中间包钢水液位测量中结渣特征提取的研究

论文摘要

连铸生产中,中间包液位信息是保证生产顺利进行的关键参数之一。由于中间包钢水上方覆盖保护渣层,导致传统的微波、激光、浮子等液位测量方法无法使用。针对这一难题,提出一种基于温度特征提取的中间包钢水液位测量方法。然而,在实际测量过程中,由于保护渣容易结壳,出现完全遮挡视觉、破坏温度梯度特征的情况,产生测量误差。因此对于结渣异常情况下的液位图像进行去噪、边缘检测、特征提取和分类等方面的研究。首先,研究了结渣图像的预处理。由于冶金现场的环境复杂,导致被测目标特征无法可靠提取,本文采用基于小波变换的阈值算法实现对叠加在图像中的噪声的滤除。除此之外,由于被测目标的背景中常常出现异常干扰,叠加大量伪信息,影响特征提取的可靠性。本文通过先提取ROI区域,在ROI区域内进行灰度增强,使特征信号输出最大化。其次,研究了结渣图像的特征提取。根据典型结渣图像的灰度分布特性,研究了感温区域的边缘准确提取算法,并提出一种适用现场的快速边缘提取算法。根据所提取的几何轮廓定义了6组特征量描述目标信息；根据灰度统计特点,定义了4组特征量描述图像的纹理信息。第三,研究了基于支持向量机的结渣分类方法。对采集的原始特征数据进行归一化预处理,并利用PCA进行特征简约将10维的特征降为5维,加快了模型的训练速度和提高了分类的精度。本研究选用RBF核函数,通过网格搜寻的策略搜索最佳参数,分类结果的平均准确性高达85%,满足现场测量的需要。最后,将中间包钢水液位测量结渣检测技术应用在工业现场,分析和比较应用前后的效果表明：液位测量过程中及时、准确的结渣检测的提高了测量系统的稳定性和鲁棒性,为中间包液位测量系统的实用化奠定了基础。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 中间包钢水液位测量的意义
• 1.2 视觉检测的研究现状和发展趋势
• 1.2.1 视觉检测的研究现状
• 1.2.2 视觉检测的存在的问题
• 1.2.3 视觉检测的关键技术
• 1.3 图像模式的特征提取技术
• 1.3.1 目标的特征提取与识别
• 1.3.2 纹理特征提取与识别
• 1.3.3 基于特征的模式识别与分类方法
• 1.4 课题的研究内容
• 第2章 中间包液位测量系统及结渣问题分析
• 2.1 中间包液位测量系统
• 2.1.1 测量基本原理
• 2.1.2 液位测量过程
• 2.1.3 液位测量系统
• 2.2 影响测量精度的结渣问题分析
• 第3章 液位测量图像的去噪预处理
• 3.1 噪声的来源和影响
• 3.2 测量图像的噪声滤除
• 3.2.1 基于小波变换的去噪理论
• 3.2.2 图像去噪算法
• 3.2.3 图像消噪算法质量评价
• 3.3 测量图像的后续预处理
• 第4章 结渣图像的特征提取
• 4.1 液位图像的特征分析
• 4.2 测量棒上的感温区域的边界提取
• 4.2.1 液位图像的灰度分析
• 4.2.2 感温区域的边界提取算法
• 4.2.3 边界提取的快速算法
• 4.2.4 两种算法的对比分析
• 4.3 基于几何轮廓的特征定义
• 4.5 特征量计算
• 第5章 基于支持向量机的结渣图像分类
• 5.1 支持向量机理论
• 5.1.1 引言
• 5.1.2 机器学习问题
• 5.1.3 支持向量机分类
• 5.2 基于支持向量机分类实验及结果分析
• 5.2.1 实验设计
• 5.2.2 实验结果与分析
• 5.3 结渣检测技术在现场的应用效果
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢