在鋼鐵連鑄過程中,若結(jié)晶器鋼水液位發(fā)生異常波動,輕則影響產(chǎn)品質(zhì)量,重則損壞生產(chǎn)設(shè)備、危及人身安全。同時,生產(chǎn)人員的動作行為也與整條產(chǎn)線的安全密切相關(guān)。多數(shù)傳統(tǒng)工業(yè)產(chǎn)線上雖布設(shè)有視覺傳感器,但未配備高效的后端圖像分析系統(tǒng)。針對上述問題,本文提出了一套基于智能視覺的連鑄澆注異常檢測系統(tǒng)設(shè)計與實現(xiàn)方案。連鑄澆注液位檢測方面,本系統(tǒng)使用一種計算機視覺角度下的液位異常檢測方法。該方法融合圖像技術(shù)與動態(tài)建模思想,利用一組參數(shù)來衡量當(dāng)前澆注液位安全情況,并在異常時進(jìn)行報警。生產(chǎn)人員動作識別方面,本系統(tǒng)利用深度學(xué)習(xí)中的骨架建模與圖卷積技術(shù),首先檢測連續(xù)視頻中的人體骨架關(guān)鍵點,生成圖結(jié)構(gòu),然后配合神經(jīng)網(wǎng)絡(luò)確定動作類別。為充分實現(xiàn)并驗證上述功能,本系統(tǒng)主體融合通用監(jiān)控平臺框架完成開發(fā)工作。同時以軟硬件結(jié)合的方式完成高清視頻信號的采集、分割,并將其送入兩個功能模塊以減輕算法處理圖像信號的負(fù)擔(dān)。多階段測試表明,本系統(tǒng)所用液位異常檢測方法能在連鑄過程中較為準(zhǔn)確地捕捉漏鋼、溢鋼等液位異常,同時可以與廠內(nèi)現(xiàn)有安全系統(tǒng)配合,提高異常報警準(zhǔn)確度。異常動作識別功能可以對圖像中工人動作給出一個較為準(zhǔn)確的識別結(jié)果,輔助監(jiān)控人... 

【文章來源】：大連理工大學(xué)遼寧省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景、意義與應(yīng)用價值
        1.1.1 課題選題背景
        1.1.2 課題研發(fā)意義與應(yīng)用價值
    1.2 課題相關(guān)工作發(fā)展趨勢
    1.3 本文主要工作
    1.4 論文內(nèi)容組織安排
2 相關(guān)理論及技術(shù)
    2.1 傳統(tǒng)目標(biāo)檢測方法概述
    2.2 深度視覺檢測方法概述
        2.2.1 二階段方法
        2.2.2 一階段方法
    2.3 圖像處理方法
        2.3.1 灰度化方法
        2.3.2 形態(tài)學(xué)操作
    2.4 基于骨骼架構(gòu)的動作識別
        2.4.1 骨架圖
        2.4.2 時空圖
        2.4.3 圖卷積網(wǎng)絡(luò)
    2.5 智能視覺在智慧工廠中的應(yīng)用
    2.6 本章小結(jié)
3 需求分析
    3.1 課題目標(biāo)
    3.2 性能需求
    3.3 安全需求
    3.4 功能需求與模塊分解
        3.4.1 系統(tǒng)功能需求與模塊分解
        3.4.2 視頻接入功能
        3.4.3 澆注液位異常檢測功能
        3.4.4 生產(chǎn)人員異常動作檢測功能
    3.5 本章小結(jié)
4 液位異常檢測與異常動作識別方法設(shè)計
    4.1 連鑄澆注液位異常檢測算法
        4.1.1 灰度化預(yù)處理方法
        4.1.2 基于混合高斯模型的圖像分割方法
        4.1.3 輸出結(jié)果優(yōu)化方法
        4.1.4 澆注液位異常的表征與判定
    4.2 生產(chǎn)人員骨架提取方法
        4.2.1 骨架提取流程與核心網(wǎng)絡(luò)架構(gòu)
        4.2.2 關(guān)節(jié)部件置信推理
        4.2.3 關(guān)節(jié)部件關(guān)聯(lián)推理
        4.2.4 關(guān)節(jié)的匹配與組合
    4.3 基于骨架圖的異常動作識別方法
        4.3.1 時空圖的卷積
        4.3.2 時間維度與空間劃分
        4.3.3 時空圖卷積的實現(xiàn)
        4.3.4 簡易的注意力機制
    4.4 本章小結(jié)
5 系統(tǒng)實現(xiàn)
    5.1 連鑄監(jiān)控系統(tǒng)硬件部署
    5.2 視頻接入功能的實現(xiàn)
    5.3 澆注液位異常檢測功能的實現(xiàn)
    5.4 生產(chǎn)人員異常動作識別功能的實現(xiàn)
        5.4.1 骨架提取功能的實現(xiàn)
        5.4.2 異常動作識別功能的實現(xiàn)
    5.5 系統(tǒng)交互界面實現(xiàn)
    5.6 本章小結(jié)
6 系統(tǒng)測試與結(jié)果總結(jié)
    6.1 測試原則
    6.2 功能測試
        6.2.1 澆注液位異常檢測功能測試
        6.2.2 生產(chǎn)人員異常動作識別功能測試
    6.3 性能測試
    6.4 測試結(jié)果總結(jié)
    6.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]面向視覺檢測的深度學(xué)習(xí)圖像分類網(wǎng)絡(luò)及在零部件質(zhì)量檢測中應(yīng)用[J]. 劉桂雄,何彬媛,吳俊芳,林鎮(zhèn)秋.  中國測試. 2019(07)
[2]淺析自動化技術(shù)在智能物流系統(tǒng)中的應(yīng)用——以京東無人倉庫為例[J]. 從行健.  中國戰(zhàn)略新興產(chǎn)業(yè). 2018(04)
[3]智慧工廠的信息物理融合系統(tǒng)體系結(jié)構(gòu)設(shè)計[J]. 虞文進(jìn),黎勇,徐元根,王軍.  現(xiàn)代電子技術(shù). 2017(05)
[4]基于深度學(xué)習(xí)的工業(yè)分揀機器人快速視覺識別與定位算法[J]. 伍錫如,黃國明,孫立寧.  機器人. 2016(06)
[5]專題:工業(yè)互聯(lián)網(wǎng)與智慧工廠技術(shù) 導(dǎo)讀[J]. 鄔賀銓,王耀南,劉建業(yè).  中興通訊技術(shù). 2016(05)
[6]智慧工廠機器視覺感知與控制關(guān)鍵技術(shù)綜述[J]. 王耀南,陳鐵健.  中興通訊技術(shù). 2016(05)
[7]規(guī)�；a(chǎn)中智慧工廠的初步建立[J]. 程曉蒙.  制造技術(shù)與機床. 2016(09)
[8]智慧工廠——中國制造業(yè)最近的未來[J]. 王健.  智慧工廠. 2016 (05)
[9]智慧工廠的參考模型與關(guān)鍵技術(shù)[J]. 張益,馮毅萍,榮岡.  計算機集成制造系統(tǒng). 2016(01)
[10]德國“工業(yè)4.0”之“智慧工廠”計劃（中）[J]. 劉亞威.  智慧工廠. 2015 (12)

博士論文
[1]連鑄過程可視化及漏鋼預(yù)報方法研究與應(yīng)用[D]. 劉宇.大連理工大學(xué) 2015

碩士論文
[1]連鑄結(jié)晶器漏鋼預(yù)報監(jiān)測系統(tǒng)的研究與設(shè)計[D]. 曹彥紅.內(nèi)蒙古科技大學(xué) 2012
[2]基于人工智能與熱成像的結(jié)晶器漏鋼預(yù)報系統(tǒng)[D]. 劉永貞.大連理工大學(xué) 2009



本文編號：3629499