为了实现钢铁厂烧结机篦条故障智能化在线监测,提出了基于OpenCV图像处理技术的篦条故障图像识别方法,即通过采取篦条结构特征识别算法检测篦条的根数、间隙宽度、斜率和间隙糊堵占比等参数来表征篦条的倾斜、断裂和间隙糊堵等故障类型...为了实现钢铁厂烧结机篦条故障智能化在线监测,提出了基于OpenCV图像处理技术的篦条故障图像识别方法,即通过采取篦条结构特征识别算法检测篦条的根数、间隙宽度、斜率和间隙糊堵占比等参数来表征篦条的倾斜、断裂和间隙糊堵等故障类型。该文以湘钢烧结一厂的篦条故障作为在线监测实验对象,首先对篦条图像进行拼接和自适应二值化处理,然后在篦条图像感兴趣区域(Region of interest,ROI)提取篦条轮廓并统计根数和间隙宽度;再用霍夫变换方法对图像行直线拟合,筛选出篦条所在的线段,用两个端点计算斜率得到篦条倾斜程度;再对原二值图像和开操作处理后的图像进行按位与运算,得到糊堵物位置并求出其占比;最后使用多次开操作提取到篦条断裂位置。实验结果表明,所述算法检测的篦条间隙宽度误差在4 mm内,倾率误差在±1°范围内,并能快速、有效地监测到篦条故障。展开更多
文摘为了实现钢铁厂烧结机篦条故障智能化在线监测,提出了基于OpenCV图像处理技术的篦条故障图像识别方法,即通过采取篦条结构特征识别算法检测篦条的根数、间隙宽度、斜率和间隙糊堵占比等参数来表征篦条的倾斜、断裂和间隙糊堵等故障类型。该文以湘钢烧结一厂的篦条故障作为在线监测实验对象,首先对篦条图像进行拼接和自适应二值化处理,然后在篦条图像感兴趣区域(Region of interest,ROI)提取篦条轮廓并统计根数和间隙宽度;再用霍夫变换方法对图像行直线拟合,筛选出篦条所在的线段,用两个端点计算斜率得到篦条倾斜程度;再对原二值图像和开操作处理后的图像进行按位与运算,得到糊堵物位置并求出其占比;最后使用多次开操作提取到篦条断裂位置。实验结果表明,所述算法检测的篦条间隙宽度误差在4 mm内,倾率误差在±1°范围内,并能快速、有效地监测到篦条故障。
