當(dāng)前我國(guó)的廢鋼產(chǎn)生量已超2億噸/年,這為電爐煉鋼的發(fā)展提供了堅(jiān)實(shí)的原料保障。使用廢鋼煉鋼有利于鋼鐵企業(yè)的節(jié)能減排,用廢鋼煉1噸鋼可節(jié)約鐵礦1.65噸,標(biāo)準(zhǔn)煤350千克,降低CO2排放1.6噸,固體廢棄物排放4.3噸。目前沒有根據(jù)廢鋼的表面銹蝕情況、表面涂鍍情況和合金元素含量等對(duì)廢鋼進(jìn)行快速定量檢測(cè)和精細(xì)分類,只經(jīng)過粗糙的分揀和加工便作為煉鋼原料。這導(dǎo)致鋼鐵企業(yè)在使用廢鋼進(jìn)行冶煉時(shí),鋼水的成分得不到精準(zhǔn)控制,部分廢鋼中的合金元素得不到高效利用。本文將機(jī)器視覺及機(jī)器學(xué)習(xí)技術(shù)與LIBS技術(shù)相結(jié)合,針對(duì)廢鋼智能分類的幾個(gè)關(guān)鍵問題和工業(yè)化應(yīng)用進(jìn)行了探索性研究,主要研究?jī)?nèi)容與結(jié)果如下:(1)基于顏色直方圖和K-means聚類分析,研究了生銹廢鋼紅褐色銹跡顏色在RGB、HSV和YCbCr顏色空間的分布特征。結(jié)果表明,RGB顏色空間不適合鐵銹顏色特征提取,紅褐色鐵銹顏色在HSV空間中H分量值主要集中在[0-45]區(qū)間,在YCbCr空間中Cb分量值主要集中在[70-120]區(qū)間,Cr值主要集中在[130-170]區(qū)間�；诨叶裙采仃嚰捌涮卣鲄�(shù)分析了生銹廢鋼的紋理特征。結(jié)果表明,在生銹廢鋼圖像中,生銹...

【文章頁數(shù)】：186 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 引言
2 文獻(xiàn)綜述
    2.1 研究背景及意義
    2.2 廢鋼的定義與來源
    2.3 廢鋼加工處理工藝現(xiàn)狀
    2.4 廢鋼分類標(biāo)準(zhǔn)概述
        2.4.1 國(guó)外廢鋼分類標(biāo)準(zhǔn)
        2.4.2 中國(guó)廢鋼分類標(biāo)準(zhǔn)
    2.5 廢鋼智能分揀技術(shù)與裝備研究進(jìn)展
    2.6 鋼鐵生銹檢測(cè)方法研究進(jìn)展
        2.6.1 國(guó)外研究進(jìn)展
        2.6.2 國(guó)內(nèi)研究進(jìn)展
    2.7 LIBS技術(shù)簡(jiǎn)介
        2.7.1 LIBS技術(shù)基本原理
        2.7.2 LIBS系統(tǒng)主要設(shè)備
    2.8 LIBS技術(shù)在鋼鐵材料檢測(cè)方面的研究進(jìn)展
        2.8.1 國(guó)外研究進(jìn)展
        2.8.2 國(guó)內(nèi)研究進(jìn)展
    2.9 LIBS技術(shù)工業(yè)化應(yīng)用研究進(jìn)展
        2.9.1 國(guó)外研究進(jìn)展
        2.9.2 國(guó)內(nèi)研究進(jìn)展
    2.10 本文主要研究?jī)?nèi)容和邏輯框架
3 基于數(shù)字圖像處理的生銹廢鋼識(shí)別方法研究
    3.1 實(shí)驗(yàn)設(shè)備與樣本采集
    3.2 廢鋼圖像預(yù)處理
        3.2.1 圖像濾波去噪
        3.2.2 圖像縮放與裁剪
    3.3 生銹廢鋼圖像的顏色特征分析
        3.3.1 顏色空間定義
        3.3.2 顏色空間轉(zhuǎn)換
        3.3.3 顏色特征分析
    3.4 生銹廢鋼圖像的紋理特征分析
        3.4.1 灰度共生矩陣及其特征參數(shù)
        3.4.2 生銹廢鋼紋理特征分析
    3.5 生銹廢鋼識(shí)別算法與識(shí)別結(jié)果
    3.6 本章小結(jié)
4 基于LIBS技術(shù)的有鍍層廢鋼識(shí)別與鍍層厚度檢測(cè)研究
    4.1 實(shí)驗(yàn)裝置與實(shí)驗(yàn)材料
    4.2 實(shí)驗(yàn)參數(shù)優(yōu)化
        4.2.1 激光能量?jī)?yōu)化
        4.2.2 延遲時(shí)間優(yōu)化
    4.3 激光燒蝕過程不同鍍層廢鋼LIBS光譜演變特征分析
        4.3.1 鍍鋅廢鋼LIBS光譜演變特征分析
        4.3.2 鍍錫廢鋼LIBS光譜演變特征分析
        4.3.3 鍍鎳廢鋼LIBS光譜演變特征分析
        4.3.4 鍍鉻廢鋼LIBS光譜演變特征分析
        4.3.5 無鍍層廢鋼LIBS光譜演變特征分析
    4.4 基于LIBS光譜的有鍍層廢鋼自動(dòng)識(shí)別方法研究
        4.4.1 廢鋼表面有無鍍層識(shí)別方法
        4.4.2 廢鋼表面鍍層元素識(shí)別方法
    4.5 廢鋼表面鍍層厚度半定量檢測(cè)方法研究
        4.5.1 有鍍層廢鋼表面燒蝕坑形貌演變分析
        4.5.2 激光燒蝕過程穿透廢鋼鍍層的定量化判據(jù)
    4.6 本章小結(jié)
5 基于LIBS技術(shù)的廢鋼中合金含量快速檢測(cè)方法研究
    5.1 基于定標(biāo)法的低合金鋼成分定量檢測(cè)研究
        5.1.1 實(shí)驗(yàn)裝置與實(shí)驗(yàn)材料
        5.1.2 實(shí)驗(yàn)參數(shù)優(yōu)化
        5.1.3 傳統(tǒng)定標(biāo)法原理
        5.1.4 基體效應(yīng)及其對(duì)定標(biāo)的影響
        5.1.5 基于GA-KELM算法的定標(biāo)模型
        5.1.6 定量分析結(jié)果與討論
    5.2 基于自由定標(biāo)法的高合金鋼成分定量檢測(cè)研究
        5.2.1 實(shí)驗(yàn)參數(shù)與實(shí)驗(yàn)材料
        5.2.2 CF-LIBS原理
        5.2.3 自吸收效應(yīng)及校正方法
        5.2.4 LIBS光譜背景扣除
        5.2.5 分析線與內(nèi)參考線篩選
        5.2.6 自吸收校正結(jié)果
        5.2.7 定量分析結(jié)果與討論
    5.3 本章小結(jié)
6 基于線結(jié)構(gòu)光的廢鋼表面形貌三維重建方法研究
    6.1 線結(jié)構(gòu)光測(cè)量原理
    6.2 系統(tǒng)搭建及硬件參數(shù)
    6.3 線結(jié)構(gòu)光測(cè)量系統(tǒng)標(biāo)定
        6.3.1 相機(jī)成像模型
        6.3.2 相機(jī)參數(shù)標(biāo)定
        6.3.3 結(jié)構(gòu)光平面標(biāo)定
        6.3.4 一維位移平臺(tái)移動(dòng)方向標(biāo)定
    6.4 激光條紋中心亞像素級(jí)提取方法研究
        6.4.1 廢鋼表面激光條紋特性及影響因素
        6.4.2 廢鋼表面激光條紋中心提取方案
        6.4.3 廢鋼表面激光條紋ROI區(qū)域分割
        6.4.4 廢鋼表面激光條紋法線方向求解
        6.4.5 廢鋼表面激光條紋中心坐標(biāo)求解
    6.5 廢鋼表面形貌三維重建與驗(yàn)證
        6.5.1 廢鋼形貌三維重建結(jié)果
        6.5.2 三維重建準(zhǔn)確度驗(yàn)證
    6.6 本章小結(jié)
7 廢鋼智能識(shí)別與分類系統(tǒng)設(shè)計(jì)與初步開發(fā)
    7.1 廢鋼智能識(shí)別與分類系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)室模型搭建
    7.2 廢鋼智能識(shí)別與分類系統(tǒng)模型控制軟件開發(fā)
        7.2.1 開發(fā)環(huán)境
        7.2.2 硬件設(shè)備控制程序開發(fā)
    7.3 本章小結(jié)
8 結(jié)論與展望
    8.1 結(jié)論
    8.2 創(chuàng)新點(diǎn)
    8.3 工作展望
參考文獻(xiàn)
附錄A
作者簡(jiǎn)歷及在學(xué)研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3812512