铁水扒渣检测系统的研究与实现

工程科学学报，第38卷，增刊1：119-124,2016年6月 Chinese Journal of Engineering,Vol.38,Suppl.1:119-124,June 2016 DOI:10.13374/j.issn2095-9389.2016.s1.020:http://journals.ustb.edu.cn 铁水扒渣检测系统的研究与实现 田立，周永辉，贺遵亮，成芳，戴国政 衡阳镭目科技有限责任公司，衡阳421001 ☒通信作者，E-mail:hel@ramon.com.cn 摘要铁水扒渣检测系统是一套基于机器视觉的扒渣评级系统，其主要作用是采用高分辨率摄像器观察铁水罐中实时情 况，通过工控机采集成像，分析图像中铁渣的厚度和范围，并对照评级工艺条件评判出扒渣的等级.本系统提高在线扒渣等 级评判的自动化水平，降低工人经验判别不稳定因素的影响，实现工人的劳动保护 关键词铁水预处理；机器视觉：扒渣评级系统：图像处理 分类号TF089.1 Research and implementation of the slagging-off detection system for hot metal TIAN Li,ZHOU Yong-hui,HE Zun-liang,CHENG Fang,DAI Guo-zheng Ramon Science Technology Co.Ltd.Hengyang 421001,China Corresponding author,E-mail:hezl@ramon.com.cn ABSTRACT The slag detection system of hot metal is a set of slag grading system based on machine vision.Its main function is using a high resolution camera to observe the real-time situation in the molten iron tank,imaging through the industrial control comput- er and analyzing the thickness and the range of iron slag in the obtained image,judging the level of slag according to the standard data- base.This system can improve the automation level of the grade evaluation of online slag detection,further,not only reduce the influ- ence of the unstable factors of the workers'experience but realize the workers labor protection as well. KEY WORDS pretreatment of hot metal:machine vision:slag grading system:image process 随着现代化工业生产的发展，对钢材品质的要求果评判的装置，主要包括高分辨率摄像器、图像高性能 不断提高，即对钢水的纯净度要求就越来越高。铁水 工作站、Prodave通讯接口、现场操作箱（内含工业显示 预处理技术是提高铁水纯净度的重要手段，已经成为 器)、摄像器保护装置、图像抗干扰装置及Ramon扒渣 钢铁治金优化工艺流程的主要组成部分.扒渣则是将 级别分析软件，系统结构如图1所示 脱硫后的铁水包中大量的高硫渣去除，以免炼钢时造 1.1数据交互模块 成回硫，是控制入炉硫总量的关键环节☒.传统的方 数据交互模块主要实现处理机柜与钢厂二级系统 法是脱硫工用肉眼观察根据经验评判扒渣等级进行扒 的数据通信，一是获取钢厂二级系统传送过来的信息， 渣，由于作业环境恶劣，强光、浓烟、工人注意力等不稳 如：熔炼号（炉号）、钢种、铁水温度、铁水成分和扒渣 定因素容易导致误判圆.因此，本文设计了一套基于 等级要求；二是回传到钢厂二级系统的信息，如熔炼号 机器视觉的扒渣评级系统，对铁水扒渣过程实时监控， (炉号)、扒渣等级判定时间、实际扒渣等级等. 根据扒渣标准数据库在线判定熔炼炉次的扒渣等级是1.2人机接口模块 否达到预期目标等级. 人机接口模块主要实现以下三个功能： 1铁水扒渣检测系统的构成 (1)在操作工正前方配置工业液晶显示器，操作 工可以实时通过该显示器观察扒渣过程： 铁水扒渣检测系统是铁水扒渣过程监控及扒渣效 (2)操作室内配报警器，扒渣等级没有达到扒渣 收稿日期：201601一12

工程科学学报，第 38 卷，增刊 1: 119--124，2016 年 6 月 Chinese Journal of Engineering，Vol． 38，Suppl． 1: 119--124，June 2016 DOI: 10． 13374 /j． issn2095--9389． 2016． s1． 020; http: / /journals． ustb． edu． cn 铁水扒渣检测系统的研究与实现 田 立，周永辉，贺遵亮，成 芳，戴国政 衡阳镭目科技有限责任公司，衡阳 421001  通信作者，E-mail: hezl@ ramon． com． cn 摘 要 铁水扒渣检测系统是一套基于机器视觉的扒渣评级系统，其主要作用是采用高分辨率摄像器观察铁水罐中实时情 况，通过工控机采集成像，分析图像中铁渣的厚度和范围，并对照评级工艺条件评判出扒渣的等级． 本系统提高在线扒渣等 级评判的自动化水平，降低工人经验判别不稳定因素的影响，实现工人的劳动保护． 关键词 铁水预处理; 机器视觉; 扒渣评级系统; 图像处理 分类号 TF089. 1 Ｒesearch and implementation of the slagging-off detection system for hot metal TIAN Li，ZHOU Yong-hui，HE Zun-liang ，CHENG Fang，DAI Guo-zheng Ｒamon Science ＆ Technology Co． Ltd． ，Hengyang 421001，China  Corresponding author，E-mail: hezl@ ramon． com． cn ABSTＲACT The slag detection system of hot metal is a set of slag grading system based on machine vision． Its main function is using a high resolution camera to observe the real-time situation in the molten iron tank，imaging through the industrial control comput￾er and analyzing the thickness and the range of iron slag in the obtained image，judging the level of slag according to the standard data￾base． This system can improve the automation level of the grade evaluation of online slag detection，further，not only reduce the influ￾ence of the unstable factors of the workers' experience but realize the workers labor protection as well． KEY WOＲDS pretreatment of hot metal; machine vision; slag grading system; image process 收稿日期: 2016--01--12 随着现代化工业生产的发展，对钢材品质的要求 不断提高，即对钢水的纯净度要求就越来越高． 铁水 预处理技术是提高铁水纯净度的重要手段，已经成为 钢铁冶金优化工艺流程的主要组成部分． 扒渣则是将 脱硫后的铁水包中大量的高硫渣去除，以免炼钢时造 成回硫，是控制入炉硫总量的关键环节［1--2］． 传统的方 法是脱硫工用肉眼观察根据经验评判扒渣等级进行扒 渣，由于作业环境恶劣，强光、浓烟、工人注意力等不稳 定因素容易导致误判［3］． 因此，本文设计了一套基于 机器视觉的扒渣评级系统，对铁水扒渣过程实时监控， 根据扒渣标准数据库在线判定熔炼炉次的扒渣等级是 否达到预期目标等级． 1 铁水扒渣检测系统的构成 铁水扒渣检测系统是铁水扒渣过程监控及扒渣效 果评判的装置，主要包括高分辨率摄像器、图像高性能 工作站、Prodave 通讯接口、现场操作箱( 内含工业显示 器) 、摄像器保护装置、图像抗干扰装置及 Ｒamon 扒渣 级别分析软件，系统结构如图 1 所示． 1. 1 数据交互模块 数据交互模块主要实现处理机柜与钢厂二级系统 的数据通信，一是获取钢厂二级系统传送过来的信息， 如: 熔炼号( 炉号) 、钢种、铁水温度、铁水成分和扒渣 等级要求; 二是回传到钢厂二级系统的信息，如熔炼号 ( 炉号) 、扒渣等级判定时间、实际扒渣等级等． 1. 2 人机接口模块 人机接口模块主要实现以下三个功能: ( 1) 在操作工正前方配置工业液晶显示器，操作 工可以实时通过该显示器观察扒渣过程; ( 2) 操作室内配报警器，扒渣等级没有达到扒渣

·120 工程科学学报，第38卷，增刊1 数据交互 通讯接口 钢厂二级系统 处理机柜 人机接口 操作室操作箱 操作人员 摄像器 扒渣机 铁 滇 图1铁水扒渣检测系统 Fig.1 Slagging-off detection system for hot metal 要求时，发出报警提示，指导继续扒渣操作： 温取样→出站，因此对于脱硫的铁水，高硫渣的扒除是 (3)操作室内配信号灯，扒渣过程操作扒渣机时 必要的工序，同时结合工艺要求分析，系统判级时机应 带铁水，系统发出报警提示，指导操作工. 规定在操作工提氮气管10s之后，等烟尘完全散净后， 1.3摄像器 操作工按下判级开关或系统自动判断是否有提氮气管 高分辨率摄像器用来采集铁包内铁水和渣的分布 动作做为判级触发条件.从铁水脱硫完成到出站，这 情况，为保证获取图像有效性，应对摄像器做恒温控制 段时间的扒渣流程如图2所示. 装置，使摄像器始终在一个恒温环境下工作，避免现场 铁水扒渣检测系统对扒渣过程进行实时监视并自 环境温度变化大给摄像器带的不稳定因素.此外，摄 动实现扒渣过程的实时录像功能，根据扒渣标准数据 像器支架采用通气除尘设计，保护装置内外形成负压 库在线判定熔炼炉次的扒渣等级是否达到预期目标等 差设计，以适应现场烟尘大的环境. 级.首先根据现场环境要求、图像质量要求、预处理要 2铁水扒渣检测系统的功能及其实现 求及特征提取要求设置整个系统的参数，其次通过摄 像器不断的采集图像进行实时分析并保存供后续查阅 目前，一般的铁水预处工艺流程是：铁水进站→扒 对比，图像采集后，采用专有的优化图像处理技术进行 除高炉渣→测温取样→加入脱硫剂→扒除脱硫渣→测 滤波处理，自动提取图像中渣的轮廓信息，确定图像的 等待时问过久 铁水罐脱硫完成 脱硫工位铁水取样 脱硫工位铁水测温 等待扒渣计划 渣黏稠时等待儿分钟， 加入聚渣剂 等表面渣结壳后 执行扒渣约2min 扒渣杆准备 继续扒渣 烟尘浓，燃绕约3mim, 插入氯气管特续吹氨气 提起氨气管，收扒渣杠 提氯气管约10后 同时机渣 将液吹到扒渣口这边， 完成扒渣 烟尘净散 产生州尘，扒渣约8min 铁水调往转炉炼钢 图2扒渣流程图 Fig.2 Slagging-off flow chart

工程科学学报，第 38 卷，增刊 1 图 1 铁水扒渣检测系统 Fig． 1 Slagging-off detection system for hot metal 要求时，发出报警提示，指导继续扒渣操作; ( 3) 操作室内配信号灯，扒渣过程操作扒渣机时 带铁水，系统发出报警提示，指导操作工． 图 2 扒渣流程图 Fig． 2 Slagging-off flow chart 1. 3 摄像器 高分辨率摄像器用来采集铁包内铁水和渣的分布 情况，为保证获取图像有效性，应对摄像器做恒温控制 装置，使摄像器始终在一个恒温环境下工作，避免现场 环境温度变化大给摄像器带的不稳定因素． 此外，摄 像器支架采用通气除尘设计，保护装置内外形成负压 差设计，以适应现场烟尘大的环境． 2 铁水扒渣检测系统的功能及其实现 目前，一般的铁水预处工艺流程是: 铁水进站→扒 除高炉渣→测温取样→加入脱硫剂→扒除脱硫渣→测 温取样→出站，因此对于脱硫的铁水，高硫渣的扒除是 必要的工序，同时结合工艺要求分析，系统判级时机应 规定在操作工提氮气管 10 s 之后，等烟尘完全散净后， 操作工按下判级开关或系统自动判断是否有提氮气管 动作做为判级触发条件． 从铁水脱硫完成到出站，这 段时间的扒渣流程如图 2 所示． 铁水扒渣检测系统对扒渣过程进行实时监视并自 动实现扒渣过程的实时录像功能，根据扒渣标准数据 库在线判定熔炼炉次的扒渣等级是否达到预期目标等 级． 首先根据现场环境要求、图像质量要求、预处理要 求及特征提取要求设置整个系统的参数，其次通过摄 像器不断的采集图像进行实时分析并保存供后续查阅 对比，图像采集后，采用专有的优化图像处理技术进行 滤波处理，自动提取图像中渣的轮廓信息，确定图像的 · 021 ·

田立等：铁水扒渣检测系统的研究与实现 ·121· 分析区域，对区域进行自动阈值分割技术识别出铁水 二级系统.除此之外，当出现生产故障等原因停止作 和渣，结合工艺参数，与标准库做比较，判定扒渣是否 业时，操作人员可充分利用之前保存到本地数据库 达到预计等级，提取渣区域的特征，分析渣层厚度. 中的录像及截图，离线分析铁包中铁水和渣变化情 本扒渣检测系统还可以与钢厂二级系统实现通讯 况，分析历史钢渣比率变化情况，也可以实时回 功能，二级系统将熔炼号、铁水成分、钢种信息、铁水温 放历史录像和查询历史曲线对扒渣过程进行分析， 度、扒渣级别要求和提枪信号传给扒渣系统：扒渣系统 并不断优化标准库.整个系统的功能流程图如图3 判定扒渣级别后将熔炼号和扒渣判定结果回传给钢厂 所示。 获取实时图像 铁水扒渣检测系统 功能流程图 判断是否钢包到位 Prodave通讯 是 写入本地慰盘 炉号、钢种、钛、硅 获取二级系统信息 温度、扒渣级别 存人 写入本地磁盘 数据库 实时录像 分析铁水和渣分界值 人机接口输出 扒渣画面显示 染色处理 铁水与渣色彩鲜明 是否提氨气管或手动 是 写人本地磁盘 获取渣级定截图 数据库 图像处理区域提取、图像滤波等图像处理算法， 动态铁水与渣阀值面 渣面积与渣厚归一化计算 扒渣 读取标准图库 等级标准 根据钢种、钛、硅获取对应 扒渣等级标准图 存储 写人本地磁盘 判断结果 人机接口输出 软件界面报警否) 判定扒渣是否达到要求 指示灯红灯亮（香） Prodave通讯 界面提示正常（是） 写人二级钢厂 指示灯绿灯亮（是） 系统 结束本炉处理 图3铁水扒渣检测系统功能流程图 Fig.3 Function flow chart of slag detection system

田 立等: 铁水扒渣检测系统的研究与实现 分析区域，对区域进行自动阈值分割技术识别出铁水 和渣，结合工艺参数，与标准库做比较，判定扒渣是否 达到预计等级，提取渣区域的特征，分析渣层厚度． 图 3 铁水扒渣检测系统功能流程图 Fig． 3 Function flow chart of slag detection system 本扒渣检测系统还可以与钢厂二级系统实现通讯 功能，二级系统将熔炼号、铁水成分、钢种信息、铁水温 度、扒渣级别要求和提枪信号传给扒渣系统; 扒渣系统 判定扒渣级别后将熔炼号和扒渣判定结果回传给钢厂 二级系统． 除此之外，当出现生产故障等原因停止作 业时，操作人员可充分利用之前保存到本地数据库 中的录像及截图，离线分析铁包中铁水和渣变化情 况［4--5］，分析历史钢渣比率变化情况，也可以实时回 放历史录像和查询历史曲线对扒渣过程进行分析， 并不断优化标准库． 整个系统的功能流程图如图 3 所示． · 121 ·

·122· 工程科学学报，第38卷，增刊1 3铁水扒渣检测系统的可行性论证 高效地对摄像器采集到的铁水和渣分布图进行识 别与分析.首先对图像进行预处理，自动提取 3.1检测精度分析 图像中渣的轮廓信息，确定图像的分析区域：然后 方案中采用工业级高分辨率摄像器，大包直径为 对分析区域通过自动阈值分割技术识别出铁水和 4.2m:图像检测区域4.5m:摄像器分辨率为1600× 渣，并进行彩色处理突出显示：最后分析图像中钢 1200.检测精度为：横向，4500mm/1600=2.9mm;纵 渣的厚度和范围，并根据扒渣标准数据库在线判定 向，4500mm/1200=3.8mm;系统检测最小渣颗粒平面 熔炼炉次的扒渣等级是否达到预期目标等级.图4~7 尺寸为2.9mm×3.8mm. 为铁水扒渣检测系统对铁水罐中两种情况进行分 3.2图像识别分析 析的效果图，分别为渣量较少的情况和渣量较多的 对摄像器采集到的铁水和渣分布图的识别与分析 情况 是铁水扒渣检测系统的核心部分，对于脱硫后的铁水， 渣少的情况如图4和图5所示，图4(a)为原始截 由于高硫渣的密度是铁水密度的1/3左右，因此渣会 图，图4(b)为处理结果图，绿色表示渣，红色表示铁 浮到铁包液面网.铁水成液态，表面近似光滑，平行的 水，铁水与渣面积总共192858个像素，铁水面积 光照在光滑的表面发生规律性反射，叫做镜面反射：而 163003个像素，铁水占比84.52%，铁渣占比15.48%. 渣聚在一起表面凹凸不平，光线照射在渣表面时发生 图5(a)所示铁水对应的亮度区间为121~255，根据铁 漫反射.因此，通过分析图像的平滑性和凹凸性，便可 包渣表面明暗估计渣厚，图5(b)中取高400对应的渣 将铁渣与铁水区分开来. 亮度区间为0~120，蓝线为渣平均亮度81.3，渣明暗 基于机器视觉的铁水扒渣检测系统具有非接 能清楚显示渣厚的分布结构 触、速度快、精度高、抗干扰能力强等优点，能准确 渣量较多的情况如图6和图7所示. a 图4渣少情况下的原始截图()和处理结果图(b) Fig.4 Original image under less residue (a)and processing results image (b) 4080(a) 0 0 50 100 150 200 250 亮度 图5渣少情况下提取铁水与渣区域直方图()和渣厚和渣平均厚度结构示意图(b) Fig.5 Extracting histogram of hot metal and slag area under less residue (a)and slag thickness and slag average thickness of the structure diagram (b)

工程科学学报，第 38 卷，增刊 1 3 铁水扒渣检测系统的可行性论证 3. 1 检测精度分析 方案中采用工业级高分辨率摄像器，大包直径为 4. 2 m; 图像检测区域 4. 5 m; 摄像器分辨率为 1600 × 1200． 检测精度为: 横向，4500 mm /1600 = 2. 9 mm; 纵 向，4500 mm /1200 = 3. 8 mm; 系统检测最小渣颗粒平面 尺寸为 2. 9 mm × 3. 8 mm． 3. 2 图像识别分析 对摄像器采集到的铁水和渣分布图的识别与分析 是铁水扒渣检测系统的核心部分，对于脱硫后的铁水， 由于高硫渣的密度是铁水密度的 1 /3 左右，因此渣会 浮到铁包液面［6］． 铁水成液态，表面近似光滑，平行的 光照在光滑的表面发生规律性反射，叫做镜面反射; 而 渣聚在一起表面凹凸不平，光线照射在渣表面时发生 漫反射． 因此，通过分析图像的平滑性和凹凸性，便可 将铁渣与铁水区分开来． 基于机器 视 觉 的 铁 水 扒 渣 检 测 系 统 具 有 非 接 触、速度快、精 度 高、抗 干 扰 能 力 强 等 优 点，能 准 确 高效地对摄像器采集到的铁水和渣分布图进行识 别与分析［7--9］． 首先 对 图 像 进 行 预 处 理，自 动 提 取 图像中渣的 轮 廓 信 息，确定图像的分析区域; 然 后 对分析区域通过自动阈值分割技术识别出铁水和 渣，并进行彩 色 处 理 突 出 显 示; 最 后 分 析 图 像 中 钢 渣的厚度和范围，并根据扒渣标准数据库在线判定 熔炼炉次的扒渣等级是否达到预期目标等级． 图 4 ～ 7 为铁水扒渣检测系统对铁水罐中两种情况进行分 析的效果图，分别为渣量较少的情况和渣量较多的 情况． 渣少的情况如图 4 和图 5 所示，图 4( a) 为原始截 图，图 4( b) 为处理结果图，绿色表示渣，红色表示铁 水，铁水 与 渣 面 积 总 共 192858 个 像 素，铁 水 面 积 163003 个像素，铁水占比 84. 52% ，铁渣占比 15. 48% ． 图 5( a) 所示铁水对应的亮度区间为 121 ～ 255，根据铁 包渣表面明暗估计渣厚，图 5( b) 中取高 400 对应的渣 亮度区间为 0 ～ 120，蓝线为渣平均亮度 81. 3，渣明暗 能清楚显示渣厚的分布结构． 渣量较多的情况如图 6 和图 7 所示． 图 4 渣少情况下的原始截图( a) 和处理结果图( b) Fig． 4 Original image under less residue ( a) and processing results image ( b) 图 5 渣少情况下提取铁水与渣区域直方图( a) 和渣厚和渣平均厚度结构示意图( b) Fig． 5 Extracting histogram of hot metal and slag area under less residue ( a) and slag thickness and slag average thickness of the structure diagram ( b) · 221 ·

田立等：铁水扒渣检测系统的研究与实现 ·123 a 图6渣多情况下的原始截图(a)和处理结果图(b) Fig.6 Original image under more residue(a)and processing results image (b) 1622f回 50 100150200250 亮度 图7渣多情况下提取铁水与渣区域直方图()和渣厚及渣平均厚度结构示意图(b) Fig.7 Extracting histogram of hot metal and slag area under more residue (a)and slag thickness and slag average thickness of the structure diagram (b) 在图6中，铁水与渣面积总共107956个像素， 参考文献 铁渣面积76029个像素，铁水占比29.57%，铁渣 [1]Ma G,Zhao W J,Feng J Y.The development of molten iron pre- 占比70.43%.如图7(a)所示，铁水对应的亮度区 treatment slag removal equipment and technology.Metallurgical 间为130~255，根据铁包渣表面明暗估计渣厚，图 Equipment,2010(Suppl 1):47 7(b)中取高400对应的渣亮度区间为0~129，蓝 (马刚，赵伟洁，冯京跃.铁水预处理扒渣设备及技术的发 线为渣平均亮度102，渣明暗能清楚显示渣厚的分 展.治金设备，2010（增刊1）：47) 布结构. Bai X W,Wu S C,Luo B.Review of hot metal ladle equipment. 根据检测出来的渣面积、渣厚度、钢种、温度、铁水 Metallurgical Equipment,2013(4):48 成分等信息，管理人员可自定义标准扒渣级别数据库， (白小伟，吴胜才，罗斌.铁水扒渣设备综述.治金设备， 扒渣系统接收钢厂二级系统发出的扒渣级别要求，操 2013(4):48) 作工从而可以判断是否达到了扒渣级别. 3]Xiao Y.Detection technology and its application of molten steel slag.Industrial Measurement,2001(Suppl 1):262 4结论 (肖勇.钢水下渣检测技术及其应用.工业计量，2001（增刊 1):262) 本文主要从系统功能、模块结构、实现流程对铁水 4]Wu F.Research and Implementation of Slag Detection System 扒渣检测系统进行了全方位介绍，本系统能智能适应 Based on Infrared Video Image [Dissertation].Hangzhou:Zhe- 铁包内铁水温度变化，实时识别扒渣状态，系统摄像器 jiang University,2005 自动光学对焦，人工干预少，自动化程度高，具有很高 (吴非.基于红外视颍图像的下渣检测系统的研究与实现[学 的实用价值. 位论文].杭州：浙江大学，2005)

田 立等: 铁水扒渣检测系统的研究与实现 图 6 渣多情况下的原始截图( a) 和处理结果图( b) Fig． 6 Original image under more residue( a) and processing results image ( b) 图 7 渣多情况下提取铁水与渣区域直方图( a) 和渣厚及渣平均厚度结构示意图( b) Fig． 7 Extracting histogram of hot metal and slag area under more residue ( a) and slag thickness and slag average thickness of the structure diagram ( b) 在图 6 中，铁水与渣面积总共 107956 个像素， 铁渣面 积 76029 个 像 素，铁 水 占 比 29. 57% ，铁 渣 占比 70. 43% ． 如图 7( a) 所示，铁水对应的亮度区 间为130 ～ 255，根据铁包渣表面明暗估计渣厚，图 7( b) 中取 高 400 对 应 的 渣 亮 度 区 间 为 0 ～ 129，蓝 线为渣平均亮度 102，渣明 暗 能 清 楚 显 示 渣 厚 的 分 布结构． 根据检测出来的渣面积、渣厚度、钢种、温度、铁水 成分等信息，管理人员可自定义标准扒渣级别数据库， 扒渣系统接收钢厂二级系统发出的扒渣级别要求，操 作工从而可以判断是否达到了扒渣级别． 4 结论 本文主要从系统功能、模块结构、实现流程对铁水 扒渣检测系统进行了全方位介绍，本系统能智能适应 铁包内铁水温度变化，实时识别扒渣状态，系统摄像器 自动光学对焦，人工干预少，自动化程度高，具有很高 的实用价值． 参 考 文 献 ［1］ Ma G，Zhao W J，Feng J Y． The development of molten iron pre￾treatment slag removal equipment and technology． Metallurgical Equipment，2010( Suppl 1) : 47 ( 马刚，赵伟洁，冯京跃． 铁水预处理扒渣设备及技术的发 展． 冶金设备，2010( 增刊 1) : 47) ［2］ Bai X W，Wu S C，Luo B． Ｒeview of hot metal ladle equipment． Metallurgical Equipment，2013( 4) : 48 ( 白小伟，吴 胜 才，罗 斌． 铁 水 扒 渣 设 备 综 述． 冶 金 设 备， 2013( 4) : 48) ［3］ Xiao Y． Detection technology and its application of molten steel slag． Industrial Measurement，2001( Suppl 1) : 262 ( 肖勇． 钢水下渣检测技术及其应用． 工业计量，2001( 增刊 1) : 262) ［4］ Wu F． Ｒesearch and Implementation of Slag Detection System Based on Infrared Video Image ［Dissertation］． Hangzhou: Zhe￾jiang University，2005 ( 吴非． 基于红外视频图像的下渣检测系统的研究与实现［学 位论文］． 杭州: 浙江大学，2005) · 321 ·

·124· 工程科学学报，第38卷，增刊1 5]Lin B Y.Research and Design of Infrared Thermographie Slag De- (颜发根，刘建群，陈新，等机器视觉及其在制造业中的应 tection System Based on ARM and DSP [Dissertation].Hangzhou: 用.机械制造，2004,42(11)：28) Zhejiang University,2008 [8]Zhou W J.The Research and Application of Online High-Speed De- (林搏宇.基于ARM和DSP的红外热像下渣检测系统研究与 tection and Precise Control Based on the Machine Vision [isserta- 设计[学位论文].杭州：浙江大学，2008) tion].Shanghai:Shanghai University,2014 Wang L Research of Ladle Slag Detection System Based on Infra- (周文举.基于机器视觉的在线高速检测与精确控制研究及 red Thermal Image Recognition [Dissertation].Hangzhou:Zhe- 应用[学位论文].上海：上海大学，2014) jiang University,2011 9]Zheng J.Research on the Detection Method of Molten Steel Continu- (王亮.基于红外热图像识别的大包下渣检测系统的研究[学 ous Casting Based on Image Recognition.Hangzhou:Zhejiang 位论文].杭州：浙江大学，2011) University,2007 [7]Yan F G,Liu J Q,Chen X,et al.Machine vision and its applica- (郑俊.基于图像识别的钢水连铸下渣检测方法的研究.杭 tion in manufacturing industry.Manufacturing Industry,2004,42 州：浙江大学，2007) (11):28

工程科学学报，第 38 卷，增刊 1 ［5］ Lin B Y． Ｒesearch and Design of Infrared Thermographic Slag De￾tection System Based on AＲM and DSP［Dissertation］． Hangzhou: Zhejiang University，2008 ( 林搏宇． 基于 AＲM 和 DSP 的红外热像下渣检测系统研究与 设计［学位论文］． 杭州: 浙江大学，2008) ［6］ Wang L． Ｒesearch of Ladle Slag Detection System Based on Infra￾red Thermal Image Ｒecognition［Dissertation］． Hangzhou: Zhe￾jiang University，2011 ( 王亮． 基于红外热图像识别的大包下渣检测系统的研究［学 位论文］． 杭州: 浙江大学，2011) ［7］ Yan F G，Liu J Q，Chen X，et al． Machine vision and its applica￾tion in manufacturing industry． Manufacturing Industry，2004，42 ( 11) : 28 ( 颜发根，刘建群，陈新，等． 机器视觉及其在制造业中的应 用． 机械制造，2004，42( 11) : 28) ［8］ Zhou W J． The Ｒesearch and Application of Online High-Speed De￾tection and Precise Control Based on the Machine Vision［Disserta￾tion］． Shanghai: Shanghai University，2014 ( 周文举． 基于机器视觉的在线高速检测与精确控制研究及 应用［学位论文］． 上海: 上海大学，2014) ［9］ Zheng J． Ｒesearch on the Detection Method of Molten Steel Continu￾ous Casting Based on Image Ｒecognition． Hangzhou: Zhejiang University，2007 ( 郑俊． 基于图像识别的钢水连铸下渣检测方法的研究． 杭 州: 浙江大学，2007) · 421 ·