【技术实现步骤摘要】
本专利技术涉及智能冶炼的，尤其涉及一种工业硅冶炼的刺火检测方法、装置、设备及存储介质。
技术介绍
1、在工业硅冶炼过程中，刺火表现为炉料粘度过高、透气性差或电极短，导致高温热气流喷出，形成灼白色火焰。刺火不仅会导致大量热量损失，增加电耗，还会使炉内气流分布不均，从而降低化学反应速度。与此同时，刺火还会导致炉口温度升高，操作条件变得更加困难。如果刺火现象严重，还可能烧坏铜瓦或冷却水管，进而导致炉子停工。因此，如何及时发现刺火现象，就成为了业界亟待解决的课题。
技术实现思路
1、本专利技术提供一种工业硅冶炼的刺火检测方法、装置、设备及存储介质，用以通过实时数据采集和机器学习分析，有效预测和识别刺火，提高生产安全性和效率。
2、根据本专利技术的第一方面，提供一种工业硅冶炼的刺火检测方法，该工业硅冶炼的刺火检测方法包括：
3、实时采集并存储冶炼炉内的图像数据和传感器数据，所述传感器数据包括温度、气流和炉料状态中的任一者或多者；
4、通过预设的机器学习模型对所述图像数据进行分析，识别出刺火状况；
5、记录所述刺火状况对应的图像信息和传感器信息；
6、根据所述已记录的图像信息和传感器信息，分析实时的图像信息和传感器信息，预测发生刺火的概率值。
7、在一个实施例中，还包括：
8、在识别刺火图像之前，使用第一历史刺火图像数据集合对所述预设的机器学习模型进行训练；
9、在训练之后，使用第二历史刺火图像数据
10、在检验通过之后，通过第三历史刺火图像数据集合对预设的机器学习模型进行评估；
11、当评估的结果值高于预设的通过阈值时，使用所述预设的机器学习模型对所述实时图像数据进行处理。
12、在一个实施例中，所述通过预设的机器学习模型对所述图像数据进行分析，包括：
13、通过预设的机器学习模型对所述图像数据进行边缘检测；
14、对边缘检测后的图像提取图像特征，所述图像特征包括刺火的颜色直方图、纹理特征和边缘信息中的任一者或多者；
15、针对所述图像特征进行刺火相关的模式识别。
16、在一个实施例中，所述边缘检测后的图像提取图像特征，包括：
17、分析刺火的图像特征在时间上的刺火变化数据，所述刺火变化数据包括增长速度和波动情况中的任一者或多者；
18、通过主成分分析方法筛选刺火检测中高权重的图像特征，以降低数据维度。
19、在一个实施例中，所述使用第一历史刺火图像数据集合对所述预设的机器学习模型进行训练，包括：
20、通过融合卷积神经网络和循环神经网络，同时处理图像数据和传感器数据，其中，所述处理图像数据和所述传感器数据为在一个时间序列中与时刻对应的数据序列；
21、通过超参数调整、正则化和模型集成中的任一者或多者对所述预设的机器学习模型进行优化。
22、在一个实施例中，还包括：
23、分析在未来不同时间段内发生刺火的概率值；
24、当在预设的安全处理时间段内发生刺火的概率值大于预设的警报阈值时，发出刺火预警。
25、根据本专利技术的第二方面，提供一种工业硅冶炼的刺火检测装置，包括：
26、采集模块，用于实时采集并存储冶炼炉内的图像数据和传感器数据，所述传感器数据包括温度、气流和炉料状态中的任一者或多者；
27、识别模块，用于通过预设的机器学习模型对所述图像数据进行分析，识别出刺火状况；
28、记录模块，用于记录所述刺火状况对应的图像信息和传感器信息；
29、分析模块，用于根据所述已记录的图像信息和传感器信息，分析实时的图像信息和传感器信息，预测发生刺火的概率值。
30、在一个实施例中，所述采集模块、所述识别模块、所述记录模块和所述分析模块被控制执行上述的任一种工业硅冶炼的刺火检测方法。
31、根据本专利技术的第三方面，提供一种电子设备，电子设备包括：通信接口，处理器，存储器；
32、其中，所述存储器用于存储程序指令，所述程序指令当被通过所述通信接口与所述存储器通信连接的所述处理器执行时实现上述的任一种工业硅冶炼的刺火检测方法。
33、根据本专利技术的第四方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被计算机(例如，计算机中的处理器)执行时实现上述的任一种工业硅冶炼的刺火检测方法。
34、综上所述，本专利技术提供一种工业硅冶炼的刺火检测方法及装置，该方法包括：实时采集并存储冶炼炉内的图像数据和传感器数据，所述传感器数据包括温度、气流和炉料状态中的任一者或多者；通过预设的机器学习模型对所述图像数据进行分析，识别出刺火状况；记录所述刺火状况对应的图像信息和传感器信息；根据所述已记录的图像信息和传感器信息，分析实时的图像信息和传感器信息，预测发生刺火的概率值。本申请的技术方案通过实时数据采集和机器学习分析，有效预测和识别刺火，提高生产安全性和效率，降低工业硅冶炼的热量损失和电耗，同时降低因刺火引发的设备损坏和生产停工时间，确保冶炼过程的稳定性和经济性。
35、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
36、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种工业硅冶炼的刺火检测方法，其特征在于，包括：
2.如权利要求1所述的工业硅冶炼的刺火检测方法，其特征在于，还包括：
3.如权利要求1所述的工业硅冶炼的刺火检测方法，其特征在于，所述通过预设的机器学习模型对所述图像数据进行分析，包括：
4.如权利要求3所述的工业硅冶炼的刺火检测方法，其特征在于，所述对边缘检测后的图像提取图像特征，包括：
5.如权利要求2所述的工业硅冶炼的刺火检测方法，其特征在于，所述使用第一历史刺火图像数据集合对所述预设的机器学习模型进行训练，包括：
6.如权利要求1所述的工业硅冶炼的刺火检测方法，其特征在于，还包括：
7.一种工业硅冶炼的刺火检测装置，其特征在于，包括：
8.如权利要求7所述的工业硅冶炼的刺火检测装置，其特征在于：所述采集模块、所述识别模块、所述记录模块和所述分析模块被控制执行权利要求1-6任一项所述的工业硅冶炼的刺火检测方法。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述
...【技术特征摘要】
1.一种工业硅冶炼的刺火检测方法，其特征在于，包括：
2.如权利要求1所述的工业硅冶炼的刺火检测方法，其特征在于，还包括：
3.如权利要求1所述的工业硅冶炼的刺火检测方法，其特征在于，所述通过预设的机器学习模型对所述图像数据进行分析，包括：
4.如权利要求3所述的工业硅冶炼的刺火检测方法，其特征在于，所述对边缘检测后的图像提取图像特征，包括：
5.如权利要求2所述的工业硅冶炼的刺火检测方法，其特征在于，所述使用第一历史刺火图像数据集合对所述预设的机器学习模型进行训练，包括：
6....
【专利技术属性】
技术研发人员：唐旭东，胡恒广，闫冬成，李志军，何永敢，
申请(专利权)人：东旭科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。