高炉炉料粒度监控系统及分布数据在线分析方法与流程

本发明涉及视频监控在线分析技术领域，特别涉及一种高炉炉料粒度监控系统及分布数据在线分析方法。

背景技术：

在冶金行业的高炉炼铁生产过程中，高炉用炉料，尤其是烧结矿及焦炭，入炉前都需进行物理与化学分析。其中，炉料粒度的分布状况，就是一个非常重要的参数。根据高炉冶炼工艺，对炉料有着严格的要求，例如入炉料粒度要均匀、炉料粒度要偏小、加入的炉料中的粉末要筛除以及炉料中有害杂质含量要少等。不同粒度的原燃料装入高炉，炉料会有填充作用，使炉料的空间减少，透气性差。而粒度均匀则会提高炉料透气性，提高矿石间接还原度。这对高炉生产的节能、高产具有积极的意义。

目前，一般高炉炉料的粒度分析，大多是采用传统简易的机械方法。

例如，采用样勺或斗状容器，每隔一定时间取样一次,送至筛分机分级，分出的各粒级送入称量漏斗过秤，通过计算得出炉料粒度大小的分布状况。由此可见，采用传统的检验方法进行炉料的粒度分析，不但繁琐费时，而且效率极低，不能满足现代化大生产的要求。因此，急需实现在线、实时、快捷的检测方式。

随着工业视频技术和计算机图形处理技术的飞速发展，为实现在线、实时、快捷的检测提供了可能。本发明就是利用数字图像处理技术，通过对输送皮带上的炉料进行图像采集，利用对视频大数据的分析和处理，计算出炉料粒度的大小和分布状况，使高炉操作者快速、准确地获取炉料粒度信息。该装置具有准确、快捷和高效的特点，能够替代现有的落后检测工艺，对指导高炉操作及提高工艺控制水平具有重要作用。

技术实现要素：

本发明的目的是提供一种能够实现实时在线对高炉炉料粒度分布数据进行监控和处理的高炉炉料粒度监控系统。

本发明的另一目的是提供一种对视频采集的高炉炉料图像进行快速精确粒度分析的高炉炉料粒度分布数据在线分析方法

为此，本发明技术方案如下：

一种高炉炉料粒度监控系统，包括设置在输送设备上方的成像设备和位于所述成像设备两侧的照明光源；所述照明光源在低于所述成像设备0.4～0.5m处对向倾斜向下设置；所述照明光源的光通量40000±5％LM，色温为5500～6000K。

进一步地，所述照明光源为LED光源，其设置在成像设备两侧对称低角度打光；所述照明光源的光束中心与垂直方向之间的夹角为30～60°。

进一步地，所述成像设备包括至少一台工业摄像机，相邻所述工业摄像机之间的水平间距为0.5～1m；在每台所述工业摄像机前端安装有镜头，所述工业摄像机和所述镜头垂直朝下设置。

进一步地，所述成像设备外侧还套装有气体吹扫式防护套，保证成像设备和照明光源在高粉尘的环境下稳定正常工作；其中，吹扫介质为压缩空气。

进一步地，该系统还包括为成像装置和照明装置提供稳定电源的现场控制箱和设置在控制室内的控制系统；所述控制系统包括用以分析处理视频图像的工业计算机、用于显示实时采集图像和处理后数据的显示装置、用于控制现场控制箱、工业计算机和显示装置的室内控制箱、声光报警装置以及设置在工业计算机和声光报警装置之间的信号转换器。

一种高炉炉料粒度分布数据在线分析方法，包括如下步骤:

S1、通过成像设备对输送设备上的高炉炉料进行图像采集，获得原始图像；

S2、对经步骤S1获得的原始图像依次进行去噪、均衡和平滑预处理；

S3、对经步骤S2处理后的图像依次进行图像增强和图像锐化处理；

S4、对经步骤S3处理后的图像采用自适应阈值的二值化方法获得能够识别出图像中所有的离散物料块的图像；

S5、对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理；

S6、对经步骤S5处理后得到的图像中的物料块的数量判断出是否存在物料块以及物料块的种类；

S7、对经步骤S5处理后的图像进行物料块进行粒度、平均粒度和数量的计算；

S8、当判断出整批物料块完全通过后，将该过程中的采集的全部原始图像重复上述步骤S2～S7的处理过程，并计算出整批物料块的平均粒度和粒度分布。

其中，对原始图像的图像去噪处理、图像均衡处理和图像平滑处理的具体方法为：

S201、所述图像去噪处理采用自适应中值滤波的方法；

S202、所述图像均衡处理按照公式：

进行，其中，r_k是原始图像中的第k个灰度级，s_k是r_k经变换后的灰度值，T(r_k)为变化函数，P_r(r_k)为原始图像中灰度级为r_k的像素出现的概率，n_j为第k级灰度的像素数，N为一幅图像中像素的总数；

S203、所述图像平滑处理按照公式：进行，其中，(x,y)是图像的坐标，g(x,y)是经过平滑后图像像素点(x,y)的灰度值，σ是高斯滤波器的宽度。

对步骤S2处理的图像进行图像增强和图像锐化处理的具体方法为：

S301、图像增强处理按照公式：g(x,y)＝|f(x,y)-mean|×factor+orig进行，其中，f(x,y)是原始图像像素点(x,y)的灰度值，g(x,y)是经过平滑后图像像素点(x,y)的灰度值，mean是整幅图像的平均灰度值，factor是增强系数，orig是补偿系数；

S302、图像锐化处理按照公式：进行，其中，g(x,y)是经过图像增强之后像素点(x,y)的灰度值，

G[f(x,y)]＝|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|是像素点(x,y)处的梯度值，f(x,y)是原始图像在像素点(x,y)处的灰度值，A是图像锐化系数，T是图像锐化阈值；当G[f(x,y)]大于或等于阈值T时，认定该像素点处于图像的边缘，对结果加上图像锐化系数A，以使边缘变亮；当G[f(x,y)]小于阈值时，认定该像素点为同类像素。

对经步骤S3处理后的图像采用自适应阈值的二值化方法包括依次按以下公式进行计算：

N₁+N₂＝M×N；

ω₁+ω₂＝1；

μ＝μ₁×ω₁+μ₂×ω₂；

g＝ω₁×(μ-μ₁)²+ω₂×(μ-μ₂)²＝ω₁×ω₂×(μ₁-μ₂)²；

threshold＝max_{j＝0，1.....255}g_j；

其中，M×N是图像的大小，N₁是图像中灰度值小于阈值的像素个数，ω₁是灰度值小于阈值的像素个数占整幅图像的比例，μ₁是灰度值小于阈值的像素的平均灰度，N₂是图像中灰度值大于阈值的像素个数，ω₂是图像中大于阈值的像素个数占整幅图像的比例，μ₂是灰度值大于阈值的像素的平均灰度，g是类间方差，threshold是遍历灰度值0～255的类间最大方差，即自适应二值化阈值，f(x，y)是原始图像在像素点(x,y)的灰度值，g(x，y)是经过自适应二值化处理后的图像在像素点(x,y)的灰度值。

对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理的具体处理步骤包括：

在图像形态学中，结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”。用B(x)代表结构元素，对工作空间E中的每一点x进行腐蚀运算处理；

腐蚀运算按公式：

进行；用B(x)对E进行腐蚀运算的结果就是把结构元素B平移后使B包含于E的所有点构成的集合；

膨胀运算按公式：

进行，用B(y)对E进行膨胀运算的结果就是把结构元素B平移后使B与E的交集非空的点构成的集合。

对经步骤S5处理后得到的图像中的物料块的数量判断出是否存在物料块以及物料块的种类；具体来说，高炉炉料的种类一般分为两种：焦炭和矿石；其中，矿石是由烧结矿、块矿、球团矿等多种矿石原料组成，因而焦炭和矿石两类物料从视觉上通过物料块的大小就可以区分；在进行判断时，由于成像设备采集的图像均具有相同的视野范围，因此可以根据每张图像中物料块的个数进行判断，即物料块越大相同视野范围内的物料块的个数越少，反之，物料块越小相同视野范围内的物料块的个数越多；具体判断方法如下：

设置两种物料种类判断阈值：焦炭判定阈值Y_J(块)和矿石判定阈值Y_K(块)，假设当前图片中的物料为Y(块)，则：

当Y＜Y_J，则图像内没有物料块，图像为传送带的图像；

当Y_J≤Y≤Y_K，则图像采集到的物料块为焦炭；

当Y＞Y_K，则图像采集到的物料块为矿石；

基于上述判断方法对每张经步骤S5处理后的图像进行物料种类判断，判断完成后将进行下述步骤S7和步骤S8，并将对图像进行分类存储。

步骤S7中，1)图像中物料块直径的像素值尺寸按照公式：进行；物料块的实际直径尺寸按照公式：进行；其中，D_x是在图像中计算的物料块直径大小的像素值尺寸，S_x是在图像中计算的物料块的最小闭合外接圆面积的像素值尺寸，D_s是物料块的实际直径大小尺寸，F_s是相机所拍摄图像的实际横向视野，f_x是图像的横向分辨率；2)物料块平均粒度l的计算方法按公式：进行，其中，K是一张图像中有效物料块的个数；r_i是第i块物料块的实际直径大小尺寸；tempr_i是第i块物料块的实际直径所对应的粒度区间的均值，假设粒度区间为(D₁,D₂)，那么该粒度区间的均值为：

步骤S8中，对整批物料块的平均粒度计算按公式：进行，其中，L是该时间段内物料的平均粒度；n是该时间段内物料包含的图片的张数；l_i是第i张图片中物料的平均粒度；

对整批物料块的平均粒度分布计算依次按下述公式：和进行，其中，S是该时间段内全部物料面积的总和，S_i是对应粒度分布区间内的物料面积的总和，N₂是粒度分布区间的划分个数，s_j是对应粒度分布区间内每一块物料的面积，N₁是对应粒度分布区间内物料块的数量，per_i是该粒度分布区间所占的百分比。

附图说明

图1为本发明的高炉炉料粒度监控系统的结构示意图；

图2为本发明的高炉炉料粒度监控系统的成像设备和照明光源设置于输送设备上的结构示意图；

图3为图2的侧面结构示意图；

图4为本发明实施例中成像设备采集的原始图像；

图5为本发明实施例中经步骤S3处理后的图像；

图6为本发明实施例中经步骤S4处理后的图像；

图7为本发明实施例中经步骤S5处理后的图像；

图8为本发明实施例中步骤S6中对颗粒的最小外接圆计算示意图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。

实施例

如图1所示，该高炉炉料粒度监控系统设置在现场的成像设备1、照明光源2、现场控制箱3，以及设置在控制室内的工业计算机4、显示装置5、室内控制箱6、信号转换器7和声光报警装置8。

如图2～3所示，成像设备1和照明光源2设置在高炉炉料输送设备上方；高炉炉料采用传送皮带输送至高炉炉内，成像设备1设置在传送皮带的正上方，照明光源2在低于所述成像设备0.4m处对向设置，其倾斜角度为45°，即发光角度为45°；具体地，所述照明光源2选用HQ-SD-W400F泛光灯，其满足光通量40000±5％LM，色温为5500～6000K的要求。

由于该传送皮带的宽度为1.6m，因此成像设备1由两台工业摄像机构成，两台工业摄像机位于同一水平线上且间距为0.8m，使两台工业摄像机每台摄像机分别对应传送皮带不同区域进行图像采集，同时保证两台工业摄像机的图像采集范围在传送皮带的宽度方向上覆盖整个传送皮带。两台工业摄像机垂直朝向下方物料9设置；每台工业摄像机前端安装有镜头。由于高炉生产条件较差，在敞开环境下灰尘多，因此在每台工业摄像机和镜头外侧还套装有气体吹扫式防护套，以压缩空气作为吹扫介质持续进行吹扫，确保摄像机镜头的洁净。

成像装置1和照明装置2通过现场控制箱3与外接的气源和电源连接，通过现场控制箱3用于为成像装置1和照明装置2提供稳定电源和气源；同时，现场控制箱3与位于控制室内的室内控制箱6通过光纤连接，相应地，室内控制箱6内设有终端盒和网络光端机；

室内控制箱6、工业计算机4和显示装置5依次通过电缆连接；室内控制箱6接收现场控制箱3传送的图像信息并传送至工业计算机4进行图像信息处理，得到物料的粒度和块数信息并自动匹配实际物料种类；显示装置5实时显示现场炉料运送图像信息和工业计算机4处理得到的数据信息结果；声光报警装置8通过信号转换器7与工业计算机4连接，当皮带机上出现物料的外形尺寸大于工艺规定值时，报警装置能自动发出报警信号。

其中，工业计算机对成像设备采集的原始图像进行处理的具体方法如下所示。

一种高炉炉料粒度分布数据在线分析方法，包括如下步骤：

S1、通过上述高炉炉料粒度监控系统中的成像设备对输送设备上的高炉炉料进行图像采集，获得原始图像，如图4所示。

其中，为了配合高炉炉料粒度监控系统中工业计算机的图像处理速度，成像设备的图像采集频率为350ms/次。

S2、对经步骤S1获得的原始图像依次进行图像去噪、图像均衡和图像平滑预处理；具体处理步骤包括：

S201、图像去噪处理采用自适应中值滤波的方法进行处理，包括两步计算：

第一步：计算A₁和A₂的数值：

A₁＝z_med-z_min 式(1)

A₂＝z_med-z_max 式(2)

如果A₁＞0且A₂＜0，则进行第二步计算，

否则，增大滤波窗口的尺寸；

如果增大后的窗口尺寸≤S_max，则重复第一步计算，

否则输出z_med；

第二步：计算B₁和B₂的数值：

B₁＝z_xy-z_min 式(3)

B₂＝z_xy-z_max 式(4)

如果B₁＞0且B₂＜0，则输出z_xy，否则输出z_med；

其中，Z_min为S_xy中灰度级的最小值，Z_max为S_xy中灰度级的最大值，Z_med为S_xy中灰度级的中值Z_xy为在坐标(x,y)上的灰度级，S_max为S_xy允许的最大尺寸，B₁＝z_xy-z_min，B₂＝z_xy-z_max；通过图像去噪处理解决实际图像由于噪声干扰而导致图像质量下降的问题，有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息，尽可能多的保留原始图像的细节，为后续的图像处理打下良好的基础；

S202、图像均衡处理按照公式：

进行，其中，r_k是原始图像中的第k个灰度级，s_k是r_k经变换后的灰度值，T(rk)为变化函数，P_r(r_k)为原始图像中灰度级为r_k的像素出现的概率，n_j为第k级灰度的像素数，N为一幅图像中像素的总数；对原始图像进行图像均衡处理的目的为对原始图像的像素灰度做映射变换，使变换后的图像灰度的概率密度均匀分布，增加图像灰度的动态范围，达到提高图像的对比度的目的；

S203、图像平滑处理采用高斯平滑函数，按照公式：

进行，其中，(x,y)是图像的坐标，g(x,y)是经过平滑后图像像素点(x,y)的灰度值，σ是高斯滤波器宽度(σ越大平滑程度就越好)；该图像平滑处理的目的在于提取有效目标之前去除图像中的一些琐碎细节、桥接直线或者曲线的缝隙，抑制图像中的干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量。

S3、对经步骤S2处理后的图像依次进行图像增强和图像锐化处理；具体处理步骤包括：

S301、图像增强处理按照公式：

g(x,y)＝|f(x,y)-mean|×factor+orig 式(7)

进行，其中，f(x,y)是原始图像像素点(x,y)的灰度值，g(x,y)是经过平滑后图像像素点(x,y)的灰度值，mean是整幅图像的平均灰度值，factor是增强系数，orig是补偿系数；进行图像增强处理的目的在于调节图像的对比度，使得图像中暗的区域被增强，亮的区域被减弱，且越暗或者越亮的区域被调节的越明显，最终达到平衡图像亮度和对比度的目的。

S302、图像锐化处理按照公式：

进行，其中，g(x,y)是经过图像增强之后像素点(x,y)的灰度值，

G[f(x,y)]＝|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|，即像素点(x,y)处的梯度值，f(x,y)是原始图像在像素点(x,y)处的灰度值，A是图像锐化系数，T是图像锐化阈值。当G[f(x,y)]大于或等于阈值T时认为该像素点处于图像的边缘，对结果加上图像锐化系数A，使图像边缘变亮；当G[f(x,y)]小于阈值时认为该像素点为同类像素，即同为物体或同为背景；采用这一处理方法既增亮了图像的边界，同时又保留了图像背景原来的状态，比传统的梯度锐化具有更好的增强效果和适用性；上述图像锐化处理消除图像平滑预处理所带来的边缘模糊的影响，使得图像的边缘轮廓变得清晰，易于识别，即如图5所示。

S4、对经步骤S3处理后的图像采用自适应阈值的二值化方法获得能够识别出图像中所有的离散物料块的图像，即利用物料表面高低不平因而在光照条件下各物料块之间必然有阴影区域产生的特点，进行图像处理，得到如图6所示的黑白相间的二值化图像(其中，白色为物料块，黑色为物料块与物料块之间缝隙)；

通过自适应阈值的二值化方法，即按照图像的灰度特性，将图像分为背景(物料)和目标(缝隙)两部分；当背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或者部分背景错分为目标都会导致两部分的方差变小，因此使类间方差最大的分割就意味着分错的概率最小；具体处理步骤为按照下述公式(9)～(16)进行依次计算：

N₁+N₂＝M×N 式(11)

ω₁+ω₂＝1 式(12)

μ＝μ₁×ω₁+μ₂×ω₂ 式(13)

g＝ω₁×(μ-μ₁)²+ω₂×(μ-μ₂)²＝ω₁×ω₂×(μ₁-μ₂)² 式(14)

threshold＝max_{j＝0，1.....255} g_j 式(15)

其中，M×N是图像的大小，N₁是图像中灰度值小于阈值的像素个数，ω₁是灰度值小于阈值的像素个数占整幅图像的比例，μ₁是灰度值小于阈值的像素的平均灰度，N₂是图像中灰度值大于阈值的像素个数，ω₂是图像中大于阈值的像素个数占整幅图像的比例，μ₂是灰度值大于阈值的像素的平均灰度，g是类间方差，threshold是遍历灰度值0～255的类间最大方差，即自适应二值化阈值，f(x，y)是原始图像在像素点(x,y)的灰度值，g(x，y)是经过自适应二值化处理后的图像在像素点(x,y)的灰度值。

S5、对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理，即采用边缘提取技术将重叠在一起的离散物料块分割开，并通过图像形态学的开运算和闭运算分离物料边界，然后通过面积过滤法去除面积较小的干扰和杂点，识别和去除与图像边界相连的大面积空白区域，获得全部有效的离散物料块图像，如图7所示；具体处理步骤包括：

在图像形态学中，结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”。用B(x)代表结构元素，对工作空间E中的每一点x进行腐蚀运算处理；

腐蚀运算按公式：

进行；用B(x)对E进行腐蚀运算的结果就是把结构元素B平移后使B包含于E的所有点构成的集合；

膨胀运算按公式：

进行，用B(y)对E进行膨胀运算的结果就是把结构元素B平移后使B与E的交集非空的点构成的集合。上述先腐蚀后膨胀的过程称为开运算，先膨胀后腐蚀的过程称为闭运算。在本步骤S5中先进行开运算以够消除细小杂物，在纤细处分离物料，平滑较大物块的边界；再进行闭运算以填充物料内细小空洞，连接邻近物块和平滑物料边界。

S6、对经步骤S5处理后得到的图像中的物料块的数量判断出是否存在物料块以及物料块的种类；具体来说，高炉炉料的种类一般分为两种：焦炭和矿石；其中，矿石是由烧结矿、块矿、球团矿等多种矿石原料组成，因而焦炭和矿石两类物料从视觉上通过物料块的大小就可以区分；在进行判断时，由于成像设备采集的图像均具有相同的视野范围，因此可以根据每张图像中物料块的个数进行判断，即物料块越大相同视野范围内的物料块的个数越少，反之，物料块越小相同视野范围内的物料块的个数越多；具体判断方法如下：

设置两种物料种类判断阈值：焦炭判定阈值Y_J(块)和矿石判定阈值Y_K(块)，假设当前图片中的物料为Y(块)，则：

当Y＜Y_J，则图像内没有物料块，图像为传送带的图像；

当Y_J≤Y≤Y_K，则图像采集到的物料块为焦炭；

当Y＞Y_K，则图像采集到的物料块为矿石；

基于上述判断方法对每张经步骤S5处理后的图像进行物料种类判断，判断完成后将进行下述步骤S7和步骤S8，并将对图像进行分类存储。

S7、对经步骤S5处理后的图像中的物料块进行粒度、平均粒度以及块数的计算；具体计算方法分别为：

S701、物料块的粒度计算方法：通过对图像中所有有效离散物料块的面积，通过面积转换计算得出有效直径；

具体计算方法是：获取图像中每个物料块边缘后，找出能够包罗物料块边界最大扩张区域全部像素点的最小闭合外接圆，该最小闭合外接圆应包含了物料块边界最大扩张区域全部像素点；由于最小外接圆的直径D与颗粒的大小成正比，在通过实际拍摄范围和相机像素比值的换算，即可算出该物料块的实际直径大小，如图8所示；具体地，物料块直径的像素值尺寸按照公式：

进行；物料块的实际直径尺寸按照公式：

进行；其中，D_x是在图像中计算的物料块直径大小的像素值尺寸，S_x是在图像中计算的物料块的最小闭合外接圆面积的像素值尺寸，D_s是物料块的实际直径大小尺寸，F_s是相机所拍摄图像的实际横向视野，f_x是图像的横向分辨率；

S702、平均粒度的计算方法：

经上一步得到每一块物料块的直径后，结合相关系数π按照公式：

进行，计算出每一张图像中全部物料块的平均粒度l，即每单张图像中所有物料块的平均粒度；其中，K是一张图像中有效物料块的个数；r_i是第i块物料块的实际直径大小尺寸；tempr_i是第i块物料块的实际直径所对应的粒度区间的均值，假设粒度区间为(D₁,D₂)，那么该粒度区间的均值为：

S703、物料块数量计算方法：

在进行步骤S601的过程中，每对图像中的一个物料块的边缘进行获取后，进行一次计数操作，然后通过对整个图像中每个物料块边缘获取过程进行循环计数，即得到每张图片中的全部物料块的总数。

S8、对造球盘内生产的整批物料块的平均粒度和粒度分布进行计算：

当一批物料完全通过传送带进入高炉后，对该批物料对应获取的所有原始图像重复上述步骤S2～S7的处理过程后对该批物料块的平均粒度和粒度分布进行计算；具体地，利用步骤S6的判定方法判断是否整批物料全部通过传送带；具体地，当相机采集的图像中有连续8张以上判断为皮带时，则认定整批物料已全部通过传送带，开始进行步骤S8的相应计算。

具体计算方法如下：

S801、整批物料块的平均粒度计算：

通过对一定时间段内采集到的所有原始图像的物料块平均粒度l求平均值，即可得到该时间段内物料块的平均粒度L。具体计算按公式：

进行；其中，L是该时间段内物料的平均粒度；n是该时间段内物料包含的图片的张数；l_i是第i张图片中物料的平均粒度。

S802、粒度分布计算：

将上述时间段内所有原始图像中的每一个物料块的面积依次累加到其直径对应的粒度分布区间内并分别进行计数，最后通过该粒度各个分布区间内物料面积总和以及该时间段内全部物料面积总和的比值，即可计算出该粒度分布区间所占的百分比。具体计算依次按下述公式：

进行；其中，S是该时间段内全部物料面积的总和，S_i是对应粒度分布区间内的物料面积的总和，N₂是粒度分布区间的划分个数，s_j是对应粒度分布区间内每一块物料的面积，N₁是对应粒度分布区间内物料块的数量，per_i是该粒度分布区间所占的百分比；通过对整批物料的粒度分布状况进行计算，能够实时了解造球盘内物料的生产分布情况，指导物料生产者及时调整生产工艺、提高成球合格率，最终达到提高生产效率、降低成本的目的。

工业计算机内预设有异物警戒阈值，当工业计算机计算出上述物料块的颗粒平均粒度超过异物警戒阈值时，工业计算机将异常数据输出至信号转换器，经信号转化后启动声光报警装置，声光报警装置发出警报声音。