DOI: 10.11817/j.issn.1672-7207.2016.02.004
基于图像处理的黏结漏钢可视化检测方法
刘宇1, 2,王旭东1, 3,杜凤鸣1,孔令伟1,姚曼1,张晓兵3
(1. 大连理工大学 材料科学与工程学院,辽宁 大连,116024;
2. 东北电力大学 机械工程学院,吉林 吉林,132012;
3. 江苏沙钢集团,江苏 张家港,215625)
摘要:基于板坯连铸结晶器温度在线监控系统,在实现结晶器温度及其变化速率“热成像”的基础上,借助阈值分割算法对温度变化的可疑区域进行提取,并采用八连通判别算法对异常区域进行区分和标记,开发基于计算机图形学的结晶器黏结漏钢可视化预报方法。以此为基础,从异常区域的位置、扩展、移动以及形状等方面,归纳和提炼结晶器黏结的共性特征,并与伪黏结进行区分。实验结果表明:基于图像处理的黏结漏钢预报方法,能够将伪黏结有效剔除,直观呈现异常发生和传播的全部过程及其典型特征,为异常在线诊断和准确预报提供先进手段,对于促进连铸生产的智能化、可视化控制水平具有积极意义。
关键词:连铸; 黏结漏钢; 图像处理; 可视化检测
中图分类号:TF 777.1 文献标志码:A 文章编号:1672-7207(2016)02-0380-06
Visual detection method for sticker breakout based on image processing
LIU Yu1, 2, WANG Xudong1, 3, DU Fengming1, KONG Lingwei1, YAO Man1, ZHANG Xiaobing3
(1. School of Materials Science and Engineering, Dalian University of Technology, Dalian 116024, China;
2. School of Mechanical Engineering, Northeast Dianli University, Jilin 132012, China;
3. Jiangsu Shagang Group, Zhangjiagang 215625, China)
Abstract: Based on the mould temperature on-line monitoring system for slab continuous casting, mould temperature and its velocity thermographs were realized. The suspicious temperature regions in the thermograph were extracted and divided by virtue of threshold segmentation. And the abnormal zones were determined with the eight connected components labelling algorithm. A visual detection method for mould sticker breakout was developed based on computer graphics. Then based on it, the common characteristics of sticker breakout were collected and compared with the false sticker breakout on the abnormal zone location, extension, horizontal move and shape, etc. The results show that the sticker breakout prediction method based on image processing can present the classical formation and propagation characteristics of sticker breakout and distinguish false sticker breakout intuitively. It also provides an advanced means to detect and predict the abnormity, and has a positive meaning to the intelligent and visual monitoring system for continuous casting production.
Key words: continuous casting; sticker breakout; image processing; visual detection
漏钢是干扰连铸生产的主要因素。生产中的漏钢以黏结漏钢为主,检测及预报黏结是连铸过程监控系统的重要组成部分[1-2]。目前,基于温度的黏结漏钢检测方法被广泛采用,已开发出一系列逻辑判断和人工智能的漏钢预报系统[3-5],通过识别结晶器热电偶温度曲线,判断和预测漏钢发生的可能性,以减少和避免漏钢事故[6-7]。然而,在国内多家钢厂的调研中发现,基于热电偶温度趋势的漏钢预报方法,易受到正常温度波动及工艺操作的影响[8-10],在温度波动较大的情况下,存在误报过多的问题,干扰连铸生产顺行[11-12]。众所周知,黏结不仅会引起铜板温度随时间变化的迅速升高,也将导致黏结区域在二维空间上沿浇铸和铸坯宽度方向的扩展,即具有二维空间传播特征[13]。漏钢预报不仅需要对时间-温度的一维变化进行快速识别,同时也依赖于其形成与扩展二维空间特征的准确捕捉,因此,有必要对其可视化预测方法进行研究,以丰富结晶器异常检测手段,提升过程监控的可视化、智能化水平。
1 铸机实验条件
本文实验基于国内某钢厂的弧形连铸机,铸机半径为10.75 m,冶金长度为28.8 m。结晶器铜板长为900 mm,铸坯宽度为1 800~2 700 mm,主要生产220 mm和320 mm厚度的板坯,2种规格铸坯最高工作拉速分别为1.2 m/min和0.7 m/min。为考察铸坯黏结的形成和发展过程,结晶器铜板采用大密度的热电偶布置方式:在宽面密集埋设19列热电偶,间距150 mm,窄面1列;沿浇铸方向布置3行测点,分别距结晶器上口210,325和445 mm,液位控制在100 mm,4张铜板上布置的热电偶共计120支,如图1所示[14]。
图1 结晶器热电偶布置示意图
Fig. 1 Schematic diagram of thermocouple layout in mould
2 温度可视化及黏结区域搜索
基于现场实际浇铸温度数据及热电偶布置特点,借助插值算法和计算机图形学技术,获得铜板温度的二维分布及其变化速率,实现结晶器铜板温度可视化。
2.1 铜板温度可视化
将铜板外弧宽面、右窄面、内弧宽面和左窄面以逆时针方向展开,分别按行(x—水平)、列(y—浇铸)方向,依据电偶埋设位置的实测温度,通过插值算法计算非测点位置的温度,存储在二维矩阵[Wb×H]和[Wn×H]。其中:Wb和Wn分别代表宽面与窄面铜板在水平方向的像素点数,H为浇铸方向的像素数,这里,每个像素可理解为离散后的“网格单元”,“网格单元”的尺寸即为横、纵向像素间的实际距离,可由铜板尺寸和像素数求得。之后,基于计算机图形图像学建立温度与颜色空间的一一对应关系,将各张铜板的温度映射到二维平面,实现铜板温度的“热成像”,如图2所示。
图2 4块结晶器铜板温度场可视化图
Fig. 2 Visualization diagram of temperature field for 4 mould copper plates
2.2 热像图帧间差分
在黏结发生过程中,温度通常以大于正常速率升高,现场操作人员往往更加关注温度的动态演化过程。为检测指定时间t内温度变化,借助帧间差分算法对不同时刻的温度热像图进行求差,获取铜板测点及非测点位置温度速率数据,计算式为
(1)
其中:g(x,y)为结晶器铜板温度速率的函数,表示 (x,y)位置当前时刻温度速率;A(x,y)为(x,y)位置当前时刻像素点代表的温度;A0(x,y)为温度热像图时间t之内的(x,y)位置像素点代表的温度。
结晶器铜板温度速率热像图也可以表示为矩阵 形式:
(2)
其中:c(p,q)为温度速率热像图中(p,q)位置像素点代表的温度变化速率;q和p分别为热像图横向、纵向的像素数。
2.3 温度速率可视化
图3(a),(b)和(c)所示分别为17:24:28,17:24:35和17:24:42 3个时刻下的温度热像图。时间t之内的温度热像图分别如图3(d),(e)和(f)所示;利用帧间差分算法,可以计算出t之内的温度变化,如图3(g),(h)和(i)所示。同样,以颜色区分温度变化程度,由图3的对比可知,温度速率热像图能够同时反映铜板温度的二维分布及其变化情况,可更加直观地呈现出异常形成及传播过程中的确切位置和移动特点。
图3 外弧宽面铜板温度和温度速率热像图
Fig. 3 Thermograph of mould temperature and velocity on outside copper plate
3 黏结区域识别
3.1 温度异常区域分割
在实际生产过程中,保护渣流入不均匀或液位波动等因素均会引起铜板局部温度的正常波动,给黏结区域的检测带来困扰。采用帧间差分法处理多例漏钢样本的温度数据,统计归纳后发现,温度速率大于0.3 ℃/s是黏结是区别于正常温度变化的共同特征,因此,可暂时将大于0.3 ℃/s区域划定为温度异常区域。此后,采用阈值分割算法,初步将正常温度波动区域从二维温度速率热像图中剔除,进一步确定可能发生黏结区域,阈值分割算法为
(3)
其中:b(x,y)为温度速率热像图二值表示方式,取值为0或1;Z为异常区域温度速率分割的阈值,若像素点温度速率g(x,y)小于阈值Z,则认为该像素点不符合温度异常条件,将二值函数b(x,y)设为0,反之,若像素点温度速率g(x,y)大于阈值Z,则认为该像素点存在温度异常,将二值函数b(x,y)设为1。
3.2 温度异常区域连通性标记
在图像处理中,像素点与相邻的像素点关系可分为四连通和八连通2种情况。如图4(a)所示,在3×3的区域中,以中心点为当前的像素点,若其上(或下、左、右)像素点的灰度b(x,y)与中心点的灰度值相同,则判定上方像素点与中心像素点连通。而八连通区域除了包含四连通区域的4个方向之外,还包括了左下、右下、右上、左上,如图4(b)所示。经过阈值分割后的图像可能存在一个或多个连通区域,其形状、大小及临近连通区域位置是判断黏结漏钢的重要条件,因此,本文采用八连通判别算法。
图4 连通区域相邻像素点关系
Fig. 4 Interrelationship between center pixel and neighbors
将二值图像中的不同连通区域进行区分,并分配相应的标记号,称之为标记。对阈值分割后的图像矩阵b(x,y)进行逐点扫描,从左到右,从上到下扫描每个像素点,借助下式为不同连通区域分配标号:
若b(x,y)=0,则
(4)
若b(x,y)=1,且b(x-i,y-j)=1,则
(5)
若b(x,y)=1,且b(x-i,y-j)=0,则
(6)
其中:,(i, j)有4种形式,分别是(1,-1),(0,-1),(-1,-1)和(-1,0);t(x,y)为温度速率热像图温度异常点标记函数,其值为(x,y)位置处标记号,见图5中的0,1,2,3,…;Ms为当前点的右上、正上、左上以及左前的像素点区域,如b(x+1,y-1),b(x,y-1),b(x-1,y-1)和b(x-1,y),在式(4)中,上述位置的优先级依次降低;m为当前最大标号变量,其值为连续自然数。
首先判断当前像素点b(x,y)是否为1,若其值不为1,则说明当前像素点不存在温度异常情况,将 t(x,y)设置为0,并进行扫描下一个像素点;若当前像素点b(x,y)为1,则认为该像素点处存在温度异常情况,进行如下判断:
1) 若右上像素点b(x+1,y-1)为1,则将右上像素点t(x+1,y-1)标记号赋值给b(x,y);若右上像素点b(x+1,y-1)为0,则进行条件2)判断。
2) 若正上像素点b(x,y-1)为1,则将正上像素点t(x,y-1)赋值给t(x,y);若正上像素点b(x,y-1)为0,则进行条件3)判断。
3) 若左上像素点b(x-1,y-1)为1,则将左上像素点t(x-1,y-1)赋值给t(x,y);若左上像素点b(x-1,y-1)为0,则进行条件4)判断。
4) 若左前像素点b(x-1,y)为1,则将左前像素点t(x-1,y)赋值给t(x,y);若左前像素点b(x-1,y)为0,则执行条件5)。
5) 若当前像素点右上、正上、左上、左前像素点均为0,则将当前最大标号m进行加1,并赋值给t(x,y),改变当前像素点,继续进行判断像素点t(x,y+1)。
经以上步骤遍历热像图后,温度异常区域被确定下来,如图5所示。标号为0区域表示不存在温度异常情况,可以认为是背景,而标号为1,2和3区域存在温度异常。经标记过后,可见异常区域1面积较大,其形状呈现“V”型,具有结晶器黏结特征,而异常区域2和3面积较小,属于正常温度波动。
图5 连通区域标记结果示意图
Fig. 5 Schematic diagram of labeling result for connected regions
4 可视化检测结果及讨论
结晶器铜板温度场受钢种、保护渣、拉速、液位等众多工艺因素影响,即使在稳定浇铸情况下,也经常出现温度大幅度波动情况。在实现结晶器温度场可视化检测基础上,结合实时热电偶温度数据,将热像图中黏结形成、传播过程的共性特征进行统计分析,并与伪黏结进行对比。
图6所示为4例温度速率热像图伪黏结异常区域检测结果。以图6中A系列为例(见图6(a)~(d)),在00:37:34时,温度速率热像图中下部出现温度异常区域,如图6(a)所示;在5 s之后,即00:37:39时,温度异常区域面积逐渐增加,而温度异常区域位置并未发生明显改变;由图6(c)和(d)可知:温度异常区域面积、高度均有所增加,其形状略有变化,而位置始终位于热像图下部,并未发生明显移动,属于典型的伪黏结温度异常。其他3例伪黏结在不同时刻下的温度变化,如图6(e)~(h)所示。考察4例伪黏结,其特征可简要概括为:1) 伪黏结异常区域位置具有不规律性,在纵向上偶有上下窜动和跳跃;2) 异常区域的面积通常较小;3) 沿浇铸方向和铸坯宽度方向上未发生明显的移动;4) 异常区域不具备典型黏结的“V”型特征。
图6 温度速率热像图伪黏结可视化检测
Fig. 6 Visual detection of false sticker breakouts in temperature velocity thermograph
图7所示为4例真黏结发生过程中,温度速率热像图异常区域的检测结果。弯月面附近坯壳较薄,液态钢水在弯月面处十分活跃且由于保护渣流入不均等原因,黏结通常发生在弯月面附近,以图7中的A系列为例,在09:22:17时刻,温度速率热像图上部出现温度异常区域,该区域面积相对较小,如图7(a)所示;随着浇铸的进行,黏结异常区域面积逐渐扩大,并沿着拉坯方向不断下移至热像图中部,同时在铸坯宽度方向上沿左右横向扩展,如图7(b)所示,此时,黏结异常区域①和②共同呈现黏结漏钢“V”型特征;在09:22:44时刻温度速率热像图捕捉的黏结区域持续6 s,发出漏钢预报警,拉速迅速降低至0.1 m/min;图7(d)是降速后8 s的结晶器温度变化,由图可知,温度上升的异常区域得到抑制,在较低拉速下,黏结区域不断地缩小、愈合,漏钢得到避免。图7中的B,C和D系列,虽然黏结形成时刻、位置均不相同,而黏结的形成、发展过程却十分相似,是典型的黏结征兆。
图7 温度速率热像图黏结可视化检测结果
Fig. 7 A visual detection of true sticker breakouts in temperature velocity thermograph
归纳并分析图6和图7中真、伪黏结的温度变化特征:1) 异常区域的位置特征:在温度速率热像图中,黏结异常区域首先形成于热像图上部,伪黏结异常区域初始形成位置不确定,可能是热像图上部、中部或下部;2) 异常区域的扩展特征:在图7中,黏结异常区域面积由小至大,具有扩展性,在降速时刻,黏结异常区域面积较大,而伪黏结面积通常较小,且变化不明显,即扩展程度较小;3) 异常区域的移动特征:虽然黏结扩展方向和速率具有不确定性,但黏结异常区域一定会向左右两侧或仅向一侧进动,而在图6中温度异常区域并未发生横向移动,仅是在热像图相对“固定位置”处发生温度异常区域面积、高度及形状的较小变化,横向移动扩展是区别于伪黏结的重要特征;4) 异常区域的形状特征:在图7中多例黏结温度异常区域均呈现“V”型特征,也是区别于温度异常伪黏结的重要特征之一。
因此,温度速率热像图能够作为检测真伪黏结及预报黏结漏钢准确、有效的方法,利用温度异常区域的位置、扩展、横向移动以及区域形状等特征可以辨别真伪黏结,进行综合考虑,剔除伪黏结和避免误报。
5 结论
1) 在实现结晶器温度及其变化速率“热成像”的基础上,借助计算机图像处理方法,捕捉结晶器异常发生过程中温度变化的异常区域,研究开发基于计算机图形学的结晶器黏结漏钢可视化检测方法。
2) 通过大量黏结数据样本的分析统计,从位置、移动和形状特点等方面提炼黏结共性特征,并与伪黏结进行对比:黏结首先形成于热像图上部,伪黏结位置具有不规律性;黏结区域向一侧或两侧移动,而伪黏结仅在相对“固定位置”出现面积、高度、形状的小幅变化;黏结异常区域呈现“V”型,伪黏结则不具有这一重要特征。
3) 基于图像处理的黏结漏钢预报方法,能够为操控人员直观提供异常形成及其发展的动态特征,对于提高结晶器异常预报的准确性,提升连铸过程监控的智能化、可视化水平具有积极作用。
参考文献:
[1] NORMANTON A S, HEWITT P N, HUNTER N S, et al. Mould thermal monitoring: a window on the mould[J]. Ironmaking and Steelmaking, 2004, 31(5): 357-363.
[2] WATZIGER J, PESEK A, HUEBNER N, et al. MoldExpert- operational experience and future development[J]. Ironmaking and Steelmaking, 2005, 32(3): 208-213.
[3] QIN Xu, ZHU Chaofu, ZHENG Liwen, et al. Molten steel breakout prediction based on thermal friction measurement[J]. Journal of Iron and Steel Research, 2011, 18(4): 24-29.
[4] 张本国, 李强, 王葛, 等. 基于改进BP神经网络的连铸漏钢预报[J]. 中国机械工程, 2012, 23(2): 204-208.
ZHANG Benguo, LI Qiang, WANG Ge, et al. Breakout prediction based on improved BP neural network in continuous casting process[J]. Chinese Journal of Mechanical Engineer, 2012, 23(2): 204-208.
[5] SOHN I, PICCONE T J, NATARAJAN T T. Detection of mold events using thermocouple measurements[J]. Iron & Steel technology, 2008, 5(1): 44-50.
[6] 赵杰. 基于热电偶测温的漏钢预报系统[J]. 冶金自动化, 2012, 36(6): 16-20.
ZHAO Jie. Breakout prediction system based on thermocouples[J]. Metallurgical Industry Automation, 2012, 36(6): 16-20.
[7] 何涛焘, 田陆, 黎锋果. 一种高准确率漏钢预报系统[J]. 连铸, 2011(3): 9-11.
HE Taotao, TIAN Lu, LI Fengguo. The high precision mold breakout prediction system[J]. Continuous Casting, 2011(3): 9-11.
[8] 田建良, 陈开义, 江中块. 梅钢漏钢预报系统的开发与实践[J]. 连铸, 2013(3): 15-17.
TIAN Jianliang, CHEN Kaiyi, JIANG Zhongkuai. Development and practice of Meishan breakout prediction system[J]. Continuous Casting, 2013(3): 15-17.
[9] 裴红彬, 张慧, 席常锁, 等. 板坯连铸粘结漏钢坯壳特征及结晶器铜板温度变化研究[J]. 钢铁钒钛, 2012, 33(6): 45-48.
PEI Hongbin, ZHANG Hui, XI Changsuo, et al. Characteristics of the shell with sticking breakout problem and temperature variation of the mold’s thermocouple in slab casting[J]. Iron Steel Vanadium Titanium, 2013, 33(6): 45-48.
[10] 张勇. 板坯连铸机粘结漏钢的原因分析及解决措施[J]. 冶金丛刊, 2013, 204(2): 1-3.
ZHANG Yong. Analysis and solution on sticking breakout in slab continuous caster[J]. Metallurgical Collections, 2013, 204(2): 1-3.
[11] 毛尽华, 张胜伟. 超宽板坯连铸机黏结漏钢原因及预防措施[J]. 连铸, 2007(4): 22-30.
MAO Jinhua, ZHANG Shengwei. Causes and countermeasures for sticking breakout in wide slab caster[J], Continuous Casting, 2007(4): 22-30.
[12] 刘光穆, 郑柏平, 陈建新, 等. 薄板坯连铸连轧工艺与产品质量[J]. 中南大学学报(自然科学版), 2004, 35(5): 763-768.
LIU Guangmu, ZHENG Baiping, CHEN Jianxin, et al. Process and quality of continuous casting and rolling of thin slab[J]. Journal of Central South University (Science and Technology), 2004, 35(5): 763-768.
[13] KENNETH E B, ISMAEL G S. Characterization of the formation, propagation and recovery of sticker/hanger type breakouts[J].ISIJ International, 1990, 30(6): 435-443.
[14] 刘宇, 王旭东, 施桂钱, 等. 板坯连铸结晶器黏结及其传播行为[J]. 钢铁, 2014, 49(2): 31-35.
LIU Yu, WANG Xudong, SHI Guiqian, et al. Mold sticking and its propagation behavior during slab continuous casting[J]. Iron and Steel, 2014, 49(2): 31-35.
(编辑 陈爱华)
收稿日期:2015-03-16;修回日期:2015-05-20
基金项目(Foundation item):国家自然科学基金资助项目(51004012);国家高技术研究发展计划(863计划)项目(2009AA04Z134);中国博士后科学基金资助项目(2012M520621,2013T60511)(Project(51004012) supported by the National Natural Science Foundation of China; Project (2009AA04Z134) supported by the High Technology Research and Development Program of China; Projects (2012M520621,2013T60511) supported by the China Postdoctoral Science Foundation)
通信作者:王旭东,博士研究生,副教授,从事铸过程监测及控制研究;E-mail:hler@dlut.edu.cn