基于图像处理对二氧化硅熔融行为的研究
发布时间：2021-03-28 13:42
二氧化硅作为铁尾矿的主要组成成分,是铁尾矿组分中最难熔融的部分。为了揭示铁尾矿在高炉渣中的熔融行为,根据一组熔融过程中高温熔池中二氧化硅的时序图像,研究了高温下二氧化硅颗粒的熔融过程。首先将图像灰度化后并利用高斯滤波去燥等方法对图像进行了预处理,然后建立了二氧化硅质心位置模型,利用KLT算法跟踪了二氧化硅质心的运动轨迹,利用帧差法和CNN算法计算了二氧化硅的实时面积。最后根据二氧化硅的边缘轮廓特征,建立了多元线性回归模型估算颗粒的扁平度,进而得出了二氧化硅颗粒的实时质量并求解出了二氧化硅的熔融速率。该研究对改进高炉渣直接成纤技术具有重要的指导意义。
【文章来源】：软件. 2020,41(07)
【文章页数】：6 页
【部分图文】：
图像预处理前后对比图Fig.1Beforeandafterimagepreprocessing
江紫薇等：基于图像处理对二氧化硅熔融行为的研究203《软件》杂志欢迎推荐投稿：cosoft@vip.163.com其中，=[,],[,],()TTxyXxydddX为加权函数通常为1。如果需要强调纹理在中央部分的作用，(X)可取为高斯分布函数。由于d相对X而言是一可忽略小量，故将B(Xd)进行泰勒展开取其线性部分，再根据式（6）对d求导，化简得Zde（6）其中，=()()TVZgXgXdX，()[,]xygXggxg，yg分别为x，y方向上的梯度模量。e为对d求导，[()()]()()VeAXBXgXXdX。对于每两帧图像的位移d(x,y)即可以通过求解方程来找到特征窗口的宽度。KLT算法的具体流程图见图2。图2KLT算法流程图Fig.2TheKLTalgorithmflowchart将处理后的图片的左上角设置为坐标的原点，并建立平面直角坐标系如图3所示。基于质心跟踪模型的基础上，利用KLT算法跟踪得到二氧化硅质心的实时坐标，部分坐标见表1。由于二氧化硅的质心的移动相对较慢且数据点较多，为了更加形象、清晰地描述二氧化硅质心在坩埚中的运动轨迹，笔者利用MATLAB从中依次间隔五个质心点中取一个绘制出了二氧化硅的运动轨迹图像，见图4。图3直角坐标系示意图Fig.3Diagramofrectangularcoordinatesystem表1二氧化硅质心的部分坐标Tab.1Partialcoordinatesofthesilicacenterofmass标签x坐标y坐标497405.01504.01498403.45514.41499380.75569.28500411.16575.27501422.21573.42502392.19530.14503371.51540.01504362.41538.80505362.63538.92506362.47539.45507376.39538.81图4二氧化硅质心运动轨迹示意图Fig.4D
(,)(,)(,)(,)(,)nKKksijXWijbXWijb（9）图6CNN的组成Fig.6ThecompositionofCNN其中，X为输入，W为卷积核，n为输入矩阵的数量，kX表示第k个输入矩阵，KW指第k个卷积核矩阵，卷积核矩阵中每个数字称为权重。在卷积的计算过程中，首先将卷积核矩阵与图像矩阵的左上角对齐。然后将卷积核向右移动一个像素，每个权重乘以对应图像的像素。最后将这些乘积求和作为卷积的结果。卷积层通常是通过ReLUmax(0,x)激活后输出。CNN算法流程图见图7。图7CNN算法的流程Fig.7TheCNNAlgorithmflow利用CNN算法计算出了二氧化硅的面积，部分结果见表2。表2二氧化硅面积的部分结果Tab.2Partialresultsofsilicaarea标签区域049719110049819180049923670050024995050121847050219031050320037050421544050519781
【参考文献】：
期刊论文
[1]基于卷积神经网络和简单循环单元集成模型的风电场内多风机风速预测[J]. 王晨,寇鹏. 电工技术学报. 2020(13)
[2]多特征全卷积网络的地空通话语音增强方法[J]. 高登峰,杨波,刘洪,杨红雨. 四川大学学报(自然科学版). 2020(02)
[3]基于广义S变换及高斯平滑的自适应滤波去噪方法[J]. 曹鹏涛,张敏,李振春. 石油地球物理勘探. 2018(06)
[4]以铁尾矿为调质剂改善高炉渣成纤性研究[J]. 洪陆阔,孙彩娇,武兵强,齐渊洪,程相魁. 金属矿山. 2017(08)
[5]酸度系数对调质高炉渣成纤质量的影响[J]. 蔡爽,张玉柱,李俊国,李杰,王黎光. 钢铁钒钛. 2015(05)
[6]基于改进SURF和P-KLT算法的特征点实时跟踪方法研究[J]. 蔡佳,黄攀峰. 航空学报. 2013(05)
[7]基于任意形状颗粒集合二值图像的体积估算模型[J]. 陈恳,赵攀,汪一聪. 宁波大学学报(理工版). 2007(02)
[8]基于Kanade-Lucas-Tomasi算法的人脸特征点跟踪方法[J]. 段鸿,程义民,王以孝,蔡尚书. 计算机辅助设计与图形学学报. 2004(03)
博士论文
[1]高炉渣成纤过程调质剂的熔解机理及均质化行为研究[D]. 田铁磊.燕山大学 2018
硕士论文
[1]彩色图像灰度化算法的研究与实现[D]. 刘美.长春理工大学 2019
[2]高炉渣纤维保温板的性能优化[D]. 康月.华北理工大学 2016
[3]高炉渣纤维制备建筑保温板及其性能优化[D]. 吴剑飞.河北联合大学 2013
本文编号：3105663
【文章来源】：软件. 2020,41(07)
【文章页数】：6 页
【部分图文】：
图像预处理前后对比图Fig.1Beforeandafterimagepreprocessing
江紫薇等：基于图像处理对二氧化硅熔融行为的研究203《软件》杂志欢迎推荐投稿：cosoft@vip.163.com其中，=[,],[,],()TTxyXxydddX为加权函数通常为1。如果需要强调纹理在中央部分的作用，(X)可取为高斯分布函数。由于d相对X而言是一可忽略小量，故将B(Xd)进行泰勒展开取其线性部分，再根据式（6）对d求导，化简得Zde（6）其中，=()()TVZgXgXdX，()[,]xygXggxg，yg分别为x，y方向上的梯度模量。e为对d求导，[()()]()()VeAXBXgXXdX。对于每两帧图像的位移d(x,y)即可以通过求解方程来找到特征窗口的宽度。KLT算法的具体流程图见图2。图2KLT算法流程图Fig.2TheKLTalgorithmflowchart将处理后的图片的左上角设置为坐标的原点，并建立平面直角坐标系如图3所示。基于质心跟踪模型的基础上，利用KLT算法跟踪得到二氧化硅质心的实时坐标，部分坐标见表1。由于二氧化硅的质心的移动相对较慢且数据点较多，为了更加形象、清晰地描述二氧化硅质心在坩埚中的运动轨迹，笔者利用MATLAB从中依次间隔五个质心点中取一个绘制出了二氧化硅的运动轨迹图像，见图4。图3直角坐标系示意图Fig.3Diagramofrectangularcoordinatesystem表1二氧化硅质心的部分坐标Tab.1Partialcoordinatesofthesilicacenterofmass标签x坐标y坐标497405.01504.01498403.45514.41499380.75569.28500411.16575.27501422.21573.42502392.19530.14503371.51540.01504362.41538.80505362.63538.92506362.47539.45507376.39538.81图4二氧化硅质心运动轨迹示意图Fig.4D
(,)(,)(,)(,)(,)nKKksijXWijbXWijb（9）图6CNN的组成Fig.6ThecompositionofCNN其中，X为输入，W为卷积核，n为输入矩阵的数量，kX表示第k个输入矩阵，KW指第k个卷积核矩阵，卷积核矩阵中每个数字称为权重。在卷积的计算过程中，首先将卷积核矩阵与图像矩阵的左上角对齐。然后将卷积核向右移动一个像素，每个权重乘以对应图像的像素。最后将这些乘积求和作为卷积的结果。卷积层通常是通过ReLUmax(0,x)激活后输出。CNN算法流程图见图7。图7CNN算法的流程Fig.7TheCNNAlgorithmflow利用CNN算法计算出了二氧化硅的面积，部分结果见表2。表2二氧化硅面积的部分结果Tab.2Partialresultsofsilicaarea标签区域049719110049819180049923670050024995050121847050219031050320037050421544050519781
【参考文献】：
期刊论文
[1]基于卷积神经网络和简单循环单元集成模型的风电场内多风机风速预测[J]. 王晨,寇鹏. 电工技术学报. 2020(13)
[2]多特征全卷积网络的地空通话语音增强方法[J]. 高登峰,杨波,刘洪,杨红雨. 四川大学学报(自然科学版). 2020(02)
[3]基于广义S变换及高斯平滑的自适应滤波去噪方法[J]. 曹鹏涛,张敏,李振春. 石油地球物理勘探. 2018(06)
[4]以铁尾矿为调质剂改善高炉渣成纤性研究[J]. 洪陆阔,孙彩娇,武兵强,齐渊洪,程相魁. 金属矿山. 2017(08)
[5]酸度系数对调质高炉渣成纤质量的影响[J]. 蔡爽,张玉柱,李俊国,李杰,王黎光. 钢铁钒钛. 2015(05)
[6]基于改进SURF和P-KLT算法的特征点实时跟踪方法研究[J]. 蔡佳,黄攀峰. 航空学报. 2013(05)
[7]基于任意形状颗粒集合二值图像的体积估算模型[J]. 陈恳,赵攀,汪一聪. 宁波大学学报(理工版). 2007(02)
[8]基于Kanade-Lucas-Tomasi算法的人脸特征点跟踪方法[J]. 段鸿,程义民,王以孝,蔡尚书. 计算机辅助设计与图形学学报. 2004(03)
博士论文
[1]高炉渣成纤过程调质剂的熔解机理及均质化行为研究[D]. 田铁磊.燕山大学 2018
硕士论文
[1]彩色图像灰度化算法的研究与实现[D]. 刘美.长春理工大学 2019
[2]高炉渣纤维保温板的性能优化[D]. 康月.华北理工大学 2016
[3]高炉渣纤维制备建筑保温板及其性能优化[D]. 吴剑飞.河北联合大学 2013
本文编号：3105663
本文链接：https://www.wllwen.com/projectlw/yjlw/3105663.html
