智能视觉连铸浇注异常检测系统的设计与实现

发布时间：2022-02-17 13:40

　　在钢铁连铸过程中,若结晶器钢水液位发生异常波动,轻则影响产品质量,重则损坏生产设备、危及人身安全。同时,生产人员的动作行为也与整条产线的安全密切相关。多数传统工业产线上虽布设有视觉传感器,但未配备高效的后端图像分析系统。针对上述问题,本文提出了一套基于智能视觉的连铸浇注异常检测系统设计与实现方案。连铸浇注液位检测方面,本系统使用一种计算机视觉角度下的液位异常检测方法。该方法融合图像技术与动态建模思想,利用一组参数来衡量当前浇注液位安全情况,并在异常时进行报警。生产人员动作识别方面,本系统利用深度学习中的骨架建模与图卷积技术,首先检测连续视频中的人体骨架关键点,生成图结构,然后配合神经网络确定动作类别。为充分实现并验证上述功能,本系统主体融合通用监控平台框架完成开发工作。同时以软硬件结合的方式完成高清视频信号的采集、分割,并将其送入两个功能模块以减轻算法处理图像信号的负担。多阶段测试表明,本系统所用液位异常检测方法能在连铸过程中较为准确地捕捉漏钢、溢钢等液位异常,同时可以与厂内现有安全系统配合,提高异常报警准确度。异常动作识别功能可以对图像中工人动作给出一个较为准确的识别结果,辅助监控人... 

【文章来源】：大连理工大学辽宁省211工程院校985工程院校教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景、意义与应用价值
        1.1.1 课题选题背景
        1.1.2 课题研发意义与应用价值
    1.2 课题相关工作发展趋势
    1.3 本文主要工作
    1.4 论文内容组织安排
2 相关理论及技术
    2.1 传统目标检测方法概述
    2.2 深度视觉检测方法概述
        2.2.1 二阶段方法
        2.2.2 一阶段方法
    2.3 图像处理方法
        2.3.1 灰度化方法
        2.3.2 形态学操作
    2.4 基于骨骼架构的动作识别
        2.4.1 骨架图
        2.4.2 时空图
        2.4.3 图卷积网络
    2.5 智能视觉在智慧工厂中的应用
    2.6 本章小结
3 需求分析
    3.1 课题目标
    3.2 性能需求
    3.3 安全需求
    3.4 功能需求与模块分解
        3.4.1 系统功能需求与模块分解
        3.4.2 视频接入功能
        3.4.3 浇注液位异常检测功能
        3.4.4 生产人员异常动作检测功能
    3.5 本章小结
4 液位异常检测与异常动作识别方法设计
    4.1 连铸浇注液位异常检测算法
        4.1.1 灰度化预处理方法
        4.1.2 基于混合高斯模型的图像分割方法
        4.1.3 输出结果优化方法
        4.1.4 浇注液位异常的表征与判定
    4.2 生产人员骨架提取方法
        4.2.1 骨架提取流程与核心网络架构
        4.2.2 关节部件置信推理
        4.2.3 关节部件关联推理
        4.2.4 关节的匹配与组合
    4.3 基于骨架图的异常动作识别方法
        4.3.1 时空图的卷积
        4.3.2 时间维度与空间划分
        4.3.3 时空图卷积的实现
        4.3.4 简易的注意力机制
    4.4 本章小结
5 系统实现
    5.1 连铸监控系统硬件部署
    5.2 视频接入功能的实现
    5.3 浇注液位异常检测功能的实现
    5.4 生产人员异常动作识别功能的实现
        5.4.1 骨架提取功能的实现
        5.4.2 异常动作识别功能的实现
    5.5 系统交互界面实现
    5.6 本章小结
6 系统测试与结果总结
    6.1 测试原则
    6.2 功能测试
        6.2.1 浇注液位异常检测功能测试
        6.2.2 生产人员异常动作识别功能测试
    6.3 性能测试
    6.4 测试结果总结
    6.5 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]面向视觉检测的深度学习图像分类网络及在零部件质量检测中应用[J]. 刘桂雄,何彬媛,吴俊芳,林镇秋.  中国测试. 2019(07)
[2]浅析自动化技术在智能物流系统中的应用——以京东无人仓库为例[J]. 从行健.  中国战略新兴产业. 2018(04)
[3]智慧工厂的信息物理融合系统体系结构设计[J]. 虞文进,黎勇,徐元根,王军.  现代电子技术. 2017(05)
[4]基于深度学习的工业分拣机器人快速视觉识别与定位算法[J]. 伍锡如,黄国明,孙立宁.  机器人. 2016(06)
[5]专题:工业互联网与智慧工厂技术 导读[J]. 邬贺铨,王耀南,刘建业.  中兴通讯技术. 2016(05)
[6]智慧工厂机器视觉感知与控制关键技术综述[J]. 王耀南,陈铁健.  中兴通讯技术. 2016(05)
[7]规模化生产中智慧工厂的初步建立[J]. 程晓蒙.  制造技术与机床. 2016(09)
[8]智慧工厂——中国制造业最近的未来[J]. 王健.  智慧工厂. 2016 (05)
[9]智慧工厂的参考模型与关键技术[J]. 张益,冯毅萍,荣冈.  计算机集成制造系统. 2016(01)
[10]德国“工业4.0”之“智慧工厂”计划（中）[J]. 刘亚威.  智慧工厂. 2015 (12)

博士论文
[1]连铸过程可视化及漏钢预报方法研究与应用[D]. 刘宇.大连理工大学 2015

硕士论文
[1]连铸结晶器漏钢预报监测系统的研究与设计[D]. 曹彦红.内蒙古科技大学 2012
[2]基于人工智能与热成像的结晶器漏钢预报系统[D]. 刘永贞.大连理工大学 2009



本文编号：3629499