通过滤波处理去噪，最后进行图像二值化处理，b.用数学形态学的方法进行处理，3次 迭代使用"腐蚀"运算及2次"膨胀"处理，对图像进行强化，获得更好的图像特征；
[0063] 然后，对图像进行识别，本实施例中，选取非尺度空间作为特征选择的空间：
[0064] 第一步，非尺度特征空间的构造。通常的特征尺度空间为线性的高斯金字培方法， 送种方法牺牲了图像的局部特征，模糊了细节特征。在本实施例中，我们选取的特征空间为 非线性尺度空间，该模型在保证图像特征边缘不变的前提下，通过加性算子分裂算法和可 变传导扩散方法，使用任意补偿，进行非线性尺度空间构造变换。
[0065] 第二步，篱条台车特征选择。在本实施中，选择篱条之间的纵向和横向局部边缘作 为特征。
[0066] 通过在不同尺度归一化的化SSian局部最大值来获取篱条相关兴趣特征点。在整 数值尺度参数O下，图像上P = (X，y)点的化SSian矩阵定义为
其中Lxx(p, O )表示高斯二阶导
与图像I在P处的卷积。类似有Lxy (P, O )， Lyy(P，0)。图像识别运算控制器在搜索局部最大值的过程中，通过上式计算每个像素点在 各个层的检测值，同时与其相邻尺度域和图像域的26个点进行比较。若搜索到最大值，该 值作为篱条台车的候选特征点。
[0067] 第H步，篱条台车特征向量表示。
[006引在本实施例中，我们根据特征点的局部结构来确定特征点的主方向。当尺度参数 为O时，W要检测的点位中必，其搜索半径为6 0,对其圈内的所有候选特征点计算高斯加 权的一阶微分值，越接近中必的贡献值越大，将送些微分作为向量空间的点集，W-个为60 度的扇形滑动窗口进行向量叠加，遍历所有的圆形区域，最终结果最长的角度就是该特征 向点的向量主方向。
[0069] 在本实施例中，我们W特征点邻域内梯度分布作为描述特征点的特征向量。旋 转图像与其主方向对齐，分别计算W该特征点为中必的4*4*4子区域的小波响应V = (Sdx, Sdy, I Sdxl, I Sdyl) t共得到64维数据，最后归一化作为该特征点的特征向量的大 小。
[0070] 第四步，利用多个不同时间段获取的篱条台车样本，通过期望值最大化估计，计算 获得篱条台车匹配模型中的所需参数，从而生成符合实际现场环境使用的匹配模型，最终 从图像中提取出烧结机台车底面图像；
[0071] 接着，进行篱条缺失检测。
[0072] 在本实施例中，我们选择篱条的矩形形状作为模板特征进行匹配，并且基于频域 空间中，进行图像搜索。
[0073] a.利用快速傅里叶变换将图像变换到频率域中。
[0074] b.通过变换后的图像与它的复共辆相乘，将结果再次反变换回时域空间。
[0075] C.变换处理后的图像中，图像中较亮的值代表图像的具有较高纹理特性的点。搜 索局部极大值，该值作为待检测的区域中必。获取待检测的区域中必列表。
[0076] d.假设矩形结构为宽度W和高度h，对待检测区域中必列表的值进行遍历，感兴趣 的区域范围为W和h，通过最小匹配代价比较标准模板和待检测模板的相似度，最终判定是 否为篱条区域。
[0077] e.根据设置的检测灵敏度参数，对于未被搜索到的图像区域，如果区域的特征 (长、宽和面积等）大于缺损设置时，该区域被标定为篱条缺损区域。对于搜索到的图像区 域，通过灰度特征阔值进行筛选，当超过参数值时，该区域也将被定义为篱条缺损区域。
[0078] 最终，针对所有检测出的篱条区域，提取篱条区域的最小外接矩形，并计算矩形相 对水平坐标轴的旋转角度。根据设置的判定阔值条件，判定该篱条区域是否为篱条缺损区 域。
【主权项】
1. 一种烧结机台车篦条检测方法，其特征是：在烧结机台车的空载区域设置摄像机采 集运行中的空载的烧结机台车俯视图像，然后利用烧结机台车俯视图像提取出每台烧结机 台车底面图像，设定阈值条件后对烧结机台车底面图像进行判定，识别出缺损的篦条。2. 如权利要求1所述的烧结机台车篦条检测方法，其特征是：构建烧结机台车模板和 篦条模板后，包括以下步骤： 51 :利用摄像机采集空载区域的烧结机台车俯视图像； 52 :对烧结机台车俯视图像进行预处理，强化烧结机台车特征和篦条特征； S3:调用烧结机台车模板与预处理后图像进行匹配，提取出烧结机台车底面图像； 54 :调用篦条模板与烧结机台车底面图像进行对比，提取出相匹配的篦条单元；剩余 区域为未提取区域； 55 :设定阈值条件对每个篦条单元和未提取区域进行判定，如发现符合阈值条件的篦 条单元和未提取区域，则说明有篦条缺失，此时报警器进行报警。3. 如权利要求2所述的烧结机台车篦条检测方法，其特征是：所述的步骤S5中，所述 阈值条件为设定灰度阈值，以灰度小于灰度阈值的像素点为缺损点，缺损点构成的区域为 缺损区域；并设定缺损区域的报警长度阈值和报警宽度阈值，当同时满足以下两个条件时， 进行报警； 条件一、缺损区域的长度大于等于报警长度阈值； 条件二、缺损区域的宽度大于等于报警宽度阈值。4. 如权利要求2所述的烧结机台车篦条检测方法，其特征是：所述的步骤S5中，所述 阈值条件为倾斜角度阈值，当篦条单元的方向相对于设定初始方向偏转超过倾斜角度阈值 时，进行报警。5. 如权利要求2~4中任意一权利要求所述的烧结机台车篦条检测方法，其特征是：所 述步骤S5中的阈值条件包括预警阈值条件和故障阈值条件。6. 如权利要求2~4中任意一权利要求所述的烧结机台车篦条检测方法，其特征是：所 述构建烧结机台车模板和篦条模板中，选用的图像特征为边缘特征、颜色特征、形状特征、 纹理特征、局部不变性特征中的一种或多种任意组合。7. 如权利要求2~4中任意一权利要求所述的烧结机台车篦条检测方法，其特征是：所 述步骤S2对烧结机台车俯视图像进行预处理的具体操作为， 第一步，图像识别运算控制器将图像采集装置送来的烧结机台车俯视图像从RGB三通 道的彩色图像转换为灰度单通道图像； 第二步，图像识别运算控制器利用滤波算法对灰度单通道图像平滑，去噪； 第三步，图像识别运算控制器对平滑去噪后的图像进行灰度直方图均衡化处理，并使 用图像阈值分隔算法进行图像二值化； 第四步，多次迭代使用"腐蚀"和"膨胀"运算处理，对二值化的图像进行强化，获得更 好的烧结机台车和篦条特征。8. 如权利要求2~4中任意一权利要求所述的烧结机台车篦条检测方法，其特征是：所 述步骤S3中提取出烧结机台车底面图像，具体为采集烧结机台车的边缘特征和局部不变 性特征，使用最大后验概率方法进行匹配，提取出烧结机台车底面图像。9. 如权利要求2~4中任意一权利要求所述的烧结机台车篦条检测方法，其特征是：所 述步骤S4中提取出相匹配的篦条单元，具体为采集篦条的边缘特征和形状特征，使用基于 旋转与缩放算法进行匹配，提取出篦条单元。10.如权利要求2~4中任意一权利要求所述的烧结机台车篦条检测方法，其特征是：所 述的步骤S2和步骤S3之间还包括将多个部分烧结机台车俯视图像拼合成为整个烧结机台 车俯视图像的步骤。
【专利摘要】本发明涉及高炉冶炼矿料的烧结领域，尤其涉及一种烧结机台车篦条的缺损检测方法。一种烧结机台车篦条检测方法，在烧结机台车的空载区域设置摄像机采集运行中的空载的烧结机台车俯视图像，然后利用烧结机台车俯视图像提取出每台烧结机台车底面图像，设定阈值条件后对烧结机台车底面图像进行判定，识别出缺损的篦条。本发明通过对摄像机拍摄的空载烧结机台车底部画面进行对比处理，进行判定，对篦条是否掉落实现了自动监测；无须人工费力的进行巡视检查，就能早期及时发现个别篦条的缺损和掉落，在不造成篦条和烧结原料大量掉落影响生产的情况下，即可及时对篦条缺损的台车进行修补，有效防止造成大量篦条和烧结原料掉落后对烧结生产造成的影响。
【IPC分类】F27B21/14, F27D21/02
【公开号】CN105588439
【申请号】CN201410558164
【发明人】韩明明, 孙文杰, 邹一波, 赵利明, 戚功亮, 翟立伟
【申请人】宝山钢铁股份有限公司, 徐州衡器厂有限公司
【公开日】2016年5月18日
【申请日】2014年10月20日