Materials |
CN105042599A (zh) * | 2015-06-18 | 2015-11-11 | 惠州东江威立雅环境服务有限公司 | 焚烧炉回转窑安全监控及应急处理方法 |
US20170294013A1 (en) * | 2016-04-11 | 2017-10-12 | North Carolina Agricultural And Technical State University | Normalized Defect Characterization of Pulse Thermographic Nondestructive Evaluation |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN107271044A (zh) * | 2017-05-03 | 2017-10-20 | 北京海顿中科技术有限公司 | 一种热成像温度监测装置及方法 |
CN109671636A (zh) * | 2017-10-13 | 2019-04-23 | 三星电子株式会社 | 半导体芯片检查装置 |
US20190339159A1 (en) * | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for oil leak detection |
CN109118482A (zh) * | 2018-08-07 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 一种面板缺陷分析方法、装置及存储介质 |
CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及*** |
CN110487414A (zh) * | 2019-08-16 | 2019-11-22 | 云南电网有限责任公司电力科学研究院 | 基于红外图像技术的断路器温度监测方法及*** |
CN110648489A (zh) * | 2019-09-11 | 2020-01-03 | 国网山东省电力公司 | 基于红外热成像燃点识别的库房预警*** |
CN111862019A (zh) * | 2020-07-11 | 2020-10-30 | 北京唯实兴邦科技有限公司 | 一种热电光软多维信息融合电路智能检测与故障诊断方法 |
CN113108921A (zh) * | 2021-04-19 | 2021-07-13 | 巴斯夫新材料有限公司 | 用于监测对象的温度的方法、设备和*** |
Non-Patent Citations (1)
Title |
---|
唐磊 等: "裂解炉炉管温度实时在线监测与分析", 《乙烯工业》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114049353B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lim et al. | Edge detection and measurement of nose radii of cutting tool inserts from scanned 2-D images | |
CN104713486B (zh) | 一种合掌产品宽度在线检测装置及方法 | |
US20230186516A1 (en) | Method and flat bed machine tool for detecting a fitting position of a supporting bar | |
CN114049353B (zh) | 炉管温度监测方法 | |
Gao et al. | Feature extraction of laser welding pool image and application in welding quality identification | |
CN112747864A (zh) | 基于智能视觉的酒糟自动上料方法及其*** | |
CN115424008A (zh) | 一种激光投影仪产线调光聚焦检测方法及*** | |
CN111160305A (zh) | 一种变压器套管异常监测方法及计算机可读介质 | |
CN114048828B (zh) | 炉管图像处理方法 | |
KR101939058B1 (ko) | 레이저 결정화 설비에 기인하는 무라 정량화 시스템 및 레이저 결정화 설비에 기인하는 무라 정량화 방법 | |
CN116402827A (zh) | 基于图像处理的采煤机用电缆夹板缺陷检测方法及装置 | |
US11880969B2 (en) | Belt examination system and computer-readable non-transitory recording medium having stored belt examination program | |
CN107014830A (zh) | Ito导电玻璃检测方法与检测装置 | |
US11768159B2 (en) | Belt examination system and computer-readable non-transitory recording medium having stored belt examination program | |
JP2593016B2 (ja) | 溶融合金化亜鉛めっき鋼帯の合金化度測定方法 | |
JP2021067588A (ja) | 被検査体の表面検査装置および被検査体の表面検査方法 | |
CN107833204B (zh) | 一种基于拓扑匹配的变电站设备红外图像的视觉检测方法 | |
CN110717899A (zh) | 一种透明滤棒爆珠缺陷在线视觉检测方法 | |
JPH0371946B2 (zh) | ||
CN116843654A (zh) | 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 | |
CN117554407B (zh) | 一种光子晶体镀膜缺陷的在线检测方法及*** | |
TWI806780B (zh) | 深度檢測與補償系統與方法 | |
CN109099836A (zh) | 一种扫描精度在线监控***及方法 | |
Zhang et al. | A Surface Defect Detection Method based on Information Entropy | |
Amano et al. | Development of in-process welding torch position control system using AI technology |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |