[发明专利]一种LF炉钢渣红外识别方法和系统

说明书

本申请公开了一种LF炉钢渣红外识别方法，包括对LF炉的钢包表面钢渣和钢包内裸露钢水进行红外检测，得到图像数据；对所述图像数据进行预处理；将预处理后的图像数据进行数据增广，得到训练数据集和测试数据集；利用所述训练数据集对SegNet网络模型进行训练，得到深度学习模型；利用所述深度学习模型对所述测试数据集进行测试，识别出所述图像数据中的钢渣。利用该方法能够快速准确的调节钢水底吹氩气流量，且抗干扰能力强，保证钢水中夹杂物的充分上浮，稳定控制钢水的洁净度。本申请还公开了一种LF炉钢渣红外识别系统，具有与上述方法相同的优点。

技术领域

本发明属于炼钢技术领域，特别是涉及一种LF炉钢渣红外识别方法和系统。

背景技术

在现代炼钢生产中，需要对钢水进行底吹氩气搅拌处理，进行底吹的原因是LF炉经过脱氧和脱硫等操作后，钢水中会悬浮大量的钙铝酸盐类夹杂物，这种夹杂物一旦进入铸坯里面，就会对后续轧材的表面及内部质量造成严重的不良影响，而对钢水进行底吹氩气处理，就能够促使钢水中的夹杂物上浮，使钢水成分和温度更均匀，使钢水更纯净，提高钢水的洁净度，得到更高质量的钢坯。

而底吹氩气时，主要是依据钢渣的情况来调节氩气流量的大小，现有技术中，仅仅依靠人工方式来观察钢渣的情况，这种方式的随意性大，钢水质量不稳定，不但影响钢坯的质量，而且影响钢包的寿命，还浪费底吹氩气。因此，现有的人工目测法缺乏科学依据，且受主观因素的影响较大，而通常采用的普通的图像处理方法需对红外图像进行去噪等预处理，易造成图像失真，且通过设置颜色阈值范围来检测，检测结果的正确率不高，当颜色稍微发生变化时就会出现识别错误，这些缺点都降低了检测的准确率，因此无法用于现场的钢渣检测。

发明内容

为解决上述问题，本发明提供了一种LF炉钢渣红外识别方法和系统，能够快速准确的调节钢水底吹氩气流量，且抗干扰能力强，保证钢水中夹杂物的充分上浮，从而稳定控制钢水的洁净度。

本发明提供的一种LF炉钢渣红外识别方法包括：

对LF炉的钢包表面钢渣和钢包内裸露钢水进行红外检测，得到图像数据；

对所述图像数据进行预处理；

将预处理后的图像数据进行数据增广，得到训练数据集和测试数据集；

利用所述训练数据集对SegNet网络模型进行训练，得到深度学习模型；

利用所述深度学习模型对所述测试数据集进行测试，识别出所述图像数据中的钢渣。

优选的，在上述LF炉钢渣红外识别方法中，利用安装在LF炉上方的红外热像仪对LF炉的钢包表面钢渣和钢包内裸露钢水进行红外检测。

优选的，在上述LF炉钢渣红外识别方法中，所述对所述图像数据进行预处理包括：

对所述图像数据进行增强和降噪处理。

优选的，在上述LF炉钢渣红外识别方法中，所述将预处理后的图像数据进行数据增广包括：

将所述预处理后的图像数据通过生成式对抗网络在小样本量下进行数据增广。

优选的，在上述LF炉钢渣红外识别方法中，利用所述训练数据集对SegNet网络模型进行训练之前还包括搭建所述SegNet网络模型：

建立输入层，所述输入层输入的是红外钢渣检测图片的切片；

建立卷积层，利用卷积核进行特征提取和特征映射，使用4组卷积提取图像特征；

建立反卷积层，利用反卷积对特征映射图进行上采样操作，使图像恢复到原图像大小。

本发明提供的一种LF炉钢渣红外识别系统包括：