《電子技術應用》
您所在的位置:首頁 > 嵌入式技術 > 設計應用 > 一種鋼水液面精確定位算法的研究
一種鋼水液面精確定位算法的研究
2015年微型機與應用第23期
吳云飛,,劉堂友
(東華大學 信息科學與技術學院,上海 201620)
摘要: RH煉鋼工藝中,,控制鋼水液面高度目前仍采用人工目測的方法,,該方法存在一定的缺陷與不準確性,。因此本文提出一種鋼水液面精確定位算法,該算法采用數(shù)字圖像處理技術,,對圖像邊緣檢測算子進行深入研究,,引用一種改進型Sobel算子——8模板各向同性Sobel算子,它能夠檢測出8個方向的邊緣,,接著采用霍夫變換,、曲線擬合對邊緣做優(yōu)化處理,以此檢測出鋼水液面的位置,。實驗研究表明,,該算法能夠準確檢測出鋼水液面的位置,,為RH煉鋼工藝的自動化發(fā)展提供重要的理論依據(jù)。
Abstract:
Key words :

  摘  要RH煉鋼工藝中,,控制鋼水液面高度目前仍采用人工目測的方法,,該方法存在一定的缺陷與不準確性。因此本文提出一種鋼水液面精確定位算法,,該算法采用數(shù)字圖像處理技術,,對圖像邊緣檢測算子進行深入研究,引用一種改進型Sobel算子——8模板各向同性Sobel算子,,它能夠檢測出8個方向的邊緣,,接著采用霍夫變換、曲線擬合對邊緣做優(yōu)化處理,,以此檢測出鋼水液面的位置,。實驗研究表明,該算法能夠準確檢測出鋼水液面的位置,,為RH煉鋼工藝的自動化發(fā)展提供重要的理論依據(jù),。

  關鍵詞邊緣檢測算法液面定位,;Sobel算子,;8模板;RH煉鋼

0 引言

  準確獲取鋼水液面位置在RH法煉鋼工藝中起著至關重要的作用,。傳統(tǒng)煉鋼工藝中,,鋼水液面的位置是人為主觀地通過肉眼觀察來判定是否合適,因此工作效率自然不會太高,。為了改進煉鋼工藝的不足,,人們也嘗試著用激光測距、紅外測距等方法去判定液面位置,,但是由于鋼水這種物質(zhì)本身具有很強的輻射,,這會把紅外等能量吸收,所以無法判定出鋼水液面的位置,。因此,,本文針對鋼水這種物質(zhì)的特殊性,提出一種利用圖像處理技術對鋼水液面進行定位的方法,。

1 系統(tǒng)結構

  RH精煉[1]是目前鋼鐵生產(chǎn)中普遍使用的精煉手段,,該技術具有處理周期短、生產(chǎn)能力大,、精煉效果好,、容易操作等一系列優(yōu)點,,在煉鋼生產(chǎn)中獲得了廣泛應用,。RH精煉工藝通過真空循環(huán)脫氣裝置完成鋼水的循環(huán)流動,,其工作示意圖如圖1所示。

001.jpg

  在煉鋼過程中,,待處理鋼水包將會由行車吊運至RH鋼包臺車上,,鋼包臺車再將鋼包運輸?shù)浇n管下方。此后,,鋼包將會被設備提升到一定的高度,,使得浸漬管下端可以進入到鋼渣以下的鋼水部分。當真空槽抽為真空時,,鋼水表面的大氣壓強與真空槽內(nèi)的壓強差迫使鋼水朝浸漬管里面流動,。與真空槽相連的兩個浸漬管,一個為上升管,,另外一個為下降管,。由于上升管不斷向鋼液吹入氬氣,吹入的氣體受熱將膨脹,,從而驅(qū)動鋼水液位不斷上升,,流經(jīng)真空槽鋼液中的氫氣、氬氣,、一氧化碳等氣體在真空狀態(tài)下被抽走,。脫氣的鋼水由于重力的關系再次經(jīng)下降管流入鋼包,如此不斷循環(huán)反復,。如果液面位置太高,,則鋼水可能從鋼水包里溢出;如果液面位置太低,,則鋼水無法完成循環(huán)過程,。因此,將鋼水液面高度控制在一定范圍內(nèi),,及時獲取鋼水液面的位置就顯得極其重要,。

  如圖1所示,可以在鋼包上側安裝工業(yè)相機,,以此及時獲取鋼液液面的圖像,,然后通過數(shù)字圖像處理技術來獲取鋼水液面的位置。圖2所示為煉鋼廠的鋼水包液位圖,,受容器自身的影響,,液位并非一條直線,而是呈近似于拋物線的曲線,,而圖中的相對距離d,,就需要將其控制在一定范圍之內(nèi)。

002.jpg

2 算法提出

  對鋼水液面高度進行定位,其關鍵是精確地檢測出鋼水液面的邊緣,,然而受到外界客觀因素的影響,,從工業(yè)相機獲取的圖像往往存在著較大干擾信息。因此首先需要對數(shù)字圖像進行預處理,,然后檢測邊緣精確定位鋼水液面高度,。

  2.1 圖像預處理

  2.1.1 灰度變換

  使用工業(yè)相機采集到的圖像是彩色圖像,彩色圖像的信息量較大,,其中很多是不需要的,。由于信息較多,處理時運算量較大,,所以處理起來所需運算時間也就較長,。因此,可以通過預處理將彩色圖像轉換為灰度圖像,,之后的其他操作都針對灰度圖來進行[2],。

  2.1.2 圖像濾波

  獲取的數(shù)字圖像會受到各式各樣的外界噪聲的影響,例如高斯噪聲,、椒鹽噪聲等,,所以一般要先去除圖像中的噪聲。常用的濾波方法有高通濾波,、維納濾波,、中值濾波、鄰域平均法濾波等,。在本次濾波選擇中,,采用了中值濾波[3]。中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中的一點的值用該點的一個鄰域中的各點值的中值代替,。中值的定義如式(1)所示:

  6YA$W39U)WI%G(67S}IJB_1.png

  在式(1)中,,x1,x2,,…,,xn為點(x,y)及其鄰域的灰度值,。

  與其他方式的平滑濾波有所不同,,中值濾波是將模板對應的像素點按灰度級進行高低排序,取中間值作為輸出像素,。中值濾波可以在一定程度上克服常用的線性濾波器(例如均值濾波器和最小均方濾波器)所帶來的圖像特征的模糊,,并且對去除圖像掃描噪聲及脈沖干擾效果較好。本文就是利用中值濾波來達到去除圖像中一些噪聲的目的,。

  2.1.3 改進型各向同性Sobel算子提取邊緣

  邊緣檢測的思想就是首先利用某一種邊緣算子,,突出顯示圖像中的邊緣部分,,然后定義“邊緣強度”,最后通過設立一個閾值,,提取到邊緣點集合,。常用的邊緣檢測算子有Sobel算子、Prewitt算子,、Laplace算子等,。其中,,Sobel算子[4-6]對于像素位置的影響做了加權,,效果較好,故本研究采用了Sobel算子,。

  Sobel算子分為兩種:普通Sobel算子和各向同性Sobel算子,。兩種算子相比較,各向同性Sobel算子位置加權系數(shù)更加準確,。各向同性Sobel算子的形式如圖3,。

003.jpg

  但是,圖3只考慮了垂直方向和水平方向,。在實際操作中,,圖像的邊緣是有很多邊緣方向的,例如45°方向,、135°方向等,。于是,在該系統(tǒng)中,,將各向同性Sobel算子增加至8個方向,,如圖4所示。

004.jpg

  通過已經(jīng)構造的8個各向同性Sobel算子模板,,分別對圖像進行計算,,就可以得到8幅圖像矩陣。接著將8次運算結果所得到的最大值作為該點的輸出值,,便可以得到一幅邊緣幅度圖像,。

  8模板各向同性Sobel算子主要步驟[7]:

  設mk(k=1,2,,…,,8)是8個3×3各向同性Sobel算子模板,n為有8個元素的整型數(shù)組,。矩陣[f(i,,j)]為等待檢測的圖像(其中(i,j)表示各像素點的坐標),,f(i,,j)表示圖像在(i,j)的灰度值,w[f(i,,j)]為以點(i,,j)為中心的3×3窗口,g(i,,j)則是經(jīng)過邊緣檢測后的圖像在點(i,,j)的灰度值輸出。對圖中的像素值(坐標為(i,,j))進行如下操作:

 ?。?)對于等待處理的像素(i,j),,利用模板mk(k=1,,2,…,,8)和w[f(i,,j)]進行卷積,并將卷積結果的絕對值存入數(shù)組元素n[k](k=1,,2,,…,8)中,;

 ?。?)查找到步驟(1)中所得到的數(shù)組n中所有元素的最大值;

 ?。?)把最大值賦給g(i,,j)作為該像素點的輸出值。

  2.2 鋼水液位線及鋼包邊緣精確定位

  2.2.1 霍夫(Hough)變換檢測拋物線

  Hough變換[8-9]是圖像處理技術中從數(shù)字圖像之中識別幾何形狀的基本方法之一,,可以用于將邊緣像素連接起來得到邊界曲線,,其主要優(yōu)點在于對圖像中的噪聲不敏感,受到邊緣間斷影響小,。由于要檢測的是一條類似于拋物線的曲線,,根據(jù)Hough變換檢測原理,可以檢測出鋼水液位及鋼水包邊緣曲線,。

  檢測出來的邊緣曲線可能不是標準的拋物線,,這是由所使用的工業(yè)攝像機的拍攝角度和其精度引起的。為此可以通過對檢測出來的邊緣圖像進行適當?shù)膸缀慰臻g變換,,使得數(shù)字圖像里的曲線變?yōu)橐粭l標準的拋物線,。

  在對圖像進行幾何轉換中,輸出的圖像中的像素常常會被映射到輸入圖像中的非整數(shù)位置,,因此為了確定與該位置相對應的像素值,,必須再加入插值運算,。插值通常就是使用曲線擬合的方法,通過一些離散的采樣點建立一個連續(xù)的函數(shù),,用這個重建的函數(shù)便可以求出任意位置的函數(shù)值,。

  2.2.2 曲線擬合

  檢測出來的邊緣曲線經(jīng)常可能會有斷點并且不光滑,,實際應用中希望將斷的邊緣連接起來,,而且連接起來的邊緣要光滑。為此,,可以用曲線擬合[10-11]來對檢測出來的曲線進行擬合,。

  2.3 鋼水液面定位檢測步驟

  有了圖像預處理和鋼水液位線及鋼包邊緣精確定位的方法,可以列出鋼水液位高度的檢測步驟,,如圖5所示,。

005.jpg

3 方法的應用與實驗結果

  基于上述精確定位鋼水液面的方法,,使用MATLAB[12]進行實驗仿真,。從煉鋼生產(chǎn)車間獲取鋼水液面的圖像,由于原圖包含的數(shù)據(jù)量較大,,其中有很多無用的信息,,在實際處理數(shù)據(jù)時,只截取了鋼包中心區(qū)域?qū)ζ涮幚?,如圖6所示,,這樣速度較快,干擾因素小,,效率高,。

  使用文中提及的算法對鋼水液位圖進行處理之后,效果如圖7所示,,從圖像中可以看出,,鋼水液面的邊緣位置及鋼液的邊緣位置清晰地展現(xiàn)在圖中,文中的算法定位與人眼觀察得到的液面位置基本一致,。

4 結論

  人工目測鋼水液面位置總會受到主觀因素的約束和外界環(huán)境的干擾,,并且在一定程度上影響了煉鋼的效率。本文提出一種快速,、簡單,、穩(wěn)定的算法來對鋼水液面進行定位。實驗表明,,本文提出的方法可以較為清晰地檢測出鋼水包及鋼液的邊緣,,將此方法應用到煉鋼行業(yè)中的鋼水液面定位,具有一定的可行性與優(yōu)越性,,可以大大提高煉鋼的效率,,也會大大推進煉鋼自動化技術的進程,。

  參考文獻

  [1] 馬竹梧.煉鐵生產(chǎn)自動化技術[M].北京:冶金工業(yè)出版社,2005.

  [2] 阮秋琦.數(shù)字圖像處理技術[M].北京:清華大學出版社,,2009.

  [3] 谷口慶治.數(shù)字圖像處理[M].北京:科學出版社,,2000.

  [4] 胡尚舉,田國法,,申江波.邊緣檢測算子的分析比較[J].大眾科技,,2008(9):48-49.

  [5] DENG G. Differentiation-based edge detection using the logarithmic image processing model[J]. Mathematical Imaging and Vi-sion, 1998,, 8(2):161-180.

  [6] MOON H,, CHELLAPPA R, ROSENFELD A. Optimal edge-based shape detection[J]. IEEE Trans. on Image Processing,, 2002,,11(11):1209-1227.

  [7] 鄭英娟.基于八方向Sobel算子的邊緣檢測算法研究[D].石家莊:河北師范大學,2013.

  [8] KALVIAINEN H,, HIRVONEN P,, XU L, et al. Probabilistc and nonprobabilistic hough transform: overview and comparisons[J]. Image and Vision Computing,, 1995,,12(24):423-437.

  [9] 陳燕新,戚飛虎.基于隨機Hough變換的快速圓檢測方法[J].上海交通大學學報,,1998,,32(10):17-20.

  [10] 焦竹青,熊偉麗,,張林,,等.基于曲線擬合的無線傳感器網(wǎng)絡目標定位算法[J].東南大學學報:自然科學版,2008,,38(S1):249-252.

  [11] WILDES R P. Irisrecognition: an emerging biometric  technology[J]. Proceedings of the IEEE,, 1997, 85(9):1348-1363.

  [12] 阮秋琦.數(shù)字圖像處理(MATLAB版)[M].北京:電子工業(yè)出版社,,2005.


此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權禁止轉載。