[发明专利]一种基于烧结机尾断面视频的FeO含量预测方法

说明书

本发明公开了一种基于烧结机尾断面视频的FeO含量预测方法，涉及钢铁生产领域。该方法主要包括以下步骤：确定掉落时刻、剔除异常音频序列、划分图像序列及预处理、音频预处理、图像特征提取、音频特征提取、视频质量数据库构建以及质量预测模型的构建、训练与测试。与现有技术相比，该方法考虑了烧结机尾的恶劣条件，并从图像‑音频两方面更全面的对视频信息的特征进行了表征，可以实现对FeO含量的定量预测。

技术领域

本发明涉及钢铁生产领域，尤其涉及一种基于烧结机尾断面视频的FeO含量预测方法。

背景技术

钢铁产业中，烧结矿质量对最终高炉冶炼的性能有很重要的影响，而高炉冶炼的性能，如利用系数、燃料比等会进一步对最终的经济技术指标产生影响。烧结矿质量与混合料的水分、布料均匀性、烧结终点的位置和烧结矿中FeO含量等级有关，烧结矿的高质量是实现优质、高产的钢铁的保证。因此，烧结矿的质量对整个炼铁环节有至关重要的作用，其中，对于FeO含量的高低对后续烧结矿的还原性的好坏、粉化率的高低都有直接的影响，而这些都将直接影响到高炉炼铁。因此，对FeO含量的检测直接关系到高炉炼铁的质量。

目前，对FeO含量判定中较为准确的是化学分析法，但是从取样到化验存在时滞，不能实时反应FeO的含量变化。而对于烧结机尾图像的研究多集中在对烧结红层的直观图像特性进行判断，没有针对在烧结机尾恶劣的烟尘条件下，并结合其红层特性、热层特性、并利用烧结矿掉落声音的特性等特征综合地对烧结机尾视频进行分析的烧结矿质量衡量方法。

经对现有文献检索发现，最相近似的实现方案为中国专利申请号为：201010597200.1，名称为：一种烧结机尾红断面有效图像自动捕捉方法，其具体做法为：对机尾红断面图像进行实时提取，然后对每一幅目标图像分别进行处理，包括转红光处理。但是采用固定的时间周期没有考虑到实际生产中变化的烧结机速等情况，而且在转红光的过程中丢失了G通道和B通道的值，导致信息的缺失。专利申请号为：201410307470.2，名称为：一种烧结矿机尾断面FeO含量的控制方法，其具体做法为：将可见光图像和红外图像同时作为输入，提取特征送入模糊聚类系统和神经网络系统以获得FeO含量等级。但此方法特征简单，网络结构简单，只能对FeO含量进行定性的预测，无法做到定量的预测。专利申请号为：201910642094.5，名称为：一种烧结矿FeO含量检测方法及系统，其具体做法为：利用红外图像，并结合烧结机机尾部粉尘变化规律提取关键帧图像，之后通过多相热力学模型等进行及FeO含量分类判断。但此方法只考虑关键帧图像，在实际生产中，烧结机尾图像的整个过程是连续的，每一帧都会对FeO的含量预测产生影响。

综上，现有技术有以下缺点：

(1)在基于可见光图像进行预测的方法中，固定的时间间隔不能在实时条件下有效的对关键帧进行提取，此外，直接去除G通道和B通道的值进行转红光的处理丢失了相关的信息。

(2)在基于可见光和红外图像的方法中，由于提取的特征网络较为简单，且网络结构简单，不能对FeO含量进行定量的预测。

(3)在基于红外图像的方法中，考虑到机尾除关键帧外的图像对FeO含量判定的影响，只考虑关键帧图像影响了方法对FeO含量判定的鲁棒性。同时由于取样到化验存在时滞，关键帧和检测得到的FeO的含量不能很好的对应。

因此，本领域的技术人员致力于开发一种基于烧结机尾断面视频的FeO含量预测方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何更全面地提取信息特征来表征烧结矿的质量，并构建模型来对FeO含量进行准确的定量预测。

为实现上述目的，本发明提供了一种基于烧结机尾断面视频的FeO含量预测方法，其特征在于，包括以下步骤：

步骤1、判定掉落时刻；

步骤2、剔除两个相邻所述掉落时刻之间的异常音频小序列；