基于机器视觉的烧结终点识别方法研究.pdfVIP

第36卷 第6期 冶 金 自 动 化 Vo1．36 No．6 2012年 l1月 MetallurgicalIndustryAutomation NOV．2012 人工智能技术应用 doi：10．3969／j．issn．1000-7059．2012．06．003 基于机器视觉的烧结终点识别方法研究 李 屹 ，王 莹 (1．河北联合大学 电气工程学院，河北 唐山063009；2．首钢京唐钢铁联合有限责任公司) 摘要：烧结生产中，烧结终点的准确识别是控制烧结质量和降低成本的关键所在。因此，当采用基于机器视觉技 术判断烧结终点时，烧结图像的阈值分割精度就显得尤为重要。本文针对一般预处理方法很难消除烧结机尾 断面图像光晕现象这一缺陷，在图像预处理中增加色彩模型转换环节，从而达到减弱光晕的效果。由于烧结图 像红火区和气孔区闽值极为接近，采用一般阈值分割方法很难达到良好的分割效果，因此笔者采用基于粒子对 优化的C均值聚类分割的方法进行分割。此方法具有分割速度快、分割效果明显的特点。图像识别中采用改 进BP网络对烧结终点进行识别 ，解决了传统BP算法容易陷入局部极小及学习速率慢的问题。通过实验验证 ， 上述方法对烧结终点的正确识别率可达到93％。 关键词：烧结矿断面；烧结终点识别；火焰图像；图像分割；PPO—C均值聚类 ；BP网络 中图分类号：TP391．41 文献标志码 ：A 文章编号：1000—7059(2012)06-0010-06 Research onrecognition methodofsinteringendpoint based on machinevision U Yi．WANG Ying。 (1．ElectricalEngineeringCollege，HebeiUnitedUniversity，Tangshan063009，China； 2．ShougangJingtangUnitedIron＆ SteelCo．．Ltd．) Abstract：Insinteringproduction，preciserecognitionofsinteringendpointisthekeytocontrolsinte— ringqualityandtoreducecost．Thus，thresholdsegmentationprecisionofsinteringimageisparticular— lyimportantwhenthetechnologybasedonmachinevisionisadopted．Forcommonpreprocessingmeth— od，halophenomenonofsintertailcross—sectionimageishardtoeliminate．Therefore，inimagepretreat— ment．colourmode1transformationisaddedtoabatehaloeffect．Thresholdofflamezoneisclosetoone ofgasholezonein sinteringimage，SOcommonthresholdsegmentationmethodisdifficulttoachieve goodsegmentationeffect．Forthisreason，C—meansclusteringsegmentationmethodbasedon particle pairoptimizationisused．Segmentationspeedofthemethodisfastandsegmentationeffectisobvious． Torecognizesinteringendpoint，im