張笑源, 劉堂友, 于符婷

(東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海 201620)

0 引言

在RH脫氣精煉法中[1-4]，浸漬管固定在鋼包上方，鋼包需要頂升至合適的高度以進(jìn)行有效的脫氣反應(yīng)。為了防止鋼包內(nèi)鋼液接觸到外部空氣發(fā)生氧化，在鋼包進(jìn)行頂升之前會(huì)向其中添加抗氧化劑以隔絕外部，保證底部鋼液的穩(wěn)定。浸漬管需要在鋼包頂升后，雙管透過鋼液表面的鋼渣層才能使其下端接觸到鋼液，若浸漬管插入過淺，則會(huì)導(dǎo)致浸漬管下端停留在鋼渣層，造成吸渣事故。

在RH精煉工藝中，對(duì)于鋼渣層厚度的判定是試探性的，鋼包需要頂升至上方浸漬管中，待接觸一段時(shí)間后鋼包下降。鋼液層和鋼渣層溫度不同，會(huì)在浸漬管外部留下不同顏色的印記，根據(jù)鋼渣接觸區(qū)的厚度進(jìn)而推出鋼渣層的厚度。傳統(tǒng)的判定多由經(jīng)驗(yàn)豐富的工人用人眼觀測(cè)，但剛接觸過鋼液的浸漬管外部亮度極高，不僅對(duì)人眼傷害大，且會(huì)造成觀測(cè)結(jié)果不準(zhǔn)確。

考慮到機(jī)器視覺自動(dòng)化、非接觸的優(yōu)點(diǎn)，可以在浸漬管側(cè)俯位置安置工業(yè)相機(jī)，對(duì)浸漬管外部信息進(jìn)行拍攝。具體做法為：首先在相同位置使用工業(yè)相機(jī)先后獲取浸漬管外部不同曝光程度圖像；利用最大類間方差法(OTSU)二值化算法對(duì)兩類曝光圖片進(jìn)行目標(biāo)區(qū)域的提??；然后利用基于距離變換的分水嶺分割方法對(duì)上述二值圖像的語義主體進(jìn)行提取，使得目標(biāo)內(nèi)容不含有小連通區(qū)域；最后對(duì)目標(biāo)內(nèi)容下邊緣進(jìn)行采樣，得到多組采樣點(diǎn)，對(duì)其進(jìn)行垂直移動(dòng)，并停止在上邊緣；記錄多組像素距離并進(jìn)行加權(quán)平均，從像素距離進(jìn)行真實(shí)距離映射，最終得到鋼渣層的厚度。

基于分水嶺分割的鋼渣層厚度計(jì)算方法的流程圖如圖1所示。

圖1 基于分水嶺算法分割的鋼渣層厚度檢測(cè)流程

1 鋼液溫度對(duì)浸漬管外部影響

當(dāng)浸漬管浸入到鋼包內(nèi)的鋼渣層和鋼液層中時(shí)，由于二者的溫度不同會(huì)在浸漬管外表面留下不同亮度和不同顏色的印記。由于鋼渣層在鋼液層的上部，故當(dāng)浸漬管第一次從鋼包中脫離后，其表面會(huì)呈現(xiàn)冷區(qū)、鋼渣接觸區(qū)、鋼液接觸區(qū)三種不同特性的分層。

由于防氧化劑投入的量和浸漬管插入到鋼液下的深度未知，三者厚度在任意一次的RH工序中都是不固定的。根據(jù)現(xiàn)場(chǎng)光強(qiáng)和前后景亮度差別綜合對(duì)工業(yè)相機(jī)的快門時(shí)間、光圈大小和ISO(感光度)進(jìn)行考量，設(shè)置高低參數(shù)對(duì)浸漬管外部進(jìn)行拍攝。圖2為對(duì)選用浸漬管進(jìn)行高曝光量和低曝光量拍攝結(jié)果。

圖2 高、低曝光對(duì)浸漬管同時(shí)拍攝結(jié)果(a) 高曝光量拍攝結(jié)果; (b) 低曝光量拍攝結(jié)果

2 基于閾值選取分割

單一圖像的像素灰度值可由固定閾值分為兩類，選取合適的閾值對(duì)目標(biāo)圖像進(jìn)行處理是最簡(jiǎn)單的分割方法。OTSU是一種廣泛使用的閾值選取法[5]，其根據(jù)圖像中前景和背景的灰度差別分割二者，當(dāng)前景與背景的類間方差最大時(shí)選取閾值，可以得到最佳的分割結(jié)果。

設(shè)置閾值為t，將圖像所有像素分為前后景兩類Co和Cb，這兩類像素的均值為m1、m2，則OTSU的類間方差公式表示為：

σ2=P(Co)P(Cb)(m1-m2)2

(1)

上式中，P(Co)、P(Cb)分別為Co和Cb兩類像素的概率大小。閾值在圖像前景和后景像素之間的類間方差σ2取到最大值時(shí)選取，此時(shí)閾值可表示為：

t=argmax{σ2}

(2)

基于OTSU閾值分割對(duì)浸漬管高低曝光圖像的處理結(jié)果如圖3所示。

圖3 基于OTSU的閾值分割結(jié)果(a) 高曝光分割結(jié)果; (b) 低曝光分割結(jié)果

從上圖可以看出，由于在圖2(b)中呈現(xiàn)出的鋼渣粘連，圖3(b)的語義區(qū)內(nèi)含有許多小連通區(qū)域；同時(shí)，在其語義區(qū)外，也出現(xiàn)了許多噪團(tuán)和噪點(diǎn)。基于OTSU算法對(duì)浸漬管高低曝光量圖片的分割結(jié)果如表1所示。

表1 基于OTSU算法對(duì)浸漬管高低曝光量圖片的分割結(jié)果分析

3 融合分水嶺圖像分割

上述OTSU閾值分割圖像中的語義區(qū)域內(nèi)外有較多的小連通區(qū)域，需要減弱或消除其影響。選取上節(jié)分割結(jié)果為處理對(duì)象，應(yīng)用融合分水嶺算法[6-10]對(duì)其進(jìn)行進(jìn)一步處理，其處理過程如圖4所示。

圖4 融合分水嶺圖像分割的處理過程

圖5為使用融合分水嶺算法對(duì)圖3分割圖像的再處理結(jié)果。

圖5 高、低曝光圖像特征區(qū)提取結(jié)果(a) 高曝光量分割結(jié)果; (b) 低曝光量分割結(jié)果

圖5中中間的藍(lán)色區(qū)域?yàn)槟繕?biāo)分割塊?？梢钥闯鲈菊Z義內(nèi)部的小連通區(qū)域與外部的毛刺被不同程度地消除，由此可以得出兩個(gè)完整目標(biāo)語義區(qū)。上述處理結(jié)果中只需要關(guān)注目標(biāo)區(qū)域的處理，提取出上述分割結(jié)果中目標(biāo)區(qū)域的語義內(nèi)容和邊緣，如圖6所示。

圖6 兩類圖像關(guān)注區(qū)域和輪廓邊緣(a) 低曝光量?jī)?nèi)容; (b) 低曝光量邊緣; (c) 高曝光量?jī)?nèi)容; (d)高曝光量邊緣

由兩類圖像目標(biāo)區(qū)域和輪廓邊緣圖可以看出，相對(duì)于傳統(tǒng)分割算法，經(jīng)過分水嶺算法的語義分割之后，其目標(biāo)處理區(qū)域和目標(biāo)區(qū)域周邊的小連通區(qū)域都被消除，只保留了其語義整體，為后續(xù)測(cè)量其輪廓尺寸降低了前提條件。

4 語義邊緣垂直像素高度

從上述語義邊緣可以看出，二者顯示的是浸漬管在高曝光和低曝光情況下高光區(qū)域的輪廓。兩者在像素坐標(biāo)系豎直方向上的高度差即為浸漬管接觸到鋼渣層的中間層厚度信息。設(shè)高曝光特征區(qū)域豎直方向上的高度為H1，低曝光特征區(qū)域豎直方向上的高度為H2，將鋼渣層的厚度記為H，則鋼渣層的厚度可由下式進(jìn)行表述：

H=H1-H2

(3)

選取語義邊緣圖中邊緣在圖像坐標(biāo)系下的最低點(diǎn)記為p1，以固定水平步長(zhǎng)向左右分別選取邊緣采樣點(diǎn)。采樣完成后組成采樣點(diǎn)集合：P={p1,p2,…,pn}。采樣點(diǎn)集合水平等距地分布在語義區(qū)的下邊緣，當(dāng)該集合點(diǎn)統(tǒng)一垂直向上平移，則其坐標(biāo)會(huì)進(jìn)入目標(biāo)語義內(nèi)部。若繼續(xù)上平移，則會(huì)在某一像素距離上與目標(biāo)域的上邊緣接近。實(shí)際圖像的上下邊緣形狀不完全一致，故下邊緣的采樣點(diǎn)平移后不會(huì)與上邊緣完全重合。

統(tǒng)計(jì)每一個(gè)點(diǎn)平移后所屬的區(qū)域：當(dāng)移動(dòng)后的采樣點(diǎn)落在了語義區(qū)域內(nèi)，則將其歸為Co；相反，當(dāng)其落在了語義區(qū)域外，則將其歸為Cb。分別統(tǒng)計(jì)集合內(nèi)屬于Co、Cb的個(gè)數(shù)N(Co)和N(Cb)，當(dāng)N(Co)與N(Cb)的數(shù)量差最小時(shí)記平移距離為此時(shí)語義區(qū)內(nèi)的像素高度差d。即有：

d=min{N(Co)-N(Cb)}

(4)

單次采樣點(diǎn)平移后得到的像素高度差不具有鋼渣層厚度的代表性，考慮到圖2(b)中鋼渣層厚度與鋼液區(qū)厚度邊緣的不一致性，對(duì)圖6(b)和(d)的結(jié)果進(jìn)行豎直方向的子塊分割。計(jì)算每一個(gè)子塊內(nèi)語義區(qū)的像素高度，加權(quán)平均得到最終的像素高度。

表2是高曝光語義區(qū)和低曝光語義區(qū)中不同豎直子塊的像素高度差。

表2 各個(gè)豎直子塊像素高度差單位：像素?cái)?shù)

在得到像素高度之后，利用相機(jī)成像的透視原理可以得出像素距離與真實(shí)距離的映射關(guān)系。最終，將上述不同子塊的像素距離分別平均后使用距離映射，可以得到高曝光和低曝光語義區(qū)的真實(shí)長(zhǎng)度，二者之差即為鋼渣層的厚度。

5 結(jié)語

傳統(tǒng)的RH精煉工藝中，對(duì)鋼液表面鋼渣層厚度的判定大多是人眼觀察，既不準(zhǔn)確也具有傷害性。本文使用的融合分水嶺算法對(duì)浸漬管表面附著的鋼渣語義區(qū)進(jìn)行判別，可以有效消除傳統(tǒng)分割算法對(duì)造成的小噪團(tuán)和小連通區(qū)域的影響，使得目標(biāo)語義區(qū)為封閉的輪廓，為其厚度的判別提供了良好的前提。經(jīng)過實(shí)驗(yàn)，本文算法能夠?qū)?shí)際現(xiàn)場(chǎng)的浸漬管外部圖像進(jìn)行有效分割，為鋼渣層厚度的預(yù)測(cè)提供了可靠的數(shù)值數(shù)據(jù)，在一定程度上可以減少由于人工判定的局限性造成的不可靠影響，保障RH精煉安全高效地進(jìn)行。