基于机器视觉与LIBS技术的废钢智能分类研究
发布时间：2023-05-09 22:37
当前我国的废钢产生量已超2亿吨/年,这为电炉炼钢的发展提供了坚实的原料保障。使用废钢炼钢有利于钢铁企业的节能减排,用废钢炼1吨钢可节约铁矿1.65吨,标准煤350千克,降低CO2排放1.6吨,固体废弃物排放4.3吨。目前没有根据废钢的表面锈蚀情况、表面涂镀情况和合金元素含量等对废钢进行快速定量检测和精细分类,只经过粗糙的分拣和加工便作为炼钢原料。这导致钢铁企业在使用废钢进行冶炼时,钢水的成分得不到精准控制,部分废钢中的合金元素得不到高效利用。本文将机器视觉及机器学习技术与LIBS技术相结合,针对废钢智能分类的几个关键问题和工业化应用进行了探索性研究,主要研究内容与结果如下:(1)基于颜色直方图和K-means聚类分析,研究了生锈废钢红褐色锈迹颜色在RGB、HSV和YCbCr颜色空间的分布特征。结果表明,RGB颜色空间不适合铁锈颜色特征提取,红褐色铁锈颜色在HSV空间中H分量值主要集中在[0-45]区间,在YCbCr空间中Cb分量值主要集中在[70-120]区间,Cr值主要集中在[130-170]区间。基于灰度共生矩阵及其特征参数分析了生锈废钢的纹理特征。结果表明,在生锈废钢图像中,生锈...
【文章页数】：186 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
1 引言
2 文献综述
2.1 研究背景及意义
2.2 废钢的定义与来源
2.3 废钢加工处理工艺现状
2.4 废钢分类标准概述
2.4.1 国外废钢分类标准
2.4.2 中国废钢分类标准
2.5 废钢智能分拣技术与装备研究进展
2.6 钢铁生锈检测方法研究进展
2.6.1 国外研究进展
2.6.2 国内研究进展
2.7 LIBS技术简介
2.7.1 LIBS技术基本原理
2.7.2 LIBS系统主要设备
2.8 LIBS技术在钢铁材料检测方面的研究进展
2.8.1 国外研究进展
2.8.2 国内研究进展
2.9 LIBS技术工业化应用研究进展
2.9.1 国外研究进展
2.9.2 国内研究进展
2.10 本文主要研究内容和逻辑框架
3 基于数字图像处理的生锈废钢识别方法研究
3.1 实验设备与样本采集
3.2 废钢图像预处理
3.2.1 图像滤波去噪
3.2.2 图像缩放与裁剪
3.3 生锈废钢图像的颜色特征分析
3.3.1 颜色空间定义
3.3.2 颜色空间转换
3.3.3 颜色特征分析
3.4 生锈废钢图像的纹理特征分析
3.4.1 灰度共生矩阵及其特征参数
3.4.2 生锈废钢纹理特征分析
3.5 生锈废钢识别算法与识别结果
3.6 本章小结
4 基于LIBS技术的有镀层废钢识别与镀层厚度检测研究
4.1 实验装置与实验材料
4.2 实验参数优化
4.2.1 激光能量优化
4.2.2 延迟时间优化
4.3 激光烧蚀过程不同镀层废钢LIBS光谱演变特征分析
4.3.1 镀锌废钢LIBS光谱演变特征分析
4.3.2 镀锡废钢LIBS光谱演变特征分析
4.3.3 镀镍废钢LIBS光谱演变特征分析
4.3.4 镀铬废钢LIBS光谱演变特征分析
4.3.5 无镀层废钢LIBS光谱演变特征分析
4.4 基于LIBS光谱的有镀层废钢自动识别方法研究
4.4.1 废钢表面有无镀层识别方法
4.4.2 废钢表面镀层元素识别方法
4.5 废钢表面镀层厚度半定量检测方法研究
4.5.1 有镀层废钢表面烧蚀坑形貌演变分析
4.5.2 激光烧蚀过程穿透废钢镀层的定量化判据
4.6 本章小结
5 基于LIBS技术的废钢中合金含量快速检测方法研究
5.1 基于定标法的低合金钢成分定量检测研究
5.1.1 实验装置与实验材料
5.1.2 实验参数优化
5.1.3 传统定标法原理
5.1.4 基体效应及其对定标的影响
5.1.5 基于GA-KELM算法的定标模型
5.1.6 定量分析结果与讨论
5.2 基于自由定标法的高合金钢成分定量检测研究
5.2.1 实验参数与实验材料
5.2.2 CF-LIBS原理
5.2.3 自吸收效应及校正方法
5.2.4 LIBS光谱背景扣除
5.2.5 分析线与内参考线筛选
5.2.6 自吸收校正结果
5.2.7 定量分析结果与讨论
5.3 本章小结
6 基于线结构光的废钢表面形貌三维重建方法研究
6.1 线结构光测量原理
6.2 系统搭建及硬件参数
6.3 线结构光测量系统标定
6.3.1 相机成像模型
6.3.2 相机参数标定
6.3.3 结构光平面标定
6.3.4 一维位移平台移动方向标定
6.4 激光条纹中心亚像素级提取方法研究
6.4.1 废钢表面激光条纹特性及影响因素
6.4.2 废钢表面激光条纹中心提取方案
6.4.3 废钢表面激光条纹ROI区域分割
6.4.4 废钢表面激光条纹法线方向求解
6.4.5 废钢表面激光条纹中心坐标求解
6.5 废钢表面形貌三维重建与验证
6.5.1 废钢形貌三维重建结果
6.5.2 三维重建准确度验证
6.6 本章小结
7 废钢智能识别与分类系统设计与初步开发
7.1 废钢智能识别与分类系统设计与实验室模型搭建
7.2 废钢智能识别与分类系统模型控制软件开发
7.2.1 开发环境
7.2.2 硬件设备控制程序开发
7.3 本章小结
8 结论与展望
8.1 结论
8.2 创新点
8.3 工作展望
参考文献
附录A
作者简历及在学研究成果
学位论文数据集
本文编号：3812512
【文章页数】：186 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
1 引言
2 文献综述
2.1 研究背景及意义
2.2 废钢的定义与来源
2.3 废钢加工处理工艺现状
2.4 废钢分类标准概述
2.4.1 国外废钢分类标准
2.4.2 中国废钢分类标准
2.5 废钢智能分拣技术与装备研究进展
2.6 钢铁生锈检测方法研究进展
2.6.1 国外研究进展
2.6.2 国内研究进展
2.7 LIBS技术简介
2.7.1 LIBS技术基本原理
2.7.2 LIBS系统主要设备
2.8 LIBS技术在钢铁材料检测方面的研究进展
2.8.1 国外研究进展
2.8.2 国内研究进展
2.9 LIBS技术工业化应用研究进展
2.9.1 国外研究进展
2.9.2 国内研究进展
2.10 本文主要研究内容和逻辑框架
3 基于数字图像处理的生锈废钢识别方法研究
3.1 实验设备与样本采集
3.2 废钢图像预处理
3.2.1 图像滤波去噪
3.2.2 图像缩放与裁剪
3.3 生锈废钢图像的颜色特征分析
3.3.1 颜色空间定义
3.3.2 颜色空间转换
3.3.3 颜色特征分析
3.4 生锈废钢图像的纹理特征分析
3.4.1 灰度共生矩阵及其特征参数
3.4.2 生锈废钢纹理特征分析
3.5 生锈废钢识别算法与识别结果
3.6 本章小结
4 基于LIBS技术的有镀层废钢识别与镀层厚度检测研究
4.1 实验装置与实验材料
4.2 实验参数优化
4.2.1 激光能量优化
4.2.2 延迟时间优化
4.3 激光烧蚀过程不同镀层废钢LIBS光谱演变特征分析
4.3.1 镀锌废钢LIBS光谱演变特征分析
4.3.2 镀锡废钢LIBS光谱演变特征分析
4.3.3 镀镍废钢LIBS光谱演变特征分析
4.3.4 镀铬废钢LIBS光谱演变特征分析
4.3.5 无镀层废钢LIBS光谱演变特征分析
4.4 基于LIBS光谱的有镀层废钢自动识别方法研究
4.4.1 废钢表面有无镀层识别方法
4.4.2 废钢表面镀层元素识别方法
4.5 废钢表面镀层厚度半定量检测方法研究
4.5.1 有镀层废钢表面烧蚀坑形貌演变分析
4.5.2 激光烧蚀过程穿透废钢镀层的定量化判据
4.6 本章小结
5 基于LIBS技术的废钢中合金含量快速检测方法研究
5.1 基于定标法的低合金钢成分定量检测研究
5.1.1 实验装置与实验材料
5.1.2 实验参数优化
5.1.3 传统定标法原理
5.1.4 基体效应及其对定标的影响
5.1.5 基于GA-KELM算法的定标模型
5.1.6 定量分析结果与讨论
5.2 基于自由定标法的高合金钢成分定量检测研究
5.2.1 实验参数与实验材料
5.2.2 CF-LIBS原理
5.2.3 自吸收效应及校正方法
5.2.4 LIBS光谱背景扣除
5.2.5 分析线与内参考线筛选
5.2.6 自吸收校正结果
5.2.7 定量分析结果与讨论
5.3 本章小结
6 基于线结构光的废钢表面形貌三维重建方法研究
6.1 线结构光测量原理
6.2 系统搭建及硬件参数
6.3 线结构光测量系统标定
6.3.1 相机成像模型
6.3.2 相机参数标定
6.3.3 结构光平面标定
6.3.4 一维位移平台移动方向标定
6.4 激光条纹中心亚像素级提取方法研究
6.4.1 废钢表面激光条纹特性及影响因素
6.4.2 废钢表面激光条纹中心提取方案
6.4.3 废钢表面激光条纹ROI区域分割
6.4.4 废钢表面激光条纹法线方向求解
6.4.5 废钢表面激光条纹中心坐标求解
6.5 废钢表面形貌三维重建与验证
6.5.1 废钢形貌三维重建结果
6.5.2 三维重建准确度验证
6.6 本章小结
7 废钢智能识别与分类系统设计与初步开发
7.1 废钢智能识别与分类系统设计与实验室模型搭建
7.2 废钢智能识别与分类系统模型控制软件开发
7.2.1 开发环境
7.2.2 硬件设备控制程序开发
7.3 本章小结
8 结论与展望
8.1 结论
8.2 创新点
8.3 工作展望
参考文献
附录A
作者简历及在学研究成果
学位论文数据集
本文编号：3812512
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3812512.html