链篦机台车侧板裂缝检测方法研究

作     者：圣园园 

作者单位：内蒙古科技大学 

学位级别：硕士

导师姓名：王月明

授予年度：2021年

学科分类：080602[工学-钢铁冶金] 08[工学] 0806[工学-冶金工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：裂缝检测 计算机视觉 DeepLabv3+ 图像处理 裂缝计算 

摘      要：钢铁产业常作为衡量现代化国家的工业水平的重要指标,中国的粗钢产量在2019年占据了全球总量的53.3%,位居世界首位,主要以产量大、产品质量稳定的链篦机-回转窑球团生成工艺为主。但是链篦机台车结构复杂,侧板会因温度的交替变化而发生形变,产生裂缝甚至部分破碎,影响球团烧结质量,所以需要定期检查侧板损坏情况。目前以人工查看为主的检测手段费时费力,本文利用图像处理技术,设计了一种结合深度学习算法与计算机视觉技术的裂缝检测方法,为链篦机侧板裂缝检测领域提供新的思路。本文的主要研究内容分为两大部分:基于DeepLabv3+语义分割模型的侧板裂缝检测和基于图像处理的裂缝数量与长度计算。首先是裂缝数据集的制作,本文使用了工业实地拍摄的链篦机侧板图像视频,按帧率截成图片,挑选了清晰度较好与裂缝较为明显的1000张图片进行标注,作为训练数据集。然后是裂缝检测算法模型的选择,选择使用谷歌团队开发的DeepLabv3+模型作为侧板裂缝检测算法。使用标注与解析好的裂缝数据集进行训练,以多次的预测实验来验证得到效果最优的权重模型。最后是对裂缝数量与长度的计算,将识别后的带有掩膜的图像以HSV颜色空间分离、高斯滤波、泛洪填充等基本图像处理方法处理后,以基于形态学的连通域和骨架提取操作获得裂缝的骨架信息,统计计算裂缝的数量与长度,并根据设定的判伤规则,分析侧板当前损坏情况,在必要时进行报警处理,及时安排维修工作。本文将对链篦机侧板裂缝检测与基于图像处理技术的裂缝参数计算结合在一起,实现了从对台车侧板裂缝的识别,到对裂缝数量与长度的计算,再到以此为依据判断侧板损伤情况的全部环节。实验中对裂缝大致区域识别的准确率达到了 99%,对裂缝数量计算的准确率为94%,对裂缝长度计算的准确率为96%,平均误差率为2.12%。实验结果表明该法能有效地识别图像中的裂缝,对于现代钢铁企业提高球团烧结质量,延长机器设备使用寿命,指导工业生产,提升企业效益具有一定的参考价值。