[发明专利]基于深度学习的冶炼状态检测系统及检测方法

说明书

本发明公开了一种冶炼状态检测系统、方法，其中，系统包括自适应曝光成像模块，用于实时采集所述熔炉的炉口状态图像以及给出采集所述炉口状态图像采用的曝光值并输出；模型训练模块，连接所述自适应曝光成像模块，用于以各所述炉口状态图像和拍摄各所述炉口状态图像给出的所述曝光值作为训练样本，训练形成一炉口状态识别模型；炉口状态识别模块，连接所述模型训练模块，用于基于所述炉口状态识别模型，对实时采集的所述炉口状态图像进行炉口状态识别，得到所述熔炉的当前炉口状态并存储，本发明提高了炉口状态识别的准确度和识别速度，提高了冶炼工人处理炉口堵塞和及时填料的效率，缩短了空炉干烧和填料堵塞的时间，提高了熔炉的出水率。

技术领域

本发明涉及金属冶炼工业领域，具体涉及基于深度学习的冶炼状态检测系统及检测方法。

背景技术

目前，在金属冶炼过程中，熔炉内的原料熔化融合的状态全凭工厂一线冶炼工人在炉口附近肉眼观察并进行人为经验判断。人为判断结果受当值冶炼工人的工作积极性以及观察经验影响较大，所作出的判断结果往往并不准确。

另外，在冶炼过程中，熔炉基本处于两种功率状态：全功率熔炼原料状态和低功率保温状态。全功率熔炼原料状态是一种不断填料将原料熔化成液态再反复添加原料继续熔化直到熔炉内液面达到满炉状态的过程，空炉干烧和填料卡在炉口位置无法落入炉内熔化是影响冶炼进度的最为主要的原因。而冶炼过程中，每个熔炉全功率运转时能耗高达数千KW，人工监督观察炉口状态的方法无法避免工人因懈怠或疏忽导致巨大能量被白白浪费。同时由于冶炼过程中往往伴随着严重的噪音、粉尘、高温和高强度可见光以及红外辐射等有害物质污染，还有频繁发生的钢水爆溅和熔炉本身的高温状态对一线冶炼工人来说都是潜在的安全风险。

发明内容

本发明的目的在于提供一种基于深度学习的冶炼状态检测系统及检测方法，以解决上述技术问题。

为达此目的，本发明采用以下技术方案：

提供一种基于深度学习的冶炼状态检测系统，用于对熔炉的炉口状态进行图像实时采集和炉口状态识别检测，包括：

自适应曝光成像模块用于实时采集所述熔炉的炉口状态图像以及给出采集所述炉口状态图像采用的曝光值并输出；

模型训练模块，连接所述自适应曝光成像模块，用于以各所述炉口状态图像和拍摄各所述炉口状态图像给出的所述曝光值作为训练样本，训练形成一炉口状态识别模型；

炉口状态识别模块，连接所述模型训练模块，用于基于所述炉口状态识别模型，对实时采集的所述炉口状态图像进行炉口状态识别，得到所述熔炉的当前炉口状态并存储，所述炉口状态识别模块中具体包括：

炉口状态识别单元，用于基于炉口状态识别模型，对一连续帧范围内的各所述炉口状态图像进行逐一的炉口状态识别，得到每张所述炉口状态图像对应的所述炉口状态识别结果并存储；

赋权单元，连接所述炉口状态识别单元，用于为所述连续帧范围内的各所述炉口状态图像对应的所述炉口状态识别结果赋予相对应的权重；

投票单元，分别连接所述炉口状态识别单元和所述赋权单元，用于根据各所述炉口状态图像对应的所述炉口状态识别结果以及各所述炉口状态识别结果分别对应的所述权重，对所述连续帧范围内的各所述炉口状态图像对应的所述炉口状态识别结果以时序加权形式进行综合投票，得到对所述熔炉的炉口状态的投票结果；

所述炉口状态识别单元继续对所述连续帧范围外的下一帧的所述炉口状态图像进行炉口状态识别，得到下一帧的所述炉口状态图像对应的所述炉口状态识别结果并存储；

判断单元，分别连接所述炉口状态识别单元和所述投票单元，用于对投票得到的所述识别结果和对下一帧的所述炉口状态图像的所述炉口状态识别结果的一致性进行判断，

若识别结果一致，则将对下一帧的所述炉口状态图像对应的所述炉口状态识别结果作为所述熔炉的所述当前炉口状态输出；