[发明专利]一种钢铁冷轧退火炉元器件多目标自动测温与预警方法

说明书

本发明公开了一种钢铁冷轧退火炉元器件多目标自动测温与预警方法，涉及金属冶炼技术领域，包括以下步骤：采集退火炉关键元器件图像数据、退火炉元器件目标检测算法开发、退火炉元器件图像语义分割算法开发和分析各个元器件的历史温度，设计温度异常检测算法。基于红外热成像摄像头和人工智能技术相结合的自动温度监测系统，并采用基于机器视觉技术的目标检测和图像语义分割算法，获得实时设备元器件图像。在获取现场实测数据的基础上，基于红外热成像摄像头获取关键元器件的实时温度数据，并开发温度异常检测算法，从而判断设备的运行状态并及时对设备异常进行预警。

技术领域

本发明涉及金属冶炼技术领域，具体为一种钢铁冷轧退火炉元器件多目标自动测温与预警方法。

背景技术

由于在网络上没有开源的钢铁企业退火炉关键元器件图像，需要通过人工拍摄采集获得图像作为模型训练的基础数据集，并且需要进行数据集的人工标注工作，再通过数据增强的方法对数据集进行扩充。由于需要增强模型的泛化性与精确程度，所以需要采集多种角度、不同光照强度下的元器件图像；通过前期的数据采集工作获得的元器件图像数据集，相较于一些网络上开源的机器视觉训练数据集来说，关键目标的特征相对不那么明显。在使用自主构建的符合真实场景的训练数据集完成目标检测算法与图像语义分割算法的训练过程中，如何选择在精度、速度等方面都具备优势的基础模型或网络，构建鲁棒的目标检测与图像语义分割模型；

结合现场实际工况，需要使用红外热成像摄像头采集的退火炉关键元器件的图像信息，并且基于实时目标检测与图像语义分割等多源图像解析技术，计算各元器件的实时温度，并实现温度异常检测功能。如何将目标检测与图像语义分割输出的目标与元器件轮廓结果与红外热成像摄像头采集图像相结合，以获得各个元器件的像素区域，计算对应元器件的温度；鉴于此，我们提出了一种钢铁冷轧退火炉元器件多目标自动测温与预警方法。

发明内容

针对现有技术的不足，本发明提供了一种钢铁冷轧退火炉元器件多目标自动测温与预警方法，解决了上述背景技术提到的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种钢铁冷轧退火炉元器件多目标自动测温与预警方法，该自动测温与预警方法包括以下步骤：

S1：采集退火炉关键元器件图像数据，通过多角度拍摄待检测的元器件获取更为有效的特征信息；基于labelme开源标注工具研究确定适用于本发明的样本标注方法，制定电机、减速机、轴承的元器件标注的准则，进行数据集目标识别与语义分割任务所需特征的精细化标注；

S2：退火炉元器件目标检测算法开发过程，基于YOLOv3模型开发退火炉元器件目标检测算法；

S3：退火炉元器件图像语义分割算法开发的过程，使用FCN模型对图像进行像素级的分类，进而对元器件图像进行语义级别的图像分割；

S4：在炉辊一侧的通道部署滑轨，将红外热成像摄像头在滑轨上匀速移动拍摄得到每个炉辊的红外热图像。根据红外热图像提供的每个像素的温度，结合通过目标检测与图像分割算法获得的各个元器件的像素区域，通过平均加权算法计算各个元器件的实时温度；

S5：通过分析各个元器件的历史温度，设计温度异常检测算法；分析统计部件的历史温度，计算过去一段时间内的最高、最低和平均温度，从而计算出当前时刻该元器件的正常温度范围，继而判断该元器件当前的温度是否处于正常温度范围内。如若不然，则判定该元器件当前温度异常，发出报警。

优选的，步骤S1数据采集及预处理的过程还包括：

S11、通过人工在多角度、不同明暗状态下拍摄退火炉元器件照片，覆盖所有关键检测元器件，模拟多种实装后红外摄像头的拍摄角度；

S12、通过业务调研分析，制定各个关键特征如目标检测过程中的关键目标、图像语义分割过程中的元件覆盖区域的标注准则；