中間包鋼水液位測量中結(jié)渣特征提取的研究.pdf

1、連鑄生產(chǎn)中，中間包液位信息是保證生產(chǎn)順利進行的關(guān)鍵參數(shù)之一。由于中間包鋼水上方覆蓋保護渣層，導(dǎo)致傳統(tǒng)的微波、激光、浮子等液位測量方法無法使用。針對這一難題，提出一種基于溫度特征提取的中間包鋼水液位測量方法。然而，在實際測量過程中，由于保護渣容易結(jié)殼，出現(xiàn)完全遮擋視覺、破壞溫度梯度特征的情況，產(chǎn)生測量誤差。因此對于結(jié)渣異常情況下的液位圖像進行去噪、邊緣檢測、特征提取和分類等方面的研究。
　　首先，研究了結(jié)渣圖像的預(yù)處理。由于冶金現(xiàn)場

2、的環(huán)境復(fù)雜，導(dǎo)致被測目標(biāo)特征無法可靠提取，本文采用基于小波變換的閾值算法實現(xiàn)對疊加在圖像中的噪聲的濾除。除此之外，由于被測目標(biāo)的背景中常常出現(xiàn)異常干擾，疊加大量偽信息，影響特征提取的可靠性。本文通過先提取ROI區(qū)域，在ROI區(qū)域內(nèi)進行灰度增強，使特征信號輸出最大化。
　　其次，研究了結(jié)渣圖像的特征提取。根據(jù)典型結(jié)渣圖像的灰度分布特性，研究了感溫區(qū)域的邊緣準(zhǔn)確提取算法，并提出一種適用現(xiàn)場的快速邊緣提取算法。根據(jù)所提取的幾何輪廓定義了

3、6組特征量描述目標(biāo)信息;根據(jù)灰度統(tǒng)計特點，定義了4組特征量描述圖像的紋理信息。
　　第三，研究了基于支持向量機的結(jié)渣分類方法。對采集的原始特征數(shù)據(jù)進行歸一化預(yù)處理，并利用PCA進行特征簡約將10維的特征降為5維，加快了模型的訓(xùn)練速度和提高了分類的精度。本研究選用RBF核函數(shù)，通過網(wǎng)格搜尋的策略搜索最佳參數(shù)，分類結(jié)果的平均準(zhǔn)確性高達(dá)85％，滿足現(xiàn)場測量的需要。
　　最后，將中間包鋼水液位測量結(jié)渣檢測技術(shù)應(yīng)用在工業(yè)現(xiàn)場，分析和比