類別:編號:萊蕪鋼鐵股份有限公司

技術(shù)開發(fā)創(chuàng)新項目立項建議書項目名稱： 燒結(jié)礦相智能識別分析系統(tǒng)承擔(dān)單位：重慶大學(xué)材料科學(xué)與工程學(xué)院萊鋼技術(shù)研發(fā)中心項目負(fù)責(zé)人：梁棟1、 項目的目的、意義在鋼鐵市場競爭日益激烈的今天，鐵礦石等原材料利潤空間日益狹小，勞動生產(chǎn)率的潛力空間也有限，鐵廠生產(chǎn)利潤趨薄，而燒結(jié)更是鐵前能耗及成本主要環(huán)節(jié)之一，對于燒結(jié)過程目前自動化水平較低，整體工藝及調(diào)度科學(xué)優(yōu)化欠缺，極大的制約了燒結(jié)整體水平的提高。其中尤其以燒結(jié)基礎(chǔ)理論的欠缺及自動監(jiān)控為瓶頸！而燒結(jié)技術(shù)的大幅提升和成本的大幅降低的迫切要求，急切需要鐵前原始工藝數(shù)字化工作的逐步完善！而就目前而言，對于萊鋼和國內(nèi)大多數(shù)聯(lián)合鋼鐵企業(yè)對于鐵前工藝的認(rèn)知僅局限于表觀實驗現(xiàn)象的描述，深層次定量化實質(zhì)影響關(guān)系尚未有系統(tǒng)化的總結(jié)與研究。國外已在近幾年內(nèi)開始了穩(wěn)步的研究，但一些初步研究成果如專家系統(tǒng)等的外部引入在國內(nèi)尚無實質(zhì)性的進(jìn)展，這主要因為我們尚欠缺工藝實質(zhì)原理的清晰解析，因此必須依據(jù)踏實的系列化基礎(chǔ)研究來進(jìn)一步支撐鐵前數(shù)字化工作進(jìn)展，自主研發(fā)才能在此過程中汲取實質(zhì)精華，提高工藝整體認(rèn)知及操作水平。利用光學(xué)顯微鏡對鋼鐵工藝巖相、礦相進(jìn)行觀察和鑒定是目前冶金行業(yè)普遍應(yīng)用的一種實驗方法。燒結(jié)礦內(nèi)部礦相分布特征主要決定著燒結(jié)礦的冶金性能，通過系統(tǒng)的認(rèn)知礦相特征才真正能夠了解燒結(jié)礦冶金及物理性能的實質(zhì)關(guān)系。就目前而言，我國在該領(lǐng)域的技術(shù)水平普遍較低，礦相識別靠人工的經(jīng)驗，定量化的特征識別及提取技術(shù)尚為空白。萊鋼目前在此方面的工作也比較基礎(chǔ)，現(xiàn)技術(shù)中心有金相顯微鏡一臺，礦相顯微鏡（擬申購中），但還難以對于礦相圖片作進(jìn)一步的分析。成品燒結(jié)礦的冶金性能的決定因素尚無定量化的關(guān)系總結(jié)，認(rèn)知的缺乏必然導(dǎo)致那么有效的定量控制燒結(jié)礦質(zhì)量的困難。因此基于智能化的礦相識別技術(shù)的研究與開發(fā)是制約我們認(rèn)知燒結(jié)礦性能的關(guān)鍵。本項目針對目前我國在該領(lǐng)域的技術(shù)水平普遍較低、基本靠人工的現(xiàn)狀，提出了利用目前已經(jīng)發(fā)展成熟的圖像識別和圖像處理技術(shù)，實現(xiàn)對燒結(jié)礦相進(jìn)行智能化的機(jī)器識別、機(jī)器計算和機(jī)器統(tǒng)計的識別分析系統(tǒng)，進(jìn)而提高鋼鐵企業(yè)在進(jìn)行燒結(jié)礦相分析時的準(zhǔn)確度和靈活度，并且極大的降低了該領(lǐng)域?qū)I(yè)技術(shù)人員的培訓(xùn)周期和勞動強(qiáng)度。此外該方法基礎(chǔ)上，后續(xù)可拓展至渣相及其它冶金礦相的識別。通過對巖石和礦石中的礦物組成、晶粒大小、含量、分布及顯微結(jié)構(gòu)的研究，得到上述參數(shù)與產(chǎn)品質(zhì)量和工藝條件之間的關(guān)系。進(jìn)而改進(jìn)工藝條件、提高產(chǎn)品質(zhì)量。因此，準(zhǔn)確、定量地鑒定報告是實現(xiàn)研究目標(biāo)的科學(xué)保證。該項目是鐵前MES系統(tǒng)系列項目中的關(guān)鍵技術(shù)之一，依托本項目依靠普通的光學(xué)顯微鏡即可對燒結(jié)礦相作出智能化定量分析，為后續(xù)的燒結(jié)礦冶金性能預(yù)測及控制模型奠定基礎(chǔ)。2、國內(nèi)外研究現(xiàn)狀分析及發(fā)展方向2.1國內(nèi)外現(xiàn)狀和發(fā)展方向在國內(nèi)大多數(shù)的鋼鐵企業(yè)，礦相鑒定工作還停留在以人工為主的階段。例如，在礦相種類識別工作上，需要實驗操作者具有較熟練的專業(yè)知識和豐富的操作經(jīng)驗。這也就意味著礦相識別工作需要經(jīng)過一段時間的經(jīng)驗積累和學(xué)習(xí)，對于一個企業(yè)而言就意味著需要拿出相當(dāng)一段時間來培養(yǎng)一名實驗人員。在礦相參數(shù)測量工作上，以礦物反射率的計算為例，對礦物反射率的測定主要有目測法和儀器測量法。目測法主要指并列比較法和視測光度法，儀器測量法有比色目鏡法和光電光度法。目測法過多依靠觀察者的主觀判斷，不同視力和經(jīng)驗的觀察者得出的結(jié)論和數(shù)據(jù)就有差別，極易造成偶然誤差，影響測試結(jié)果的準(zhǔn)確度；儀器測量法較目測法要準(zhǔn)確，但是需要增加額外的設(shè)備投資，例如比色目鏡法就需要同時有兩臺礦相顯微鏡和一個比色目鏡，光電光度法也需要額外的光電傳感設(shè)備和微電流檢測設(shè)備。除了上述問題外，對礦物含量的計算上目前主要應(yīng)用的有目測估計法和網(wǎng)格法。也同樣存在測量誤差大，測量工作強(qiáng)度高、工作量大等缺點。文獻(xiàn)中對該領(lǐng)域的研究最早見于上世紀(jì)80年代初。當(dāng)時法國巴黎礦業(yè)學(xué)院的Jeulin教授研究組和澳大利亞IRSID共同開發(fā)了基于圖像處理技術(shù)礦物含量計算軟件，當(dāng)時圖像處理技術(shù)，尤其是圖像識別還沒有發(fā)展到今天成熟的水平。在Jeulin的系統(tǒng)中運(yùn)用了圖像腐蝕、膨脹等技術(shù)實現(xiàn)了對礦相照片的自動區(qū)域分割，計算各區(qū)域的面積后得到各種礦相的成分。除此之外，該系統(tǒng)還可以計算燒結(jié)礦中礦物的晶粒大小和分布。1985年日本的新日鐵鋼鐵鋼鐵公司和東京大學(xué)的Yanaka教授聯(lián)合開發(fā)了一套冶金礦相處理系統(tǒng)。該系統(tǒng)運(yùn)用了新的閾值分割技術(shù)實現(xiàn)了對不同礦物的分割，礦物含量的計算仍然采用計算面積的方法。從此之后，一直未見該領(lǐng)域的研究報道。目前為止，國內(nèi)尚未見過對類似系統(tǒng)的報道。這兩套系統(tǒng)的共同點就是都是利用相關(guān)技術(shù)實現(xiàn)了圖像中的區(qū)域分割并通過計算區(qū)域面積的方法來代替礦物含量。但是，這兩套系統(tǒng)都沒有礦物識別的功能。至于礦物含量計算方法，完全按照區(qū)域分割的方法并用面積來代替含量會造成計算的誤差，這主要是區(qū)域分割的誤差造成的，尤其是在兩種礦物的亮度很接近，并且在礦物分布上是彌散分布時，誤差會更大。因此，礦物含量的計算方法也有待改進(jìn)。3、研究內(nèi)容和技術(shù)路線3.1研究內(nèi)容3.1.1礦相智能識別紋理是圖像中一個重要而又難于描述的特征。習(xí)慣上，把這局部不規(guī)則，而宏觀有規(guī)律的特征稱之為紋理特性。燒結(jié)礦的礦相特征是表征和判定其所含礦物種類的依據(jù)。定量分析和提取圖像特征的方法大體上可以分為兩大類：統(tǒng)計分析方法和結(jié)構(gòu)分析方法。前者從圖像有關(guān)屬性的統(tǒng)計分析出發(fā)；而后者則著力找出紋理單元，然后從結(jié)構(gòu)組成上探索紋理的規(guī)律，或直接探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律。從燒結(jié)礦礦相人工鑒定的兩點依據(jù)出發(fā)，分別建立起圖像特征提取模型，分別是礦物反射率計算模型和礦相紋理特征提取模型。燒結(jié)礦常見的礦相紋理結(jié)構(gòu)主要有粒狀結(jié)構(gòu)、斑狀結(jié)構(gòu)、骸晶結(jié)構(gòu)、共晶結(jié)構(gòu)和熔蝕結(jié)構(gòu)。一般需要鑒定的礦物主要有磁鐵礦、赤鐵礦、鐵酸鈣、鈣鐵橄欖石、硅酸鈣等。各種礦相顯微結(jié)構(gòu)紋理特征的差別主要體現(xiàn)在以下兩個方面：（1） 圖像灰度值分布特征。由于礦物的反射率不同，不同的礦物交織構(gòu)成了特有的灰度分布特點。這些特征包括：灰度分布的均勻程度、灰度直方圖的峰值情況等。（2） 圖像紋理形狀特征。由于礦物的晶型結(jié)構(gòu)和結(jié)晶過程的不同造成了紋理粗細(xì)程度、清晰程度、復(fù)雜程度和不同方向的相似程度的不同等。根據(jù)上述的紋理特征差別，實現(xiàn)圖像智能識別的主要研究內(nèi)容就是選擇灰度直方圖和灰度共生矩陣作為紋理特征的提取算法。主要是灰度共生矩陣中各參數(shù)的選擇對紋理特征的關(guān)系。3.1.2礦物含量計算不同的礦物在礦相照片上的明暗程度不同，灰度直方圖反映了照片中的不同亮度的像素分布情況。目前閾值分割的方法本質(zhì)上就是用幾個值直接將灰度直方圖分為幾部分，每一部分代表一種礦物。即不同的礦物對應(yīng)著灰度直方圖中的某一區(qū)域，這個區(qū)域可以根據(jù)反射率和圖像灰度關(guān)系計算出來。由于某些礦物并無固定的反射率值，而是在某個區(qū)間內(nèi)變化；即使有些礦物具有一個相對固定的反射率值，但是由于試樣制備、圖像采集設(shè)備、A/D轉(zhuǎn)換、信號傳送以及數(shù)據(jù)存儲等各種因素的影響，其反射率也會在一個灰度區(qū)間內(nèi)變化。因此，每種礦物的灰度值在其固有的區(qū)間內(nèi)呈現(xiàn)一定的分布，經(jīng)研究發(fā)現(xiàn)這種分布可以認(rèn)為是正態(tài)分布。因此，該研究可以分成兩部分：（1） 通過大量圖片的數(shù)據(jù)分析，統(tǒng)計得出各礦物的正態(tài)分布特征值，即各礦物的均值和方差。（2） 利用已有各礦物的分布特征數(shù)據(jù)對實際礦相照片的灰度直方圖進(jìn)行擬合，最終得出各礦物的含量。3.1.3其他輔助功能該軟件系統(tǒng)的輔助功能主要包括：（1） 基本圖像處理功能，包括圖像放大、縮小，圖像拉伸、翻轉(zhuǎn)等；（2） 報告生成、打印功能；（3） 數(shù)據(jù)統(tǒng)計功能；（4） 角度、長度計算功能；（5） 圖像顯示模式、系統(tǒng)設(shè)置功能。3.2技術(shù)路線該研究項目從內(nèi)容上可分為兩部分：1.礦物種類的識別；2.礦相參數(shù)的計算。礦物種類的識別是在礦物的特征提取的算法基礎(chǔ)上通過模糊聚類實現(xiàn)的。礦相參數(shù)的計算基于CCD成像原理和圖像處理相關(guān)技術(shù)。上述所涉及的研究方法有模糊

聚類、模式識別等，所涉及技術(shù)有圖像特征提取、圖像處理技術(shù)及程序設(shè)計相關(guān)技術(shù)等。其中包括如下主要方法和概念。3.2.1反射率計算模型反射率是鑒別不透明礦物的重要依據(jù)，描述了礦物對光反射的多少。因此，對反射率的定義如式⑴所示。ReflectI—ReflectI—rIi（1）其中，Ir是反射光強(qiáng)度；。是入射光強(qiáng)度；RefleCt為反射率，用％表示，故反射率不會大于100%。使用顯微鏡觀察礦物，反射率不同表現(xiàn)為礦物在視場中的亮度不同。目前常規(guī)的CCD攝像機(jī)得到的數(shù)字圖像都是Windows位圖（.BMP）文件格式的。根據(jù)人眼的結(jié)構(gòu)，所有顏色都可以看作是3個基本顏色一紅（R，red），綠（G，Green），籃（B，blue）一的基本組合。國際照度委員會在1931年就規(guī)定了3種基本色的波長分別為R::700nm，G：546.1nm，B：435.8nm[1]。因此在位圖文件中，每個象素的數(shù)據(jù)都是以RGB格式存儲的。如何從得到的RGB格式的數(shù)據(jù)文件得到亮度就是建立反射率計算模型的任務(wù)。下面將給出與此相關(guān)的兩種顏色模型。3.2.2顏色模型1）RGB模型RGB模型基于笛卡爾坐標(biāo)系統(tǒng)，3個軸分別為R，G，B，所有的顏色都可以在該坐標(biāo)系下找到對應(yīng)的點。如圖1所示為24位顏色系統(tǒng)下的彩色立方體模型。該模型中，原點對應(yīng)黑色，通過體對角線與原點相連的頂點對應(yīng)白色。任何顏色都可以通過向三坐標(biāo)軸投影的方法找到對應(yīng)的（r,g,b）值。

圖1RGB彩色立方體模型2)HSI模型HIS模型中的H代表色調(diào)(hue),S代表飽和度(saturation),I代表亮度或者灰度(intensity)。該模型有兩個特點：其一，H和S分量合稱為色度(chroma),它是與人們感受顏色的方式相關(guān)的；其二，I分量與色度無關(guān)，只代表了顏色的明暗程度。圖2所示為HSI彩色體模型，在該模型體中，找出某一色點P(h,s,i)的過程如下：從R，G，B組成的正三角形的重中向P點引矢量S，S與R軸的夾角即為h值；s值與S成正比；過三角形RGB的中心作垂直于該三角形所在平面的直線，i值就是通過這條直線來測量的，其中直線的兩端分別是黑色和白色。圖2HSI彩色體模型3）RGB—HSI模型轉(zhuǎn)換RGB模型和HSI模型是最常用的兩種模型。一般來說，RGB模型常用于面向硬件設(shè)備，HSI模型常用于面向彩色處理。兩種模型可以相互轉(zhuǎn)換。在本文中只對所涉及到的亮度值I的轉(zhuǎn)換方法作討論。目前，將真彩色圖進(jìn)行灰度化求其I值有許多方法，例如，平均值法（簡單灰度法）、加權(quán)法（工業(yè)標(biāo)準(zhǔn)灰度化法）、最大值法和單色值法等［2,3］。最大值法和單色法是在特殊情況下應(yīng)用的比較粗略的方法，誤差較大。由于涉及問題的精度要求，本文只應(yīng)用精度較高的平均值法和加權(quán)法求解問題。I=-（R+G+B）3 （2）I=0.299xR+0.587xG+0.114xB （3）式⑵所示為平均值法［4］，式（3）為加權(quán)法。兩個公式都有各自的特點，分別適用于不同的情況。公式（2）是根據(jù)RGB彩色立方體中的投影關(guān)系推導(dǎo)得到的，而式（3）則考慮了人眼對不同顏色的敏感度。3.2.3灰度直方圖灰度直方圖是圖像的重要特征，可以認(rèn)為是灰度分布密度函數(shù)的近似，它表示了在圖像區(qū)域所有像素中，不同的灰度值出現(xiàn)的次數(shù)。其函數(shù)表達(dá)式如式（4）所示。G=性NP(i,m,n)im=1n=1其中，M、N分別表示圖像的行數(shù)和列數(shù)，Gi為灰度為i的像素個數(shù)，P（i,m,n）的定義如式（5）所示。P(i,m,n)=「 P(mn)='（5）I0 P(m,n)。i（5）由于在圖像分析和處理的過程中，圖像的大小有時是變化，這時不同圖像的直方圖就失去了可比性，因此就需要對式（4）進(jìn)行歸一化處理，得到了式（6）所示的歸一化直方圖函數(shù)。其中，Gi，為歸一化值，T為總像素數(shù)。G：=辦3.2.4灰度共生矩陣灰度直方圖只反映的是單個像素灰度級的統(tǒng)計分布規(guī)律，但是不包含像素空間位置關(guān)系的信息。灰度共生矩陣反映的就是具有一定的灰度關(guān)系，相隔某一距離的兩個像素的聯(lián)合分布的統(tǒng)計形式。式(8)就是灰度共生矩陣的數(shù)學(xué)表達(dá)式。P(i,j,8,。)={[3y),(x+Ax,y+Ay)]If(x,y)=i,f(x+Ax,y+Ay)=j;x=0,1,…，七-\;y=0,1,…，Ny-1}(8)式(8)中，i和j為灰度值，x和y為圖像中的像素坐標(biāo)，Nx和Ny是圖像的行列數(shù)，6是兩個像素之間的距離，。為兩像素的連線按順時針與x軸的夾角。該式的物理意義就是從圖像(x,y)灰度為i的像素出發(fā)，統(tǒng)計與距離為6,夾角為。，灰度為j的像素(x+Ax,y+Ay)同時出現(xiàn)的概率。從實際應(yīng)用角度講，灰度共生矩陣不是直接作為紋理分析的特征量，而是在此矩陣基礎(chǔ)上進(jìn)行歸一化處理后，再提取其它二次統(tǒng)計量。根據(jù)需要，只介紹本文所涉及到的歸一化方法、二階矩、對比度、嫡等二次統(tǒng)計量，其數(shù)學(xué)表達(dá)式分別如(9)、(10)、(11)和(12)所示。(1)灰度共生矩陣歸一化p(i,j)=P(i,j)/R (9)式(9)中，R代表歸一化常數(shù)，是圖像中像素對的總數(shù)目。(2)二階矩f￥P2(i,j) (10)二階矩又稱為能量，反映了圖像灰度分布的均勻程度和紋理粗細(xì)程度，其值大時紋理粗，能量大；反之，紋理細(xì)能量小。(3)對比度f=如習(xí)(i-j)2p'(i,j)i=0j=0 (11)對比度又叫慣性矩，可以代表圖像的清晰度，其值大，紋理的紋溝深，圖像清晰；反之，紋溝淺，效果模糊。(4)嫡f3=一如力pe)log2p0j)i=0j=0嫡反映了圖像中紋理的復(fù)雜程度或非均勻度。其值大，紋理復(fù)雜；反之，圖像灰度均勻，共生矩陣中元素大小差異大，嫡較小。3.3技術(shù)創(chuàng)新點本項目的特色和創(chuàng)新之處在于：利用成像規(guī)律和計算機(jī)顏色模型對礦物的反射率進(jìn)行計算。采用灰度直方圖和灰度共生矩陣實現(xiàn)了礦物的智能機(jī)器識別。3.4關(guān)鍵技術(shù)和技術(shù)難點本項目擬解決的關(guān)鍵問題，包括：反射率計算模型的建立?；诨叶裙采仃嚨膱D像紋理特征值的選擇及參數(shù)設(shè)置。合理模式識別方法的選擇。3.5實施方式由重慶大學(xué)和萊鋼技術(shù)研發(fā)中心成立聯(lián)合開發(fā)課題組，合作開發(fā)。4、項目研究進(jìn)度計劃項目周期15個月，難度系數(shù)：3月份工作內(nèi)容2009.11-2010.2對萊鋼目前的冶金礦相鑒定的實驗室應(yīng)用條件作調(diào)研，了解所涉及的礦相種類及特點2010.3-2010.8模型建立、程序編寫及調(diào)試，軟件集成2010.9-2010.12軟件使用及完善2011.1-2011.3總結(jié)、考核、驗收5、本項目的技術(shù)經(jīng)濟(jì)指標(biāo)（1）技術(shù)指標(biāo)具有萊鋼自主知識產(chǎn)權(quán)燒結(jié)礦相智能識別軟件一套，可實現(xiàn)如下功能1） 準(zhǔn)確地識別礦物的種類，準(zhǔn)確率達(dá)95%以上；2） 準(zhǔn)確地計算礦物的含量，準(zhǔn)確率達(dá)95%以上；3） 可以對礦物中的其它特性進(jìn)行計算，例如礦物長度及方向，孔隙壁厚分布特征等；4） 為萊鋼燒結(jié)礦的質(zhì)量改善提供準(zhǔn)確的鑒定依據(jù)；2）經(jīng)濟(jì)效益該項目是燒結(jié)礦質(zhì)量提升認(rèn)知的關(guān)鍵技術(shù)，通過該項目及后續(xù)一系列技術(shù)研發(fā)項目（鐵前MES系統(tǒng)（數(shù)字化系列））的順利實施，最終將實現(xiàn)鐵前工藝整體數(shù)字化，形成萊鋼特有鐵前技術(shù)專利系列至少三項以上，全面提升燒結(jié)煉鐵技術(shù)指標(biāo)，燒結(jié)成本穩(wěn)步降低5~10元/噸，以600萬噸燒結(jié)礦計算，產(chǎn)生直接經(jīng)濟(jì)效益5x600萬噸=3000萬元；高爐穩(wěn)定操作高爐煉鐵成本下降5元/噸，產(chǎn)