[发明专利]基于SOLOv2网络的钢液检测定位方法

说明书

本发明公开了一种基于SOLOv2网络的钢液检测定位方法，包括：获取原始钢液图像；用训练好的SOLOv2网络处理原始钢液图像，得到钢液分割效果图；除去步骤2中得到的分割效果图中钢液区域面积小于阈值的钢液区域，得到第一钢液分割效果图；对于具有时序信息原始钢液图像，采用光流法获取火焰区域，计算区域面积；求取火焰区域与第一钢液分割效果图的交集面积，并采用面积判定的方法，除去不合理的区域后得到第二钢液分割效果图；对第二钢液分割效果图，采用方差判定方法，除去不合理区域，得到最终的钢液分割效果图。本发明使用SOLOv2深度学习网络，可以快速、准确的将钢液目标分割开来，完成钢液的定位，辅助判定此时转炉炼钢所处的状态。

技术领域

本发明属于图像处理领域，具体为一种基于SOLOv2网络的钢液检测定位方法。

背景技术

转炉炼钢是利用氧枪将氧气吹入炉内，利用与铁水中的各种元素产生复杂的物理化学反应放出的热量来进行冶炼，随着熔池内温度的提升，去除铁水内的杂质和降低含碳量，从而使熔池内各元素含量和温度达到出钢要求。转炉炼钢终点是指炼钢炉熔池内的化学成分含量和温度达到了出钢要求的时刻。终点判定是指通过熔池内的碳含量和温度来判断吹炼是否达到终点，因此，对转炉炼钢终点判定的准确尤为重要，终点判定的好坏直接关系到出钢产品的质量。

由于转炉炼钢所采用的原料成分不稳定，且炼钢吹炼是一个复杂的高温物理化学反应过程，单纯依靠普通操作工对终点进行控制很不精确，难以保证较高的终点命中率，造成资源浪费，效益低下。

发明内容

本发明的目的在于提出了一种基于SOLOv2网络的钢液检测定位方法。

实现本发明目的的技术解决方案为一种基于SOLOv2网络的钢液检测定位方法，具体步骤为：

步骤1：获取原始钢液图像；

步骤2：用训练好的SOLOv2网络处理原始钢液图像，得到钢液分割效果图；

步骤3：除去步骤2中得到的分割效果图中钢液区域面积小于阈值的钢液区域，得到第一钢液分割效果图；

步骤4：对于具有时序信息的原始钢液图像，采用光流法获取火焰区域，计算区域面积；

步骤5：对于步骤4获得的火焰区域，采用求取交集面积以及面积判定的方法，除去不合理的区域后得到第二钢液分割效果图；

步骤6：对步骤5获得的第二钢液分割效果图，采用方差判定方法，除去不合理区域，得到最终的钢液分割效果图。

优选地，所述SOLOv2网络处理原始转炉炼钢视频，得到分割效果图。具体为：

步骤21：利用训练样本对SOLOv2网络进行训练得到深度学习模型；

步骤22：使用深度学习模型处理原始转炉炼钢图，得到分割的效果图。

优选地，所述SOLOv2网络包括数据输入模块、骨干网络、特征金字塔网络以及掩码分析重构网络，其中：

所述数据输入模块用于完成数据的输入和预处理；

所述骨干网络采用resnet34网络对输入图片进行卷积操作，提取图片特征；

所述特征金字塔网络用于生成不同尺度的特征图并进行特征融合，得到掩码特征和掩码内核；

所述掩码分析重构网络用于对掩码特征进行预测分析和重构，得到掩码分割结果。

优选地，采用光流法获取火焰区的具体过程为：