基于图像处理的高炉风口缺陷检测方法研究

陈庆芬

中国电子科技集团公司第三十八研究所

0摘要：

随着高炉喷煤量的不断增加，对高炉风口的安全性、稳定性要求也在不断提高。监测高炉风口各支管的喷煤状态及各支管喷煤的一致性、均匀性，对于保证高炉正常工作、降低冶炼成本具有重要意义。传统的人工高炉风口检测方法对锅炉内的情况检测准确度不高，容易出现异常状态漏检或者误检的情况。针对上述问题，本文提出了一种基于图像处理算法的检测方法。本方法能够较好的将高炉风口漏水与断煤数据检测出来，从而实现高炉风口缺陷自动检测。

关键词：高炉风口；缺陷检测；Otsu；图像处理

1 引言

在高炉冶炼过程中，对风口的监视是一项非常重要的工作。高炉风口小套凸出到炉内，前端近2000°C的高温，而且工作环境极其恶劣，风口小套易破损。若风口小套漏水，将导致燃料比升高、炉凉、损坏炉缸耐火材料等问题，同时风口小套漏水，可能会导致风口爆炸等重大事故。而炉缸热源主要来自风口燃烧带，燃烧带的温度，在一定条件下决定了炉缸的温度，对整个高炉的传热、传质、还原、脱硫以及生铁成份，均起重大影响。

高炉风口处在高炉下部的要害部位，不仅承受着高温液态渣铁的恶劣侵蚀、而且受到循环区焦炭的撞击及落下焦炭的磨损。风口破损的原因据国内外风口破损统计，渣铁侵蚀造成的占80-92%，磨损的占3-15%，龟裂破损的占5%以下^[1]。

高炉风口缺陷检测，目前普遍采用的是人工利用肉眼窥视方法，由于风口较多，查询一次时间长，且不能保证连续观察，还常有误判出现，因而难以得到及时、准确的炉内状况信息，这给高炉稳定生产带来极大影响^[2]。风口成像设备能够采集到风口的成像视频数据。通过风口成像设备的接入，人员可以在计算机屏幕上观察风口工作状况，但由于风口数量众多，实时数据海量，没有分析报警功能，仍然无法达到对风口工作的全面监测。只能做事后分析，现有设备无法提供图像数据智能分析、报警、记录的功能。

2 基于图像预处理的Otsu图像检测方法

2.1 高炉风口特点

高炉风口是装在炼铁厂高炉上的，由高炉风口吹入的高温热风和炉底焦炭氧化燃烧生成CO，CO在高温上升中还原出原来以氧化物形态存在的铁。高炉风口具有传导性好、组织致密、耐磨性好等特点。高炉操作是一门连续性非常强的操作工艺，一般情况下，高炉的风口小套都是实行寿命管理、定期更换。若高炉风口小套出现非正常损坏，会严重影响高炉的正常生产，除休风对产量的影响外，还包括漏水导致燃料比升高、高炉炉凉，损坏炉缸耐火材料等。频繁的休风还会导致软熔带位置变化，以致炉墙结厚，或导致炉缸不活直至炉缸堆积。所以，对高炉风口状态的检测就显得至关重要，是高炉操作者日常关注的焦点。

正常高炉风口和缺陷高炉风口的定义见下表1：

表1 风口正常与缺陷定义

2.2基于图像预处理的Otsu图像检测方法

针对前端输入的高炉风口图像进行预处理，首先将输入原图灰度化，然后高斯滤波平滑边缘，使用Otsu最大类间差分算子确定二值化阈值，之所以选择Otsu算法，是因为其可以自适应确定阈值从而更精确提取mask。针对提取mask图像采用中值滤波滤除噪声干扰，中值滤波能够在滤除噪声的同时较好的保留目标的轮廓信息，从而为下一步较好地提取mask轮廓。具体算法流程步骤如下图1所示：

图1 算法处理流程

2.2.1断煤检测流程

首先以经过预处理之后的mask轮廓为输入数据，得到轮廓最小外接椭圆，统计外接椭圆中像素值为0即黑色区域所占的面积比例，目前经过大量数据测试，设定阈值15%，如果面积比例大于阈值则认为是正常图片，否则认为出现断煤。

下图2所示为风口断煤检测示意图，图中蓝色点迹所示区域即为断煤显著特征区域。

图2风口断煤检测示意图

2.2.2漏水检测流程

输入和断煤一致，为经过预处理后的数据，寻找轮廓内部所有突出像素点，然后遍历像素点计算突出点之间的欧式距离，得到最小距离。若最小距离小于阈值则认为漏水，否则为正常图片。

下图3所示为风口漏水检测示意图，图中左侧两块蓝色区域之间欧氏距离小于阈值，即为漏水特征。

图3风口漏水检测示意图

2.2.3实验结果

实验得出，断煤、漏水检测结果如下表2所示：

表2 漏水检测结果

3 结论

本文提出一种基于图像处理的高炉风口缺陷检测算法。针对高炉风口正常图像与断煤、漏水图像取得了较高的分类准确率，克服了传统检测方法的弊端，实现了高炉风口缺陷的高效自动检测。

参考文献：

[1] 秦亭亭，马力等； 高炉风口喷煤流量检测方法研究，《工业计量》，2015年

[2] 夏云龙；基于图像的高炉风口燃烧充分性检测方法研究，《计算机仿真》，2012年

作者简介：陈庆芬（1989年出生），女，安徽六安人，硕士，工程师。研究方向：信号处理、软件测试。