基于机器视觉的烧结矿FeO含量判断方法研究

摘要

钢铁生产过程中，烧结是为高炉炼铁提供原料的重要环节，用烧结法生产烧结矿不仅解决了贫矿炼铁问题，同时还改善了含铁原料的冶金性能，使高炉生产指标和经济效益均得到明显提高。烧结矿FeO的含量是烧结生产的一项综合性指标，它代表了烧结矿的还原性。对烧结矿FeO含量的判断，对指导烧结生产有着重要的意义。 本文综述了烧结工艺机理，分析了烧结过程中FeO的产生机理以及影响FeO含量的因素。将机器视觉技术引入烧结矿FeO含量的判断中，研究了基于机器视觉的烧结矿FeO含量判断的方法，研究了烧结机尾断面图像采集方法，研究了烧结机尾断面图像的表达、灰度化、增强、分割等图像预处理方法。重点研究了基于颜色特征和形状特征的烧结机尾断面图像特征信息提取方法。 本文提出一种以“先定级、后定量”为基本思路的烧结矿FeO含量两级判断方法。在只需要定性分析FeO含量等级的情况下，基于模糊推理，根据提取到的烧结机尾断面的图像特征信息，采用红火区亮度、红火区面积、红火区重心纵坐标为模糊系统输入，烧结矿FeO含量为模糊系统输出，实现了FeO含量的模糊分级。对生产指标要求较高、需要定量分析FeO含量的情况，依据分级结果，针对三个不同的等级，分别建立三个可判断FeO含量的神经网络模型，选取烧结机尾断面图像的七阶不变矩和对FeO含量影响较大的料层厚度、燃料配比、混合水分、碱度四个烧结工艺参数作为神经网络的输入，以FeO含量为神经网络输出，实现了对烧结矿FeO含量的准确判断。仿真实验，验证了烧结矿FeO含量两级判断的可行性、有效性和优越性。

目录

声明

摘要

第1章绪论

1．1课题的研究背景及意义

1．2烧结生产及FeO含量检测的研究现状

1．2．1烧结生产的研究现状

1．2．2 FeO含量检测的研究现状

1．3机器视觉的研究现状

1．4本文的主要工作

第2章烧结工艺与机器视觉技术

2．1烧结工艺

2．1．1烧结工艺机理

2．1．2烧结过程特征

2．1．3烧结质量指标

2．2烧结矿FeO含量的影响因素与检测方法

2．2．1烧结矿FeO的产生机理

2．2．2影响烧结矿FeO含量的因素

2．2．3烧结矿FeO含量的检测方法

2．3机器视觉技术

2．3．1机器视觉的定义

2．3．2机器视觉的理论框架

2．3．2机器视觉技术的特点

2．4本章小结

第3章基于图像信息的机尾断面特征提取方法研究

3．1机尾断面图像采集

3．2机尾断面图像预处理

3．2．1图像的表达

3．2．2图像的灰度化

3．2．3图像的增强

3．2．4图像的分割

3．3机尾断面图像特征提取

3．3．1图像特征选取原则

3．3．2机尾断面图像特征描述

3．3．3机尾断面的颜色特征提取方法

3．3．4机尾断面的形状特征提取方法

3．3．5机尾断面图像特征提取举例

3．6本章小结

第4章烧结矿FeO含量两级判断方法

4．1烧结矿FeO含量两级判断原理

4．2基于模糊推理的烧结矿FeO含量第一级判断方法

4．2．1模糊推理原理

4．2．2模糊推理模型的建立

4．2．3仿真实验与分析

4．3基于神经网络的烧结矿FeO含量第二级判断方法

4．3．1神经网络原理

4．3．2 BP神经网络的结构

4．3．4 BP神经网络的学习过程

4．3．5 BP神经网络模型的建立

4．3．6仿真实验与分析

4．4本章小结

5．1结论

5．2展望

参考文献

致谢