烧结矿相智能识别系统

类别:编号:莱芜钢铁股份有限公司

技术开发创新项目立项建议书项目名称： 烧结矿相智能识别分析系统承担单位：重庆大学材料科学与工程学院莱钢技术研发中心项目负责人：梁栋1、 项目的目的、意义在钢铁市场竞争日益激烈的今天，铁矿石等原材料利润空间日益狭小，劳动生产率的潜力空间也有限，铁厂生产利润趋薄，而烧结更是铁前能耗及成本主要环节之一，对于烧结过程目前自动化水平较低，整体工艺及调度科学优化欠缺，极大的制约了烧结整体水平的提高。其中尤其以烧结基础理论的欠缺及自动监控为瓶颈！而烧结技术的大幅提升和成本的大幅降低的迫切要求，急切需要铁前原始工艺数字化工作的逐步完善！而就目前而言，对于莱钢和国内大多数联合钢铁企业对于铁前工艺的认知仅局限于表观实验现象的描述，深层次定量化实质影响关系尚未有系统化的总结与研究。国外已在近几年内开始了稳步的研究，但一些初步研究成果如专家系统等的外部引入在国内尚无实质性的进展，这主要因为我们尚欠缺工艺实质原理的清晰解析，因此必须依据踏实的系列化基础研究来进一步支撑铁前数字化工作进展，自主研发才能在此过程中汲取实质精华，提高工艺整体认知及操作水平。利用光学显微镜对钢铁工艺岩相、矿相进行观察和鉴定是目前冶金行业普遍应用的一种实验方法。烧结矿内部矿相分布特征主要决定着烧结矿的冶金性能，通过系统的认知矿相特征才真正能够了解烧结矿冶金及物理性能的实质关系。就目前而言，我国在该领域的技术水平普遍较低，矿相识别靠人工的经验，定量化的特征识别及提取技术尚为空白。莱钢目前在此方面的工作也比较基础，现技术中心有金相显微镜一台，矿相显微镜（拟申购中），但还难以对于矿相图片作进一步的分析。成品烧结矿的冶金性能的决定因素尚无定量化的关系总结，认知的缺乏必然导致那么有效的定量控制烧结矿质量的困难。因此基于智能化的矿相识别技术的研究与开发是制约我们认知烧结矿性能的关键。本项目针对目前我国在该领域的技术水平普遍较低、基本靠人工的现状，提出了利用目前已经发展成熟的图像识别和图像处理技术，实现对烧结矿相进行智能化的机器识别、机器计算和机器统计的识别分析系统，进而提高钢铁企业在进行烧结矿相分析时的准确度和灵活度，并且极大的降低了该领域专业技术人员的培训周期和劳动强度。此外该方法基础上，后续可拓展至渣相及其它冶金矿相的识别。通过对岩石和矿石中的矿物组成、晶粒大小、含量、分布及显微结构的研究，得到上述参数与产品质量和工艺条件之间的关系。进而改进工艺条件、提高产品质量。因此，准确、定量地鉴定报告是实现研究目标的科学保证。该项目是铁前MES系统系列项目中的关键技术之一，依托本项目依靠普通的光学显微镜即可对烧结矿相作出智能化定量分析，为后续的烧结矿冶金性能预测及控制模型奠定基础。2、国内外研究现状分析及发展方向2.1国内外现状和发展方向在国内大多数的钢铁企业，矿相鉴定工作还停留在以人工为主的阶段。例如，在矿相种类识别工作上，需要实验操作者具有较熟练的专业知识和丰富的操作经验。这也就意味着矿相识别工作需要经过一段时间的经验积累和学习，对于一个企业而言就意味着需要拿出相当一段时间来培养一名实验人员。在矿相参数测量工作上，以矿物反射率的计算为例，对矿物反射率的测定主要有目测法和仪器测量法。目测法主要指并列比较法和视测光度法，仪器测量法有比色目镜法和光电光度法。目测法过多依靠观察者的主观判断，不同视力和经验的观察者得出的结论和数据就有差别，极易造成偶然误差，影响测试结果的准确度；仪器测量法较目测法要准确，但是需要增加额外的设备投资，例如比色目镜法就需要同时有两台矿相显微镜和一个比色目镜，光电光度法也需要额外的光电传感设备和微电流检测设备。除了上述问题外，对矿物含量的计算上目前主要应用的有目测估计法和网格法。也同样存在测量误差大，测量工作强度高、工作量大等缺点。文献中对该领域的研究最早见于上世纪80年代初。当时法国巴黎矿业学院的Jeulin教授研究组和澳大利亚IRSID共同开发了基于图像处理技术矿物含量计算软件，当时图像处理技术，尤其是图像识别还没有发展到今天成熟的水平。在Jeulin的系统中运用了图像腐蚀、膨胀等技术实现了对矿相照片的自动区域分割，计算各区域的面积后得到各种矿相的成分。除此之外，该系统还可以计算烧结矿中矿物的晶粒大小和分布。1985年日本的新日铁钢铁钢铁公司和东京大学的Yanaka教授联合开发了一套冶金矿相处理系统。该系统运用了新的阈值分割技术实现了对不同矿物的分割，矿物含量的计算仍然采用计算面积的方法。从此之后，一直未见该领域的研究报道。目前为止，国内尚未见过对类似系统的报道。这两套系统的共同点就是都是利用相关技术实现了图像中的区域分割并通过计算区域面积的方法来代替矿物含量。但是，这两套系统都没有矿物识别的功能。至于矿物含量计算方法，完全按照区域分割的方法并用面积来代替含量会造成计算的误差，这主要是区域分割的误差造成的，尤其是在两种矿物的亮度很接近，并且在矿物分布上是弥散分布时，误差会更大。因此，矿物含量的计算方法也有待改进。3、研究内容和技术路线3.1研究内容3.1.1矿相智能识别纹理是图像中一个重要而又难于描述的特征。习惯上，把这局部不规则，而宏观有规律的特征称之为纹理特性。烧结矿的矿相特征是表征和判定其所含矿物种类的依据。定量分析和提取图像特征的方法大体上可以分为两大类：统计分析方法和结构分析方法。前者从图像有关属性的统计分析出发；而后者则着力找出纹理单元，然后从结构组成上探索纹理的规律，或直接探求纹理构成的结构规律。从烧结矿矿相人工鉴定的两点依据出发，分别建立起图像特征提取模型，分别是矿物反射率计算模型和矿相纹理特征提取模型。烧结矿常见的矿相纹理结构主要有粒状结构、斑状结构、骸晶结构、共晶结构和熔蚀结构。一般需要鉴定的矿物主要有磁铁矿、赤铁矿、铁酸钙、钙铁橄榄石、硅酸钙等。各种矿相显微结构纹理特征的差别主要体现在以下两个方面：（1） 图像灰度值分布特征。由于矿物的反射率不同，不同的矿物交织构成了特有的灰度分布特点。这些特征包括：灰度分布的均匀程度、灰度直方图的峰值情况等。（2） 图像纹理形状特征。由于矿物的晶型结构和结晶过程的不同造成了纹理粗细程度、清晰程度、复杂程度和不同方向的相似程度的不同等。根据上述的纹理特征差别，实现图像智能识别的主要研究内容就是选择灰度直方图和灰度共生矩阵作为纹理特征的提取算法。主要是灰度共生矩阵中各参数的选择对纹理特征的关系。3.1.2矿物含量计算不同的矿物在矿相照片上的明暗程度不同，灰度直方图反映了照片中的不同亮度的像素分布情况。目前阈值分割的方法本质上就是用几个值直接将灰度直方图分为几部分，每一部分代表一种矿物。即不同的矿物对应着灰度直方图中的某一区域，这个区域可以根据反射率和图像灰度关系计算出来。由于某些矿物并无固定的反射率值，而是在某个区间内变化；即使有些矿物具有一个相对固定的反射率值，但是由于试样制备、图像采集设备、A/D转换、信号传送以及数据存储等各种因素的影响，其反射率也会在一个灰度区间内变化。因此，每种矿物的灰度值在其固有的区间内呈现一定的分布，经研究发现这种分布可以认为是正态分布。因此，该研究可以分成两部分：（1） 通过大量图片的数据分析，统计得出各矿物的正态分布特征值，即各矿物的均值和方差。（2） 利用已有各矿物的分布特征数据对实际矿相照片的灰度直方图进行拟合，最终得出各矿物的含量。3.1.3其他辅助功能该软件系统的辅助功能主要包括：（1） 基本图像处理功能，包括图像放大、缩小，图像拉伸、翻转等；（2） 报告生成、打印功能；（3） 数据统计功能；（4） 角度、长度计算功能；（5） 图像显示模式、系统设置功能。3.2技术路线该研究项目从内容上可分为两部分：1.矿物种类的识别；2.矿相参数的计算。矿物种类的识别是在矿物的特征提取的算法基础上通过模糊聚类实现的。矿相参数的计算基于CCD成像原理和图像处理相关技术。上述所涉及的研究方法有模糊

聚类、模式识别等，所涉及技术有图像特征提取、图像处理技术及程序设计相关技术等。其中包括如下主要方法和概念。3.2.1反射率计算模型反射率是鉴别不透明矿物的重要依据，描述了矿物对光反射的多少。因此，对反射率的定义如式⑴所示。ReflectI—ReflectI—rIi（1）其中，Ir是反射光强度；。是入射光强度；RefleCt为反射率，用％表示，故反射率不会大于100%。使用显微镜观察矿物，反射率不同表现为矿物在视场中的亮度不同。目前常规的CCD摄像机得到的数字图像都是Windows位图（.BMP）文件格式的。根据人眼的结构，所有颜色都可以看作是3个基本颜色一红（R，red），绿（G，Green），篮（B，blue）一的基本组合。国际照度委员会在1931年就规定了3种基本色的波长分别为R::700nm，G：546.1nm，B：435.8nm[1]。因此在位图文件中，每个象素的数据都是以RGB格式存储的。如何从得到的RGB格式的数据文件得到亮度就是建立反射率计算模型的任务。下面将给出与此相关的两种颜色模型。3.2.2颜色模型1）RGB模型RGB模型基于笛卡尔坐标系统，3个轴分别为R，G，B，所有的颜色都可以在该坐标系下找到对应的点。如图1所示为24位颜色系统下的彩色立方体模型。该模型中，原点对应黑色，通过体对角线与原点相连的顶点对应白色。任何颜色都可以通过向三坐标轴投影的方法找到对应的（r,g,b）值。

图1RGB彩色立方体模型2)HSI模型HIS模型中的H代表色调(hue),S代表饱和度(saturation),I代表亮度或者灰度(intensity)。该模型有两个特点：其一，H和S分量合称为色度(chroma),它是与人们感受颜色的方式相关的；其二，I分量与色度无关，只代表了颜色的明暗程度。图2所示为HSI彩色体模型，在该模型体中，找出某一色点P(h,s,i)的过程如下：从R，G，B组成的正三角形的重中向P点引矢量S，S与R轴的夹角即为h值；s值与S成正比；过三角形RGB的中心作垂直于该三角形所在平面的直线，i值就是通过这条直线来测量的，其中直线的两端分别是黑色和白色。图2HSI彩色体模型3）RGB—HSI模型转换RGB模型和HSI模型是最常用的两种模型。一般来说，RGB模型常用于面向硬件设备，HSI模型常用于面向彩色处理。两种模型可以相互转换。在本文中只对所涉及到的亮度值I的转换方法作讨论。目前，将真彩色图进行灰度化求其I值有许多方法，例如，平均值法（简单灰度法）、加权法（工业标准灰度化法）、最大值法和单色值法等［2,3］。最大值法和单色法是在特殊情况下应用的比较粗略的方法，误差较大。由于涉及问题的精度要求，本文只应用精度较高的平均值法和加权法求解问题。I=-（R+G+B）3 （2）I=0.299xR+0.587xG+0.114xB （3）式⑵所示为平均值法［4］，式（3）为加权法。两个公式都有各自的特点，分别适用于不同的情况。公式（2）是根据RGB彩色立方体中的投影关系推导得到的，而式（3）则考虑了人眼对不同颜色的敏感度。3.2.3灰度直方图灰度直方图是图像的重要特征，可以认为是灰度分布密度函数的近似，它表示了在图像区域所有像素中，不同的灰度值出现的次数。其函数表达式如式（4）所示。G=性NP(i,m,n)im=1n=1其中，M、N分别表示图像的行数和列数，Gi为灰度为i的像素个数，P（i,m,n）的定义如式（5）所示。P(i,m,n)=「 P(mn)='（5）I0 P(m,n)。i（5）由于在图像分析和处理的过程中，图像的大小有时是变化，这时不同图像的直方图就失去了可比性，因此就需要对式（4）进行归一化处理，得到了式（6）所示的归一化直方图函数。其中，Gi，为归一化值，T为总像素数。G：=办3.2.4灰度共生矩阵灰度直方图只反映的是单个像素灰度级的统计分布规律，但是不包含像素空间位置关系的信息。灰度共生矩阵反映的就是具有一定的灰度关系，相隔某一距离的两个像素的联合分布的统计形式。式(8)就是灰度共生矩阵的数学表达式。P(i,j,8,。)={[3y),(x+Ax,y+Ay)]If(x,y)=i,f(x+Ax,y+Ay)=j;x=0,1,…，七-\;y=0,1,…，Ny-1}(8)式(8)中，i和j为灰度值，x和y为图像中的像素坐标，Nx和Ny是图像的行列数，6是两个像素之间的距离，。为两像素的连线按顺时针与x轴的夹角。该式的物理意义就是从图像(x,y)灰度为i的像素出发，统计与距离为6,夹角为。，灰度为j的像素(x+Ax,y+Ay)同时出现的概率。从实际应用角度讲，灰度共生矩阵不是直接作为纹理分析的特征量，而是在此矩阵基础上进行归一化处理后，再提取其它二次统计量。根据需要，只介绍本文所涉及到的归一化方法、二阶矩、对比度、嫡等二次统计量，其数学表达式分别如(9)、(10)、(11)和(12)所示。(1)灰度共生矩阵归一化p(i,j)=P(i,j)/R (9)式(9)中，R代表归一化常数，是图像中像素对的总数目。(2)二阶矩f¥P2(i,j) (10)二阶矩又称为能量，反映了图像灰度分布的均匀程度和纹理粗细程度，其值大时纹理粗，能量大；反之，纹理细能量小。(3)对比度f=如习(i-j)2p'(i,j)i=0j=0 (11)对比度又叫惯性矩，可以代表图像的清晰度，其值大，纹理的纹沟深，图像清晰；反之，纹沟浅，效果模糊。(4)嫡f3=一如力pe)log2p0j)i=0j=0嫡反映了图像中纹理的复杂程度或非均匀度。其值大，纹理复杂；反之，图像灰度均匀，共生矩阵中元素大小差异大，嫡较小。3.3技术创新点本项目的特色和创新之处在于：利用成像规律和计算机颜色模型对矿物的反射率进行计算。采用灰度直方图和灰度共生矩阵实现了矿物的智能机器识别。3.4关键技术和技术难点本项目拟解决的关键问题，包括：反射率计算模型的建立。基于灰度共生矩阵的图像纹理特征值的选择及参数设置。合理模式识别方法的选择。3.5实施方式由重庆大学和莱钢技术研发中心成立联合开发课题组，合作开发。4、项目研究进度计划项目周期15个月，难度系数：3月份工作内容2009.11-2010.2对莱钢目前的冶金矿相鉴定的实验室应用条件作调研，了解所涉及的矿相种类及特点2010.3-2010.8模型建立、程序编写及调试，软件集成2010.9-2010.12软件使用及完善2011.1-2011.3总结、考核、验收5、本项目的技术经济指标（1）技术指标具有莱钢自主知识产权烧结矿相智能识别软件一套，可实现如下功能1） 准确地识别矿物的种类，准确率达95%以上；2） 准确地计算矿物的含量，准确率达95%以上；3） 可以对矿物中的其它特性进行计算，例如矿物长度及方向，孔隙壁厚分布特征等；4） 为莱钢烧结矿的质量改善提供准确的鉴定依据；2）经济效益该项目是烧结矿质量提升认知的关键技术，通过该项目及后续一系列技术研发项目（铁前MES系统（数字化系列））的顺利实施，最终将实现铁前工艺整体数字化，形成莱钢特有铁前技术专利系列至少三项以上，全面提升烧结炼铁技术指标，烧结成本稳步降低5~10元/吨，以600万吨烧结矿计算，产生直接经济效益5x600万吨=3000万元；高炉稳定操作高炉炼铁成本下降5元/吨，产