一种阳极炉炼铜还原期终点判断方法与流程

本技术涉及铜冶炼，尤其涉及阳极炉炼铜还原期终点判断方法。

背景技术：

1、随着现代工业的快速发展，对高纯度铜的需求逐渐增加。阳极炉火法精炼铜作为一种热处理技术，阳极炉火法精炼铜的基本原理是利用高温下的热处理过程，通过氧化、还原和挥发等反应，将铜阳极中的杂质和残留的硫等有害元素去除，从而得到高纯度的铜。

2、在阳极炉火法精炼铜过程中，终点判断是非常关键的一步。准确地判断出铜炉的终点，可以保证炉子的生产效率和产品质量，同时也可以避免生产过程中的浪费和损失。由于阳极炉火法精炼铜工艺的特殊性，目前常用阳极炉炼铜判断还原期终点的方法主要有三种：视觉判断法、温度阶跃法和电流电压变化法。视觉判断是一种直观的方法，操作人员通过观察炉内的火焰颜色、炉内的火花和炉内的熔池表面状态等视觉指标来判断还原期终点。在还原期终点，熔池表面通常会呈现出比较明亮的颜色，火焰也会变得较为稳定。这种方法简单易行，但需要操作人员具备丰富的经验和观察能力，受到操作人员主观因素的影响较大，存在较大误判的风险。此外，视觉判断的准确性也受到环境光线等因素的影响。

3、温度阶跃法是通过监测阳极炉内的温度变化来确定还原期的终点。在还原过程中，持续记录炉内温度的变化。通常在还原过程中，温度会逐渐上升，当温度接近还原期终点时，会出现一个明显的阶跃变化，在观察到温度阶跃变化后，认为已经达到还原期终点。电流电压变化法和温度阶跃法观测的阶跃变化受到其他因素的影响，如炉内温度分布的不均匀性、还原反应速率的变化等，导致判断结果的不确定性。且电流电压变化法和温度阶跃法依赖于监测设备的准确性和稳定性。如果监测设备存在误差或故障，会导致判断结果的不准确性。且在实际应用中，需要操作人员可根据经验和观察来进行调整和判断，使得还原期终点判断过程依赖于人工干预，增加了主观性和操作复杂性。

技术实现思路

1、为解决或部分解决相关技术中存在的问题，本技术提供一种阳极炉炼铜还原期终点判断方法，该阳极炉炼铜还原期终点判断方法，能够通过对还原期铜样品表面及断面图像进行特征提取，构建还原期铜样品特征数据库，将待测样品图像数据与数据库图像数据进行对比，判断铜样品是否处于还原期终点，通过还原期终点grnn预测模型对未到达终点的铜样品进行预测，确定铜样品到达还原期终点时间，可以有效减小环境因素干扰，提高了阳极炉炼铜还原期终点判断的准确性，且无需人工干预，减少了人为因素的影响，提高了判断的稳定性。

2、本技术第一方面提供一种阳极炉炼铜还原期终点判断方法，包括以下步骤，

3、获取还原期不同阶段铜样品的表面扫描图像数据和断面图像数据，其中表面扫描图像数据为表面图像灰度差分均值、熵、对比度，断面图像数据为断面图像灰度差分均值、熵、对比度；

4、将待检测还原期铜样品表面扫描图像数据和断面图像数据分别与还原期铜样品特征数据库进行比对，确定待检测还原期铜样品是否处于还原期终点，其中还原期铜样品特征数据库中包括：还原期铜样品的各个阶段图像，还原期不同阶段铜样品的表面扫描图像和断面图像的的灰度差分均值、熵、对比度数据，还原期不同阶段铜样品形貌特征和缺陷分布情况；

5、若待检测还原期铜样品未处于还原期终点，通过还原期终点grnn预测模型对待检测还原期铜样品进行还原期终点预测，得到预测结果；

6、其中，grnn预测模型是通过还原期铜样品特征数据库中的数据对初始预测模型进行模型训练，从数据库中选取还原期铜样品图像数据为训练集，对grnn预测模型进行训练优化，从数据库中选取还原期铜样品图像数据为测试集，对grnn预测模型进行验证。

7、第一方面可选地，获取还原期不同阶段铜样品表面和断面的图像信息方式为，利用显微成像设备获取还原期不同阶段足够充分的铜样品表面及断面图像信息；

8、通过图像处理软件imagej对铜样品图像进行处理，将铜样品图像转换为三维图像，得到还原期铜样品的扫描三维图像和断面三维形貌数据图像；

9、对三维图像进行分析，得到还原期不同阶段铜样品表面和断面图像的灰度差分均值、熵、对比度，并确定还原期不同阶段铜样品表面和断面形貌特征、缺陷分布情况。

10、第一方面可选地，还原期不同阶段铜样品表面和断面图像分析处理过程为，将获得的还原期铜样品表面及断面三维图像进行灰度差分矩阵运算，将图像按照一定的像素距离进行像素对比，计算每对像素之间的灰度差异；

11、然后将每个灰度差异值作为索引，统计图像中对应的像素对的出现次数，构建灰度差分矩阵；

12、根据灰度差分矩阵，计算图像中像素之间的灰度差异来提取纹理特征，提取出灰度差分均值、熵、对比度，用于描述图像的纹理特征。

13、通过灰度差分矩阵计算对还原期铜样品表面及断面图像进行特征提取，可以有效减小环境因素干扰。

14、第一方面可选地，还原期铜样品特征数据库构建过程为，通过所有铜样本的图片灰度差分均值、对比度，构建两个线性回归方程y(1)与y(2)，分别为未到还原终点和已到还原终点的线性回归方程，再利用熵带入线性回归方程进行验证，其线性方程为

15、y(1)＝a*meam+(-b)-con     (2)

16、y(2)＝c*meam+(-d)-con     (3)

17、式中，y(1)为未到还原终点线性回归方程，a为y(1)的线性回归系数，mean表示需要判断的图像的均值，b为y(1)的线性回归常数，con表示需要判断的图像的对比度，y(2)为已到还原终点线性回归方程，c为y(2)的线性回归系数，d为y(2)的线性回归常数；

18、将所有获取的还原期铜样品图像进行灰度差分矩阵运算后得到的灰度差分均值和对比度带入这两个线性回归方程中，比较实际值与线性方程计算出的拟合值的残差大小，残差越小就判定为越接近还原终点，根据残差确定该铜样品所处阶段，将还原期铜样品的图像根据所处还原期阶段进行分类，将所有分类后的还原期不同阶段图像、图像数据存储入数据库。

19、根据特征值进行线性处理，确定还原期各阶段图片信息，构建铜还原期图像数据库，为还原期铜样品是否处于还原期终点进行判断提供了数据支持。

20、第一方面可选地，待检测还原期铜样品是否处于还原期终点判断过程为，将待测铜样品图像进行灰度差分矩阵运算，得到图像的灰度差分均值、熵、对比度，通过计算待测铜样品图像特征与数据库还原期铜样品图像特征之间的余弦相似度来衡量相似性，当余弦相似度超过设定的相似度阈值则认为两个特征向量相似，确定该待测铜样品所处还原期阶段。

21、利用余弦相似度算法将待测样品图片与数据库图片信息进行对比，判断铜样品是否处于还原期终点，有效提高了阳极炉炼铜还原期终点判断的准确性。

22、第一方面可选地，还原期终点grnn预测模型对待检测还原期铜样品进行还原期终点预测具体包括：

23、将不符合还原期终点的待测铜样品图片特征信息作为grnn神经网络的输入层特征值，进行验证预测，根据grnn神经网络预测模型输出的预测结果，预测结果为待检测样品到达还原期终点所需时间。

24、通过还原期终点grnn预测模型对未到达终点的铜样品进行预测，确定铜样品到达还原期终点时间，有效提高了阳极炉炼铜还原期终点判断的准确性，无需人工干预，减少了人为因素的影响，提高了预判的稳定性。

25、本技术提供的技术方案可以包括以下有益效果：本技术通过对还原期铜样品表面及断面图像进行特征提取，构建还原期铜样品特征数据库，将待测样品图像数据与数据库图像数据进行对比，判断铜样品是否处于还原期终点，通过还原期终点grnn预测模型对未到达终点的铜样品进行预测，确定铜样品到达还原期终点时间，可以有效减小环境因素干扰，提高了阳极炉炼铜还原期终点判断的准确性，且无需人工干预，减少了人为因素的影响，提高了判断的稳定性。

26、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。