CN1668920A - 熔融状态的在线测量的方法 - Google Patents

Abstract

一种使用多变量图像分析方法确定和量化关于包括熔渣、熔剂、金属和冰铜的熔融状态的信息。使用该处理过程，熔融状态的属性(例如熔渣的分裂、裸金属的尺寸、熔渣的局部凝固以及熔渣的温度)能在合理的计算时间内得以准确地确定。此外，该方法能够作为熔融状态的在线测量工具被实施。

Description

熔融状态的在线测量的方法

技术领域

本发明涉及对来自熔融状态(包括熔渣(slag)、熔剂(flux)、金属和冰铜(matte))的信息进行识别和量化。使用基于取自熔融状态表面的图像数据的主成分分析的方法。

现有技术

多变量图像处理提供了从图像数据提取信息的可靠方法。这一方法已经成功地应用于几个图像处理的应用中，例如卫星图像数据和医学领域。但是现有应用中还没有将这一方法应用于熔融状态的在线测量。

对处理过程的可靠的实时测量是开发任何控制系统的重要因素。对于高温熔融状态处理(例如炼钢)，因为极端条件，实现实时测量是困难而且昂贵的。目前，有几种方法可以收集熔融状态的信息，例如检测熔融状态的相关表面区域以及对上述状态是否处于完全熔化的评估，这些都是基于操作者的人为视觉观察。因此，需要更可靠的熔融状态的在线测量。

本发明的目的是在合理的计算时间内详细记述和量化关于熔融状态的在线信息以检测熔融状态的相关表面区域、确定是否处于完全熔化的状态以及预计这些状态的温度。因为计算时间相当快，所以该方法可用作在线测量装置以及被整合到控制系统中。

发明公开

按照本发明，提供一种使用取自熔融状态的表面的图像数据的主成分分析来将熔融状态特征化的方法。该方法包括：(a)开发标准；以及(b)使用该标准确定和量化在线图像数据。为了开发所述标准，开发的过程包括下列步骤：(i)获取熔融状态表面的数字图像；(ii)执行该图像的主成分分析；(iii)在熔融状态属性的知识的基础上判断所述主成分的标准值，其将用于确定在线图像的属性。在使用识别和量化在线图像数据的标准中，执行下列步骤：(a)获取熔融状态表面的数字图像；(b)执行该图像的主成分分析；(c)将该分析与主成分的标准值进行比较以确定上述图像的属性；以及(d)量化上述图像的属性。

附图简要说明

图1是熔融状态的在线测量的原理图。基本上，该系统包括三个主要部分，即被测量的熔融状态，用于获取图像数据的数字照相机，以及用于处理该图像数据的计算机；

图2表示取自熔融状态的RGB图像的例子；

图3是主成分分析过程的原理图；

图4是图2中的图像的前两个主成分绘图(plot)(t₁对t₂)的例子；

图5是与预测的裸金属面积相关联的绘图，其与从容器底部注入的惰性气体流量一起，作为注气时间的函数；

图6是与熔池(bath)的温度和熔渣属性的平均第二主成分t₂相关的绘图。

本发明的最佳实施方式

熔融状态的在线测量系统的原理图通常由图1中的数字20所表示。如图所示，系统20用于测量在容器22中的熔融状态，包括用于获取图像数据的数字照相机24以及用于处理该图像数据的计算机26。

测量熔融状态属性(例如渣面的分裂、渣相的局部凝固或者熔渣的温度)的第一步是使用数字照相机24以RGB(Red-Green-Blue，红-绿-蓝)格式捕获该熔渣表面的图像数据。RGB格式是通常用于表示高分辨率彩色图像的方式，其中每个像素以三个数值表示一分别表示该像素颜色的红、绿、蓝(RGB)组分。在图2的彩色图像中，该图像的白色区域对应于裸金属(baremetal)，黄色区域对应于薄熔渣(thin slag)，褐色区域对应于流体熔渣(fluidslag)，而黑色区域对应于凝固渣(solidified slag)。这样的图像可示意地表示为三个n×m像素图像的堆。从数学角度上看，该图像可看作矩阵I_m，其大小为n×m×3，如图3所示。这样的取自于炼钢桶(ladle)表面的图像在图2中是可视的。数字图像数据传送到过程控制计算机26中以便在由图像数据获得的信息的基础上确定熔融状态的属性。

在处理获得的熔融状态的图像数据的过程中使用主成分分析或叫作PCA。PCA是应用于一组变量的多变量统计过程(这些变量是高度关联的)以揭示它的主成分(或者得分向量(score vector))。这些主成分是原始变量的线性组合，这些变量是相互独立的，并且能在它的最初几个主成分中获取原始变量中的主要信息[Jackson，1991]。

多变量统计方法，例如主成分分析(PCA)以及局部最小二乘方(PLS)，已经成功地用于多变量图像分析[Esbensen等，1989；Geladi等，1989；Grahn等，1989；Bharati和MacGegor，1998]。使用这些方法，一组高维的和高度相关的数据能够被投射为一组具有维度降低的不相关的数据。在本发明中PCA方法用于评估熔融状态的图像。

为了简化这一问题，图3的三维矩阵I_m(m×n×3)被展开为扩展的二维矩阵X_((n，m)×3)，如图3所示。

展开的图像矩阵X通过执行主成分分析而被分解[Jackson，1991]。原始矩阵和其主成分之间的关系通过下面的等式给出：

$X=\underset{i}{\mathrm{\Σ}}{t}_i{p}_i^T+E=T{P}^T+E---\left(2\right)$

其中，X是I_m的展开形式；T是得分矩阵(score matrix)；P是载荷矩阵(loading matrix)；E是剩余矩阵。

假设图像中的所有信息都保留在前两个主成分中，即t₁和t₂，那么X矩阵近似为：

$\hat{X}=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}{t}_i{p}_i^T---\left(3\right)$

得分向量t_i是解释多变量数据中的最大偏差的数据矩阵X中的变量(列)的线性组合。这些向量具有相互正交的性质。载荷向量p_i是该数据矩阵中的方差-协方差(variance-covariance)结构(X^TX)的特征向量(以降序)。这些向量具有相互正交的性质(即P^TP＝I；其中I是单位矩阵)。基于得分向量和载荷向量的性质，得分矩阵T的值可由X乘P得到[Geladi等，1989]：

T＝XP                                    (4)

下面假设图像中所有信息都保留在前两个主成分中，前两个得分向量(t₁和t₂)的组合与这些像素基本相等[Bharati和Macgregor，1998]，如等式(3)算术所示。因此，这些主成分的组合可用于从上述图像中提取信息(或者区分上述图像的材料)。此外，每个波长的像素亮度的平均值由t₁表示，而不同波长的像素亮度之间的对比度和差别由t₂表示[Bharati和Macgregor，1998]。按照本发明，t₁或t₂的平均值可用于表征图像的属性，例如确定温度。

图2中表示的图像的图像数据通过使用图3给出的处理过程展开得到矩阵X。使用PCA的标准处理过程分析矩阵X的主成分例如[Jackson，1991]给出载荷向量p_i的值和表1中表示的特征值。该报告的所有计算用高级计算机语言执行，即MATLAB^TM版本6以及MATLAB^TM图像处理工具箱(ImageProcessing Toolbox)版本3。

表1.图3中表示的图像的载荷向量和特征值

得分	1	2	3
				载荷向量特征值总方差％	0.70020.61890.35580.245884	-0.57380.19150.79630.038713.23	-0.42470.7617-0.48930.00812.77

如表1所示，前两个主成分的累积的总方差是97.23％(分别是84.00％和13.23％)。因此，假设图像中的主要信息保留在前两个主成分中是合理的；这些主成分的组合可用于从图像中提取信息(或者区别图像中的材料)，然后仅用前两个主成分进行随后的分析。这两个主成分的载荷向量是：

$p_1^T=\left[\mathrm{0.70020.61890.3558}\right]$ 和 $p_2^T=[-\mathrm{0.57380.19150.7963}]$

在图4中表示的是前两个得分向量(t₁对t₂)的分散绘图(scatter plot)。该图具有被绘图的3110400个得分组合，每一个代表原始图像中的2160×1440像素的位置。应当注意到，在本图中有几个点的交叠，这是因为大量的像素被绘进图中并且原始图像中的相似特征产生相似的得分向量组合。

通过将像素的前两个主成分(t₁和t₂)的值投射到相应的图像，可以识别被t₁和t₂的组合值解释的原始图像的信息。这一步骤的结果可用于描绘像素等级。使用t₁和t₂的组合值，以及联合由一个像素的区域代表的信息，图像中对象的面积可以被确定。这一步骤的结果可用于描绘表2中给出的像素等级。通过使用这种方法，如果已知一个像素的代表的面积，那么考虑中的总的面积可由一个像素的面积乘上在图4中同一组的点的数量而确定。例如，使用这种方法计算在图2中的炼钢桶中观察到的槽眼(spout eye)或裸金属的面积得到的值是1.764平方米。

            表2.将前两个主成分映射到原始图像中的信息

t1	t2	原始图像
			1.1475到1.26340.6138到1.14750.0790到0.6138	0.2995到0.5322-0.2245到0.2995-0.3356到-0.1998	眼(白色)薄熔渣(黄色)流体熔渣和桶壁(棕色)

图5表示了预测的裸金属面积的例子，在该图中，接合惰性气体流量一起作为注气时间的功能。如图中清晰所示，裸金属的面积是惰性气体流量的函数。从前面的讨论中清楚，根据本发明的方法可用于描绘表面属性(例如熔渣或裸金属的分裂和熔渣的局部凝固)和用于量化关于其面积的表面属性。

因为第二主成分t₂表示在不同波长的像素亮度间的对比或差异[Bharati和MacGregor，1998]，所以使用第二主成分的平均值来量化熔池的温度。温度和亮度之间的关系也是材料的反射属性的函数，其在某种程度上是桶样成分(ladle chemistry)的函数。

图6表示熔池温度和平均第二主成分t₂之间的关系用于表示熔渣等级。如图6所示，从中可以得到熔池的温度可由第二主成分t₂的平均值代表。因此，可得出结论：熔融状态(包括熔渣、熔剂、金属和冰铜)的温度能够使用t₂的平均值来确定。

为了将图像处理过程结果作为实时测量数据，很重要的一点是能够在合理的时间中处理该图像。在目前的工作中，测量裸金属面积的处理时间是几秒钟。因此，可下结论，计算速度对于在线测量系统而言是足够的。上述计算是在IBM^TM奔腾III/800MHz、250MHz RAM、在Window^TM 2000环境下运行的个人计算机中使用MATLAB^TM版本6以及MATLAB^TM图像处理工具箱(Image Processing Toolbox)版本3进行的。

Claims (8)

1.一种识别和量化来自具有外露表面区域的熔融状态产品的信息的方法，所述方法包括下列步骤：

a)开发用于数字图像的在线评估的标准；以及

b)执行所述在线评估，其中使用下列步骤开发所述标准：

i)获取一熔融状态产品的外露表面区域的数字图像，以产生标准图像数据；

ii)对所述标准图像数据执行主成分分析，以确认作为所述标准图像数据特征的得分向量t₁和t₂；

iii)将所述得分向量t₁和t₂的值与所述熔融状态产品的特征属性进行关联，以定义t₁和t₂的标准值；

并且使用下列步骤进行所述评估：

iv)获取一熔融状态产品的外露表面区域的数字图像以生成在线图像数据；

v)对所述在线图像数据执行主成分分析，以定义作为所述在线图像数据特征的得分向量t₁和t₂；

vi)根据所述t₁和t₂的标准值为所述在线图像数据的区域指定一特征属性；

vii)建立所述特征属性的输出从而识别和量化状态。

2.如权利要求1所述的方法，其中所述熔融状态包括熔渣、熔剂、金属、冰铜和玻璃中的任意一个。

3.如权利要求1所述的方法，其中所述数字图像在可见光谱中取得。

4.如权利要求1所述的方法，其中所述数字图像包括在至少三个波长范围内测定的亮度值像素元素矩阵。

5.如权利要求4所述的方法，其中所述数字图像的像素元素具有变化的红、绿、蓝颜色的亮度。

6.如权利要求1所述的方法，其中用所述得分向量t₁和t₂校正的所述特征属性选自下列组：熔融状态产品的状态识别；每个识别的状态占用的表面积；每个识别的状态的温度。

7.一种监测具有高温熔融状态的炼钢桶以区别具有裸金属、覆盖有熔渣的裸金属和流体熔渣的区域的方法，所述方法包括下列步骤：

a)开发用于数字图像的在线评估的标准；以及

b)执行所述在线评估，其中使用下列步骤开发所述标准：

i)获取炼钢桶的外露表面区域的数字图像，以生成标准图像数据；

ii)对所述标准图像数据执行主成分分析，以定义作为所述标准图像数据属性的得分向量t₁和t₂；

iii)将所述得分向量t₁和t₂的值与所述熔融状态产品的特征属性相关联，以定义t₁和t₂的标准值；

并且使用下列步骤进行所述评估：

iv)获取熔融状态产品的外露表面区域的数字图像以生成在线图像数据；

v)对所述在线图像数据执行主成分分析，以定义作为所述在线图像数据属性的得分向量t₁和t₂；

vi)根据所述t₁和t₂的标准值为所述在线图像数据的区域指定特征属性；

vii)建立所述特征属性的输出从而识别和量化状态。

8.如权利要求7所述的方法，其中用所述得分向量t₁和t₂校正的所述特征属性选自下列组：状态识别；每个识别的状态占用的表面积；每个识别的状态的温度。

Images