一种通过深度神经网络完成实时监测转炉炉内状态的系统技术方案

本发明专利技术提供一种通过深度神经网络完成实时监测转炉炉内状态的系统。所述通过深度神经网络完成实时监测转炉炉内状态的系统包括用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流的图像采集单元和用于对转炉炉口当前帧图像及持续性图片流的状态进行判断的图像处理单元。本发明专利技术提供的通过深度神经网络完成实时监测转炉炉内状态的系统具有能够自动对转炉炉内状态进行识别，代替了人工看火的过程，不受工人经验及劳动强度等条件的限制，看火效率和看火精度高，稳定性好的优点。

【技术实现步骤摘要】
一种通过深度神经网络完成实时监测转炉炉内状态的系统
本专利技术涉及炼钢
，尤其涉及一种通过深度神经网络完成实时监测转炉炉内状态的系统。
技术介绍
在钢厂生产作业中，转炉作为重要的生产环节，运转状态直接关系到后续产品生产环节和产品的质量。在转炉生产过程中经常会出现喷溅，甩渣，返干等现象。通过对转炉火焰以及喷溅，甩渣，返干等现象的识别，可以对当前生产环节做出判断，目前在钢厂生产环节中，为了保证转炉的生产质量。通过人为观察转炉火焰及钢渣、钢液的形状、颜色、外观、数量等情况，对生产状态及时做出判断。目前对转炉炉口的变化状态大多集中在人力的观察和记录。并没有一种稳定有效的技术手段，高精度的识别出上述问题。目前对转炉火焰及钢渣、钢液的形状、颜色、外观、数量等情况的检测，普遍采用人为观察的方式，工作强度大，工人容易视觉疲劳，尤其上夜班，实时性差，误检率高。因此，有必要提供一种新的通过深度神经网络完成实时监测转炉炉内状态的系统解决上述技术问题。
技术实现思路
本专利技术解决的技术问题是提供一种具有能够自动对转炉炉内状态进行识别，代替了人工看火的过程，不受工人经验及劳动强度等条件的限制，看火效率和看火精度高，稳定性好的通过深度神经网络完成实时监测转炉炉内状态的系统。为解决上述技术问题，本专利技术提供的通过深度神经网络完成实时监测转炉炉内状态的系统包括：用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流的图像采集单元和用于对转炉炉口当前帧图像及持续性图片流的状态进行判断的图像处理单元。优选的，所述图像采集单元包含工业摄像头、电源适配器、电源线、网线和计算机，所述工业摄像头置于转炉炉口正前方的主控室的墙壁上，覆盖整个可观察到的转炉炉口，所述工业摄像头用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流。优选的，所述图像处理单元包含电脑，所述电脑与所述图像采集单元连接，所述图像处理单元接收所述图像采集单元采集到的转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流，通过电脑中的深度学习看火算法，实时分析出当前转炉炉内的状态，并将分析结果反馈给转炉一级系统。优选的，所述图像处理单元中的深度学习看火算法，利用深度神经网络提取卷积特征，进行帧级别的分类，利用一段时间内的分类结果，通过相应投票规则分析当前视频段的状态，对转炉炉内状态进行识别。与相关技术相比较，本专利技术提供的通过深度神经网络完成实时监测转炉炉内状态的系统具有如下有益效果：本专利技术提供一种通过深度神经网络完成实时监测转炉炉内状态的系统，包含图像采集单元和图像处理单元，其中图像采集单元用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量等持续性图片流；图像处理单元是基于老师傅的经验，对转炉炉内当前帧图像和持续性图片流的状态进行的判，通过深度神经网络完成实时监测的方法，能够训练转炉炉内多种状态的模型，并自动识别转炉生产过程中出现缺陷的类型，缺陷的类型包括喷溅、甩渣、返干、温度、碳氧含量等。极大节约了钢铁制造企业在转炉车间的成本。具体实施方式下面结合实施方式对本专利技术作进一步说明。通过深度神经网络完成实时监测转炉炉内状态的系统包括：用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流的图像采集单元和用于对转炉炉口当前帧图像及持续性图片流的状态进行判断的图像处理单元。所述图像采集单元包含工业摄像头、电源适配器、电源线、网线和计算机，所述工业摄像头置于转炉炉口正前方的主控室的墙壁上，覆盖整个可观察到的转炉炉口，所述工业摄像头用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流。所述图像处理单元包含电脑，所述电脑与所述图像采集单元连接，所述图像处理单元接收所述图像采集单元采集到的转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流，通过电脑中的深度学习看火算法，实时分析出当前转炉炉内的状态，并将分析结果反馈给转炉一级系统。所述图像处理单元中的深度学习看火算法，利用深度神经网络提取卷积特征，进行帧级别的分类，利用一段时间内的分类结果，通过相应投票规则分析当前视频段的状态，对转炉炉内状态进行识别。与相关技术相比较，本专利技术提供的通过深度神经网络完成实时监测转炉炉内状态的系统具有如下有益效果：本专利技术提供一种通过深度神经网络完成实时监测转炉炉内状态的系统，包含图像采集单元和图像处理单元，其中图像采集单元用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量等持续性图片流；图像处理单元是基于老师傅的经验，对转炉炉内当前帧图像和持续性图片流的状态进行的判，通过深度神经网络完成实时监测的方法，能够训练转炉炉内多种状态的模型，并自动识别转炉生产过程中出现缺陷的类型，缺陷的类型包括喷溅、甩渣、返干、温度、碳氧含量等。极大节约了钢铁制造企业在转炉车间的成本。以上所述仅为本专利技术的实施例，并非因此限制本专利技术的专利范围，凡是利用本专利技术说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的
，均同理包括在本专利技术的专利保护范围内。本文档来自技高网...

【技术保护点】
1.一种通过深度神经网络完成实时监测转炉炉内状态的系统，其特征在于，包括：用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流的图像采集单元和用于对转炉炉口当前帧图像及持续性图片流的状态进行判断的图像处理单元。/n

【技术特征摘要】
1.一种通过深度神经网络完成实时监测转炉炉内状态的系统，其特征在于，包括：用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流的图像采集单元和用于对转炉炉口当前帧图像及持续性图片流的状态进行判断的图像处理单元。


2.根据权利要求1所述的通过深度神经网络完成实时监测转炉炉内状态的系统，其特征在于，所述图像采集单元包含工业摄像头、电源适配器、电源线、网线和计算机，所述工业摄像头置于转炉炉口正前方的主控室的墙壁上，覆盖整个可观察到的转炉炉口，所述工业摄像头用于采集转炉火焰及钢渣、钢液的形状、颜色、外观、数量持续性图片流。


3.根据权利要求2所...

【专利技术属性】
技术研发人员：王玮佳，
申请(专利权)人：王玮佳，
类型：发明
国别省市：上海;31