[发明专利]基于人工智能的钢包渣线结渣清理时间预测方法及系统

权利要求书

1.基于人工智能的钢包渣线结渣清理时间预测方法，其特征在于，该方法包括以下步骤：

采集首次盛钢水前的钢包内壁的第一内壁图像、完成浇铸工序后的所述钢包内壁的第二内壁图像以及完成浇铸工序后的钢包的所述俯视图像；

以钢包内沿内的区域作为目标，分别对所述第一内壁图像、所述第二内壁图像以及所述俯视图像划分所述感兴趣区域，得到第一感兴趣区域图像、第二感兴趣区域图像和第三感兴趣区域图像；

对所述第一感兴趣区域图像进行检测，获取所述钢包内壁的侵蚀程度；

通过对所述第二感兴趣区域图像和所述第三感兴趣区域图像进行结渣线检测，计算结渣线位置的结渣梯度变化量和渣层的凸度，评估钢包中渣线区域的结渣脱落风险；所述结渣线为钢渣形成的所述渣层与钢包内壁接触面的交界线；

根据所述钢包的使用炉次、所述侵蚀程度以及结渣的分布情况计算挂渣量；根据所述挂渣量、所述结渣脱落风险以及结渣面积预测渣线区域的最佳清理时间。

2.根据权利要求1所述的方法，其特征在于，所述侵蚀程度的获取方法为：

将所述第一感兴趣区域图像内的像素点分为侵蚀缺陷和正常两类，计算所述侵蚀缺陷的像素点数量在所述第一感兴趣区域图像内的像素点的占比，所述占比表示所述侵蚀程度。

3.根据权利要求1所述的方法，其特征在于，所述结渣线检测的方法为：

设置滑动窗口分别遍历所述第二感兴趣区域图像和所述第三感兴趣区域图像，通过所述窗口内像素的平均灰度差的阈值判断钢包内壁是否存在结渣线。

4.根据权利要求1所述的方法，其特征在于，所述凸度的获取步骤包括：

获取所述渣层的外部轮廓，检测所述第三感兴趣区域图像中每个所述外部轮廓内形成的凸点；

通过计算同一所述外部轮廓中不同凸点之间的二阶差分信息获得所述外部轮廓的凸度。

5.根据权利要求1所述的方法，其特征在于，所述结渣的分布情况根据所述结渣面积与假定形成的环形面积的比值获得；所述环形以所述渣层的平均厚度为环宽。

6.基于人工智能的钢包渣线结渣清理时间预测系统，其特征在于，该系统包括以下模块：

图像采集模块，用于采集首次盛钢水前的钢包内壁的第一内壁图像、完成浇铸工序后的所述钢包内壁的第二内壁图像以及完成浇铸工序后的钢包的俯视图像；

感兴趣区域划分模块，用于以钢包内沿内的区域作为目标，分别对所述第一内壁图像、所述第二内壁图像以及所述俯视图像划分感兴趣区域，得到第一感兴趣区域图像、第二感兴趣区域图像和第三感兴趣区域图像；

侵蚀程度获取模块，用于对所述第一感兴趣区域图像进行检测，获取所述钢包内壁的侵蚀程度；

结渣脱落风险评估模块，用于通过对所述第二感兴趣区域图像和所述第三感兴趣区域图像进行结渣线检测，计算结渣线位置的结渣梯度变化量和渣层的凸度，评估钢包中渣线区域的结渣脱落风险；所述结渣线为钢渣形成的所述渣层与钢包内壁接触面的交界线；

最佳清理时间预测模块，用于根据所述钢包的使用炉次、所述侵蚀程度以及结渣的分布情况计算挂渣量；根据所述挂渣量、所述结渣脱落风险以及结渣面积预测渣线区域的最佳清理时间。

7.根据权利要求6所述的系统，其特征在于，所述侵蚀程度获取模块还包括：

侵蚀程度计算模块，用于将所述第一感兴趣区域图像内的像素点分为侵蚀缺陷和正常两类，计算所述侵蚀缺陷的像素点数量在所述第一感兴趣区域图像内的像素点的占比，所述占比表示所述侵蚀程度。

8.根据权利要求6所述的系统，其特征在于，所述结渣脱落风险评估模块还包括结渣线检测模块，用于设置滑动窗口分别遍历所述第二感兴趣区域图像和所述第三感兴趣区域图像，通过所述窗口内像素的平均灰度差的阈值判断钢包内壁是否存在结渣线。