CN104531936A - 基于火焰图像特征的转炉钢水碳含量在线测量方法 - Google Patents

Abstract

本发明公开了基于火焰图像特征的转炉钢水碳含量在线测量方法，取相邻三帧图像Harris角点数量的平均值作为判断炼钢三个阶段的依据，计算图像中每个像素的熵，提取熵大于阈值的点作为轮廓位置，计算火焰右侧轮廓倾斜角度，获得火焰图像的轮廓之后，计算在窗口边缘的两个像素连线与水平之间的夹角，统计所有轮廓处的角度，取平均值后作为火焰的轮廓倾斜角度；在离线状态下，测量火焰末期多个时刻的钢水碳含量，同时获得与之对应的火焰右侧轮廓倾斜角度，将多个钢水碳含量数据，火焰右侧轮廓倾斜角度数据保存为二元关系表；通过插值方式实时测量钢水碳含量。本发明的有益效果是能通过火焰图像精确判断钢水含碳量。

Description

基于火焰图像特征的转炉钢水碳含量在线测量方法

技术领域

本发明属于冶金技术领域，涉及基于火焰图像特征的转炉钢水碳含量在线测量方法。

背景技术

“十二五”时期是深入推进科学发展、加快转变发展方式的攻坚阶段。以钢铁工业结构调整、转型升级为主攻方向，以自主创新和技术改造为核心，提高质量，扩大高性能钢材品种，实现量化用钢，推进节能降耗，加快实现由注重规模扩张发展向注重品种质量效益的转变成为钢铁行业结构转型的重点。炼钢过程中对钢水质量影响最大的就是碳含量，炼钢过程中对碳含量进行在线测量是全世界冶金行业普遍面临的一个重要难题，也是决定转炉炼钢终点的重要依据之一。

近年来，对钢水碳含量的判断主要有三种方式，分别是：1)副枪取样与烟气分析技术。副枪是一种在氧枪上配置有专门探头的检测装置。当需要对吹炼数据判断时,可以将副枪浸入到溶池内,检测钢水的碳含量,根据得到的数据判断吹炼所处的阶段。但副枪探测属于间断性检测,不能实现对整个吹炼过程数据的实时连续测量。另外,副枪的探头长期工作在具有高温和腐蚀的环境中且设备价格昂贵,因此使用的成本也较高,同时对炉容要求严格，不能在中小型的转炉中推广使用，一般要120吨以上，而我国钢铁生产的主体是中小型转炉,其产量占到了转炉总产量的75％左右，因此，副枪取样技术难以满足我国以中小钢厂为主的现状。烟气分析技术是指利用烟气分析仪或质谱仪等设备,检测从炉口排除的气体成分,通过仪器分析得到溶池内的脱碳速度,并将数值反馈给控制系统,根据偏差及时调整供氧量,进而达到对终点的准确控制。烟气分析技术虽然不受炉容限制，但是对原材料要求比较严，对钢厂自动化要求高，同时其价格昂贵，且质谱仪属于精密仪器，在钢厂炼钢环境下，气体标定周期短，采样头更换频繁，维护量大。2)人工判断方式。碳的氧化速度发生变化时,必然会从火焰上表现出来。从炉口观察碳氧化产生的火焰边界长短、形状、颜色、纹理等信息判断钢水含碳量的多少并进行拉碳或增碳控制终点,是炼钢工人在长期生产中积累的经验。但人工经验判断不够精确，而且判断的结果与人员的经验、当时的情绪以及状态等因素有关，使得判断存在主观性，进而影响终点判断的准确性。另外，近距离面对高温环境不利工人的身体健康与人身安全。3)光学法。光学法是指采用红外激光穿透炉口炉气来测量炉气成分控制终点控制的方式。红外激光穿透炉气时会发生变化,间接反映烟气中的化学成分,对冶金过程的在线监控提供了依据。美国伯利恒钢铁公司研制了一种光学探头,根据测定吹入转炉中的氧气、以及转炉炉口排出的炉气中波长为560nm的光强度,计算光强度的变化量和吹入氧气的总量,得到钢水中碳的含量,但这种方法仅对于低碳时的终点控制有效，而且此设备适用于200吨以上的大型转炉,对转炉的要求也比较高,难以在中小型转炉中使用。目前国内大多数的转炉炼钢生产采用人工经验进行终点判断,难以保证比较高的终点命中率,造成资源浪费,效益低下。而其他方法并不适合目前国内钢铁生产的主体是中小型转炉的现状。

发明内容

本发明的目的在于提供基于火焰图像特征的转炉钢水碳含量在线测量，解决了现有的方法没有充分利用火焰本身提供的信息，提取的特征有限，容易受到噪声的干扰，会影响结果的正确性与稳定性的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：取相邻三帧图像Harris角点数量的平均值作为判断炼钢三个阶段的依据，当角点数量为0-50时，炼钢进入末期，启动下一阶段的碳含量在线检测；

步骤2：计算图像中每个像素的熵，提取熵大于阈值的点作为轮廓位置，以图像的每个像素为中心，统计7*7的方形窗口熵，当该值大于0.9时就判断是轮廓；

步骤3：计算火焰右侧轮廓倾斜角度，获得火焰图像的轮廓之后，对轮廓上的每个像素加窗，窗口大小为7*7个像素，计算在窗口边缘的两个像素连线与水平之间的夹角，统计所有轮廓处的角度，角度在[20°-90°]之间的像素点为右侧轮廓像素，取平均值后作为火焰的轮廓倾斜角度；

步骤4：绘制角度-碳含量关系表，在离线状态下，测量火焰末期多个时刻的钢水碳含量，同时获得与之对应的火焰右侧轮廓倾斜角度，将多个钢水碳含量数据，火焰右侧轮廓倾斜角度数据保存为二元关系表；

步骤5：通过插值方式实时测量钢水碳含量，实时测量过程中，通过步骤3测得火焰右侧轮廓倾斜角度，参考步骤4获得的二元关系表，通过线性插值方法获得对应的钢水碳含量。

进一步，所述步骤2中，图像的熵定义为

$\mathrm{En}=-\underset{k=0}{\overset{s-1}{\mathrm{\Σ}}}{p}_k\log p_k;$

其中，s为像素灰度值量化的级数，值为64，p_k表示象素点落入区间k的概率。

进一步，所述步骤5中线性插值方法如下：

设有数据对(α₁，x₁)，(α₂，x₂)，求α₃对应的x₃值：

x₃＝(x₂-x₁)/(α₂-α₁)*(α₃-α₁)

从而获得数据对(α₃，x₃)。

本发明的有益效果是能通过火焰图像精确判断钢水含碳量。

附图说明

图1是本发明基于火焰图像特征的转炉钢水碳含量在线测量方法整体步骤示意图；

图2是本发明测量炉口火焰图像的Harris角点信息步骤示意图；

图3是本发明基于轮廓提取步骤示意图；

图4是本发明计算火焰右侧轮廓倾斜角度步骤示意图。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明总体流程如图1所示，本发明拟以炼钢过程产生的火焰与对应的碳含量为主要研究对象，研究火焰图像与碳含量的对应关系。首先根据火焰的细节信息定性地判断炼钢的三个阶段，当炼钢进入到最后阶段时候，根据火焰的边缘轮廓形状与实测的钢水碳含量相结合，最终实现稳定、准确的基于火焰图像多尺度特征的钢水碳含量在线测量。

步骤1：炉口火焰图像的Harris角点信息如图2所示；火焰图像内部结构时刻在发生变化，从这个意义上来说提取特征点没有意义。但是钢水的冶炼分为三个阶段，即前期、中期与晚期，通常只在冶炼的晚期对碳含量进行控制。因此如果可以准确判断晚期就可以避免在前期与中期无意义的采集与计算。研究的过程中发现火焰图像的arris角点数目可以很明显地区分冶炼的三个不同时期，如图2所示为判断冶炼过程进入哪一个时期步骤。

其中Harris角点提取方法为已知公用方法，用于提取火焰图像的角点。为了去除干扰，取相邻三帧图像Harris角点数量的平均值作为判断炼钢三个阶段的依据。

以N_i表示第i帧火焰图像角点数量，则平均角点数量N表示为：

N＝1/3(N₁+N₂+N₃)；为了归一化，摄像头离炉口5米处，计算火焰图像中心的256*256个像素点的方形窗口内平均角点数量。以此标准，依经验值，角点数量范围与炼钢三个阶段如下表所示：

火焰图像	前期	中期	晚期
				角点数(个)	>280	51～280	0～50

因此，当角点数量下降到50以内时，炼钢进入末期，可以启动下一阶段的碳含量在线检测。

步骤2：基于轮廓提取研究如图3所示；钢水碳含量与炉口火焰的轮廓有密切的关系。判断方式：当开始拉碳时，火焰的轮廓形状为圆柱形，纹理走势杂乱无章，无方向，观察不到有什么收缩变化。拉到一定程度，火焰开始向中心收拢，轮廓变为梯形。收缩量是一个判断因子，收缩量越大，碳含量越低。火焰轮廓的倾斜角度与碳含量有一定的对应关系。统计各点的熵并设定阈值，大于这个阈值的点就是轮廓。

方法：1.计算图像中每个像素的熵

在信息论中，熵的概念定义为信息量的期望，即：

En(x)＝E{I(x)}  (1)

x为信号集中的一个的取值，I(x)定义为：

I(x_k)＝log(1/p_k)＝-log(p_k)  (2)

其中x_k为信号集的第k个元素，p_k是x_k出现的概率，即0≤p_k≤1。

          (3)

图像的熵可以定义为

$\mathrm{En}=-\underset{k=0}{\overset{s-1}{\mathrm{\Σ}}}{p}_k\log p_k---\left(4\right)$

其中，s为像素灰度值量化的级数，对s不同的取值将导致灰度值量化精度的不同，如灰度图像的灰度范围[0-255]量化级数为2，则统计区间为为2个，分别是[0-127]与[128-255]，s越大，量化精度越高，计算量也越大，这里取经验值64。p_k表示象素点落入区间k的概率。

2.提取熵大于阈值的点作为轮廓位置；

火焰图像为内部结构不断变化的图像，但其内部灰度信息与外部背景有明显的区分，在火焰与背景的分界处，由于灰度值被分成两个不同的区域，因此处于这个位置的局部熵就会取得最大值。本发明中以图像的每个像素为中心，统计7*7的方形窗口熵，当该值大于0.9时就判断是轮廓。

步骤3：计算火焰右侧轮廓倾斜角度如图4所示；

获得火焰图像的轮廓之后，轮廓位置像素灰度值较高，通常在100以上，以此来获得轮廓的像素点位置。对轮廓上的每个像素加窗，窗口大小为7*7个像素，计算在窗口边缘的两个像素连线与水平之间的夹角，

设两个端点像素坐标分别是(x₁,y₁),(x₂,y₂),则角度

α＝arctan((y₂-y₁)/(x₂-x₁))

统计所有轮廓处的角度，角度在[20°-90°]之间的像素点为右侧轮廓像素，取平均值后作为火焰的轮廓倾斜角度。

步骤4：绘制角度-碳含量关系表；在离线状态下，测量火焰末期多个时刻的钢水碳含量，同时获得与之对应的火焰轮廓角度，将多个采样的数据对(钢水碳含量，轮廓角度)保存为二元关系表。

步骤5：通过插值方式实时测量钢水碳含量；实时测量过程中，通过步骤三测得火焰图像轮廓角度，参考步骤四获得的关系表，通过线性插值方法获得对应的钢水碳含量。

线性插值方法描述如下：

设有数据对(α₁，x₁)，(α₂，x₂)，求α₃对应的x₃值：

x₃＝(x₂-x₁)/(α₂-α₁)*(α₃-α₁)

从而获得数据对(α₃，x₃)

最终就根据火焰轮廓倾斜角α₃获得钢水碳含量x₃。

以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (3)

1.基于火焰图像特征的转炉钢水碳含量在线测量方法，其特征在于按照以下步骤进行：

步骤1：取相邻三帧图像Harris角点数量的平均值作为判断炼钢三个阶段的依据，当角点数量为0-50时，炼钢进入末期，启动下一阶段的碳含量在线检测；

步骤2：计算图像中每个像素的熵，提取熵大于阈值的点作为轮廓位置，以图像的每个像素为中心，统计7*7的方形窗口熵，当该值大于0.9时就判断是轮廓；

步骤3：计算火焰右侧轮廓倾斜角度，获得火焰图像的轮廓之后，对轮廓上的每个像素加窗，窗口大小为7*7个像素，计算在窗口边缘的两个像素连线与水平之间的夹角，统计所有轮廓处的角度，角度在[20°-90°]之间的像素点为右侧轮廓像素，取平均值后作为火焰的轮廓倾斜角度；

步骤4：绘制角度-碳含量关系表，在离线状态下，测量火焰末期多个时刻的钢水碳含量，同时获得与之对应的火焰右侧轮廓倾斜角度，将多个钢水碳含量数据，火焰右侧轮廓倾斜角度数据保存为二元关系表；

步骤5：通过插值方式实时测量钢水碳含量，实时测量过程中，通过步骤3测得火焰右侧轮廓倾斜角度，参考步骤4获得的二元关系表，通过线性插值方法获得对应的钢水碳含量。

2.按照权利要求1所述基于火焰图像特征的转炉钢水碳含量在线测量方法，其特征在于：所述步骤2中，图像的熵定义为

$\mathrm{En}=-\underset{k=0}{\overset{s-1}{\mathrm{\Σ}}}{p}_k\log p_k;$

其中，s为像素灰度值量化的级数，值为64，p_k表示象素点落入区间k的概率。

3.按照权利要求1所述基于火焰图像特征的转炉钢水碳含量在线测量方法，其特征在于：所述步骤5中线性插值方法如下：

设有数据对(α₁，x₁)，(α₂，x₂)，求α₃对应的x₃值：

x₃＝(x₂-x₁)/(α₂-α₁)*(α₃-α₁)

从而获得数据对(α₃，x₃)。