在高炉冶炼过程中，渣剥落现象可能导致炉墙和冷却壁温度剧烈波动，进而引发设备的热冲击和侵蚀。特别是剥落的渣进入炉缸后可能导致铁水温度下降，若不及时处理，还可能因为高硫含量影响铁水质量，导致废品生成，甚至导致冷炉。因此，渣剥落的实时检测对于保障高炉的稳定运行至关重要。
传统的渣剥落检测方法常受到喷煤波动的影响，导致检测的实时性和准确性较差，人工监测又因效率低、误判率高，无法满足高炉生产对稳定性和准确性的要求。因此，需要一种自动化且适应性强的渣剥落实时检测技术。
最近，华东理工大学的Pu Huang及其团队提出了一种基于图像处理的高炉渣剥落视觉检测方法。该方法利用CCD摄像机获取炉缸图像，通过灰度化、去噪和自适应更新的背景模板，确保了检测的实时性和准确性。采用帧差法对炉缸视频图像构建背景模板并实时更新，有效应对喷煤波动带来的背景变化问题。此外，通过小目标去除策略，减小了焦炭等干扰对检测结果的影响，为高炉操作提供了可靠的检测信息。
相关研究成果以“A Visual Slag Peeling Detection Method in Blast Furnace”为题目发表于Ironmaking & Steelmaking期刊2024年第51卷第7期。论文作者为：Pu Huang。
该论文的主要研究结果与结论如下：
实时检测效果：该方法在50个包含渣剥落的炉缸视频（分辨率为192×240，采样帧率为15帧/秒）中进行验证，准确率达到95%以上，能够满足实时检测要求。
自适应更新策略：通过自适应背景模板更新，解决了喷煤波动引起的背景变化问题，显著提高了检测的准确性。
检测准确度提升：小目标去除策略有效去除了焦炭干扰，使渣剥落的检测结果更为精准。
渣剥落量化：检测方法通过前景区域像素数量评估渣剥落大小，能够为操作员提供关于渣剥落程度的直观参考。
论文中的主要图片和表格如下：
图1. 检测系统示意图
图2. 炉缸图像
图3. 渣剥落的炉缸图像
图4. 炉缸图像预处理结果
图5. 不同喷煤量下的炉缸图像
图6. 背景模板构建结果
图7. 前景像素与背景像素的检测示意图
图8. 渣剥落检测系统现场安装
图11. 炉渣剥落过程中特征值的变化
如果您需要论文原文，请在本页最下方留言“2412”。您想看哪方面的文献资料，也请给小编留言。 点击下方“#高炉炼铁”，然后“订阅”该合集，系统将更精准地向您推荐相关资讯。
欢迎投稿，欢迎“点赞、在看”！
