基于烧结机尾断面图像的烧结质量人工智能检测方法研究

姚德欢

摘 要 为了提升高炉的生产合格率水平，产出均匀的烧结矿，需要借助烧结机对尾断面实施调整。本文将针对烧结机的火工操作要素进行分析，通过推理烧结过程，直观地判断火工操作转化与烧结机尾断面的情况，确定烧结活动的数据标准。按照质量信息、图像进行显示状况研究，分析烧结检测办法。

关键词 烧结机;图像检测;人工智能

1烧结质量检测推理分析

1.1 混合料水的检测

烧秸混合料中需要调整水量比，对烧结透气性具有直接影响。通过混合料的调整，借助水表面的张力，改善烧结的透气性，达到提升透气混合效果的目标。在混合料操作中，需要及时调整烧结料的混合比，做好混合料水的张力调控。

1.2 烧结混合料均匀检测

烧结混合料中，通过料布沿着同一宽度调整平整度，保证料层的均匀透气。在烧结过程中，注重固体燃料的均匀调整，明确实际可操作中的相关要素，结合实际操作情况确定操作检测方法。例如，混合料下落的速度、混合料的组分等，烧结混合布料的不均匀，会导致区域颗粒大，透气性佳，导致区域过烧。而对于其他区域颗粒细，透气性差，会导致烧结不完全。在布料中，一些地方布料薄，一些地方厚，也会影响烧结的均匀性。

1.3 烧结过程中欠烧、过烧的检测

欠烧降低烧结的机械强度水平，可以实现返矿量的增加，导致烧结生产的合格率水平下降。烧结矿的机械强度综合水平有所提升。但其FeO的含量低，烧结矿的化原性发生改变，因此欠烧检测的过程是极其重要的[1]。

2烧结机尾断面图像获取分析

采集烧结机尾部断面的红火层，通过对比FeO含量的等级，确定气孔的面积内部亮度。按照FeO的含量等级，分析模糊现场烧结的结果，采用对比分析，判断FeO的准确程度。烧结机在烧结过程中，需要根据烧结的面积参数信息进行分析，判断尾断面的数据图像，结合实际情况，分析运动变化。从烧结视频中，获取烧结机尾部的图像信息。图像选择中，需要确定图像烧结机的烧结映象标准，根据图像烧结矿质量信息进行处理，确定烧结机最佳的断面数据准确性。

2.1 烧结过程分析

烧结是在一定的温度下，通过加热处理，对产品的性能进行改善。注重烧结生产过程的处理，结合原料的配比关系，通过燃料、溶剂，水的调配，完成物料的传送，实现物理化学变化，最终实现烧结目标。高炉生产中，需要选择铁矿石作为原料，天然的铁矿中含铁量低，通过人工加工的忒矿，更适合使用。通过研磨选矿，粉碎处理。按照炼铁的标准，调整混合均匀比例水平，确定点火的同时抽风，在负压状态下完成烧结料的处理。根据烧结过程，调整上下料层的移动标准，保证其燃烧效果。在燃烧过程中，需要及时调整烧结点。

2.2 烧结机尾最佳图像分析

为了有效实现烧结机尾端的图像，通过观察分析，确定烧结机与之在同一水平面上，通过旋转下降，完成同一平面的台车烧结处理。根据后一节台的烧结断面图像分析，缓慢下降，显露出上一烧结面，在重力的作用下完全的掉落后，实现烧结机的图像显露。落下的烧结面，产生大量的烧结尾气，抽风机作用下，粉尘上升，烧结断面图像变得模糊。为了获取准确清晰的图像，需要保证烧结面的最佳获取效果，无粉尘遮挡断面，断面全露出来。

2.3 固定最佳的断面图像

在台车上，需要根据烧结情况进行稳定操作。每一台车的长度是固定的，按照相邻的台车烧结矿落下的时间调整，确定响铃台车烧结落下的时间间隔，符合烧结断面的操作过程。在实际的烧结过程中，需要调整下落的时间，控制幅度和速度的不同。台车速度、料层厚度、烧结参数都会随着工况的不同随之调整[2]。

3烧结机尾断面参数分析

烧结是一个复杂的生产过程，为了有效提取机断面，判断烧结矿质量水平，分析影响烧结品质的特性。需要根据图像的灰度分布比例水平，判断烧结矿层的面积、周长、断面重心、烧结气孔平均亮度值等。在实际的操作中，需要依据实际信息提取判断。从提取理论中，分析事物的基本特征和特点。

烧结的过程通过区分标准，调整不同类型下的特征比例效果。数量少，需要充分明确描述的时间，分析问题变化的复杂度。在相同的外部条件下，不同的试验结果相对稳定。在同类的实验中，烧结机尾断面的参数分析相对可靠，独立性强。通过图像火层面积的分析，判断图像是否复合平均亮度和面积标准，确定混合料的水分，布料的均匀程度、烧结质量水平、烧结矿中FeO的含量比例关系。

3.1 混合料水的提取

在烧结机尾断面中，需要通过提取相关参数，对图像的燃烧值进行分析，准确的判断烧结混合水料中的比例关系，提取机尾端图像的混合料偏向值。通过边缘提取方式，实现烧结断面的数据分析，确定红火层下多层像素值为0的标准。

3.2 布料均匀特性分析

混合布料均匀程度直接关系到烧结矿质量的变化水平。在烧结过程中，需要监控相关参数，调整混合布料的烧结机尾断图像变化。根据混合布料的非均匀程度，确定烧结机断面的图像特点。提取烧结混合布料的方法是，對边缘提取图像，按照起点到终点的过程，分析布料的不均匀范围，调整周长下的链接码，确定物体边界内的选配标准。明确相邻的像素链接方向，确定链码的准确性。

3.3 过烧、欠烧的提取分析

烧结过程中，可能存在过烧、欠烧的情况。需要根据烧结矿的成品率水平，分析烧结区域内的像素标准。对图像像素位置进行定位，确定烧结矿中导致过烧、欠烧的原因，分析如何提升烧结操作的提取过程。

3.4 FeO中含量的提取

烧结矿中FeO含量是评价烧结效果的综合指标，根据FeO含量的波动范围，分析烧结的稳定性。适当的调整烧结矿中FeO的含量，改善烧结矿的还原性水平。提取FeO的含量等级特点中，需要确定机尾断面图像，按照燃烧的红火层内外烧结气孔面积，分析烧结FeO的转化比例。随着烧结气孔的面积增加，孔数量增加，烧结的FeO含量等级趋向升高。

4结束语

综上所述，烧结机尾断面图像分析中，需要明确烧结人工智能的优势，结合烧结质量标准，调整烧结流程和烧结效果，注重相关烧结指标分析，结合FeO的含量提取比例水平，更好地实现人工智能烧结的监测和监控。

参考文献

[1] 李敏，罗洪艳，郑小林，等.一种改进的最大类间方差图像分割法[J].南京理工大学学报，2012，（2）：332-337.

[2] 杨春雨，宋宝宇，杨东晓，等.鞍钢烧结生产过程综合智能控制系统[J].冶金自动化，2011，（6）：6-11，25.