一种基于视觉识别的热镀锌加湿系统的制作方法

1.本发明涉及的是冷轧带钢热镀锌质量控制领域，特别涉及一种基于视觉识别的热镀锌加湿系统。


背景技术：

2.随着人民生活水平的提高，用户对于镀锌汽车板和家电板的质量要求越来越高，尤其是表面镀层质量。炉鼻子区域锌灰缺陷是对镀层质量影响最大的缺陷，锌灰产生主要是炉鼻子腔体内锌液面锌蒸汽聚集产生。锌蒸汽一部分附着在炉鼻子内侧形成聚集锌灰，另一部分落回锌液表面形成浮渣。这部分锌灰在生产过程会粘附在带钢表面形成锌灰缺陷。为了尽量减少或者避免这种质量缺陷，通常需要将炉鼻子区域的锌渣实时清理并抑制锌蒸汽的大量产生，使其达到一个平衡状态。
3.为了抑制炉鼻腔内液面锌蒸汽的大量产生，热镀锌产线通常采用炉鼻子加湿手段来解决这个问题。其主要原理是通过向炉鼻腔内部通入加湿氮气来调节炉鼻子区域露点，从而在炉鼻腔内液面形成一层薄薄的保护膜。同时，也不至于使炉鼻子腔体内部的带钢氧化。
4.目前的镀锌炉鼻子加湿大部分都是人工根据经验手动调节加湿参数，从而控制炉鼻子腔体内露点。也有部分可以根据露点实现半自动的控制。但是总体来说，都是需要根据经验来判断，人为因素占比高，响应速度慢，控制精度差。


技术实现要素：

5.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于视觉识别的热镀锌加湿系统。
6.为了解决上述技术问题，本技术实施例公开了如下技术方案：
7.一种基于视觉识别的热镀锌加湿系统，其特征在于，包括：图像采集装置、信息采集装置、加湿装置、上位机；其中：
8.图像采集装置，用于获取炉鼻子内部锌液表面图像，并将得到的炉鼻子内部锌液表面图像发送给上位机；
9.信息采集装置，用于获取加湿系统炉鼻腔内部露点和带钢数据，并发送给上位机；
10.加湿装置，用于接收上位机发送的加湿控制指令，向炉鼻子内的锌液表面进行加湿处理；
11.上位机，用于接收摄像头发送的鼻子内部锌液表面图像，根据内部预先设置的图像识别程序，判断炉鼻子腔体内部锌液面锌渣量情况；还用于根据加湿系统信息采集装置发送的露点和带钢数据生成加湿控制模型，并根据生成的加湿控制模型自动向加湿装置发送控制指令，对加湿装置重新设置加湿参数，根据不同镀层产品自动重新调整炉鼻子内部的露点。
12.进一步地，图像采集装置为摄像头，摄像头设置于炉鼻子两侧，实时获取炉鼻子内
部锌液表面图像。
13.进一步地，信息采集装置至少包括露点仪、加湿系统压力、流量和温度等仪表、机组二级数据。其中，露点仪安装于炉鼻子内部，用于采集炉鼻子区域露点值；机组用于采集带钢数据。
14.进一步地，带钢数据至少包括：带钢的钢种、镀层种类、锌液温度和带钢温度。
15.进一步地，加湿装置包括：脱盐水罐、汽水分离器、流量调节阀、电加热器、喷头；其中，脱盐水罐用于将一部分通入气体进行加湿处理；汽水分离器，用于将加湿处理后的气体和未经处理的气体进行混合；流量调节阀，设置于脱盐水罐和汽水分离器上，用于控制进入脱盐水罐和汽水分离器的气体流量；电加热器，设置于脱盐水罐和汽水分离器上，用于对脱盐水罐和汽水分离器的气体进行加热；喷头，通过管道接入炉鼻子对炉鼻子内部，对炉鼻子内部进行加湿。
16.进一步地，加湿装置还包括：湿度、温度和流量传感器，湿度、温度和流量传感器设置于加湿气体通往炉鼻子的管路上，用于对加湿系统进行湿度、温度和流量控制。
17.进一步地，上位机加湿控制模型为神经网络模型，将信息采集装置获取的露点值、带钢数据和加湿参数作为样本库，训练神经网络模型，得到基于露点值、带钢数据和加湿参数的神经网络模型，当炉鼻子腔体内部锌液面锌渣量增加时，利用训练好的神经网络模型，根据实时的露点值和带钢数据，重新设置加湿参数，达到抑制锌渣进一步增加的的目的。
18.进一步地，加湿系统，还包括抽锌渣装置，锌渣装置安装于锌液表面，用于将锌液表面锌液进行清除。
19.本发明实施例提供的上述技术方案的有益效果至少包括：
20.本发明通过收集现场的加湿参数和对应的炉鼻子露点仪检测数据，并通炉鼻子摄像头的视觉识别结果进行反馈，建立带钢参数、加湿系统参数和炉鼻子露点之间的加湿神经网络模型，并不断的进行模型的训练优化，最终实现不同钢种和不同镀层产品生产的加湿系统的智能控制，降低镀层产品的表面缺陷产生概率。本发明解决了现有技术中，人为根据锌液表面锌渣控制加湿器，效率低下，控制准确度不高的问题。
21.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
22.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
23.图1为本发明实施例1中，一种基于视觉识别的热镀锌加湿系统结构示意图；
24.图2为本发明实施例1中，一种基于视觉识别的热镀锌加湿系统具体结构图。
具体实施方式
25.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
26.为了解决现有技术中存在的问题，本发明实施例提供一种基于视觉识别的热镀锌
加湿系统。
27.实施例1
28.本实施例公开了一种基于视觉识别的热镀锌加湿系统，如图1，包括：图像采集装置、信息采集装置、加湿装置、上位机；其中：
29.图像采集装置，用于获取炉鼻子内部锌液表面图像，并将得到的炉鼻子内部锌液表面图像发送给上位机。
30.在本实施例中，如图2，图像采集装置为摄像头，摄像头设置于炉鼻子两侧，实时获取炉鼻子内部锌液表面图像。
31.信息采集装置，用于获取加湿系统炉鼻腔内部露点和带钢数据，并发送给上位机。
32.在本实施例中，如图2，信息采集装置至少包括露点仪和机组，其中，露点仪安装于炉鼻子内部，用于采集炉鼻子区域露点值；机组用于采集带钢数据。优选的，带钢数据至少包括：带钢的钢种、镀层种类、锌液温度和带钢温度。
33.加湿装置，用于接收上位机发送的加湿控制指令，向炉鼻子内的锌液表面进行加湿处理。
34.在本实施例中，加湿装置包括：脱盐水罐、汽水分离器、流量调节阀、电加热器、喷头；其中，脱盐水罐用于将一部分通入气体进行加湿处理；汽水分离器，用于将加湿处理后的气体和未经处理的气体进行混合；流量调节阀，设置于脱盐水罐和汽水分离器上，用于控制进入脱盐水罐和汽水分离器的气体流量；电加热器，设置于脱盐水罐和汽水分离器上，用于对脱盐水罐和汽水分离器的气体进行加热；喷头，通过管道接入炉鼻子对炉鼻子内部，对炉鼻子内部进行加湿。
35.在一些优选实施例中，加湿装置还包括：湿度、温度和流量传感器，湿度、温度和流量传感器设置于加湿气体通往炉鼻子的管路上，用于对加湿系统进行湿度、温度和流量控制。
36.具体的，来自工厂的氮气被分为两个之路：一个支路经过减压后，通往脱盐水罐，并在罐内加湿后通往汽水分离器；通往脱盐水罐的管路上设置流量调节阀，用于控制该支路的流量。脱盐水罐内设置电加热器，用于将罐内的脱盐水加热到指定温度。另一支路经过减压后通往汽水分离器，与加湿后的氮气在汽水分离器内混合；本支路上同样设置流量调节阀，用于控制该支路的流量。
37.混合后的湿氮气经过电加热器被加热到指定温度，接入炉鼻子对炉鼻子内部进行加湿。
38.在湿氮气通往炉鼻子的管路上，设置了湿度、温度及流量检测，用于系统控制。本发明所述加湿装置与常规不同是加湿气的流量和温度可根据炉鼻子腔体内露点自动调节，并通过模型进行精确控制。加湿管道末端配置专门的加热装置和保温，减少加湿气对带钢表面的影响。
39.上位机，用于接收摄像头发送的鼻子内部锌液表面图像，根据内部预先设置的图像识别程序，判断炉鼻子腔体内部锌液面锌渣量情况；还用于根据加湿系统信息采集装置发送的露点和带钢数据生成加湿控制模型，并根据生成的加湿控制模型自动向加湿装置发送控制指令，对加湿装置重新设置加湿参数，重新向炉鼻子内的锌液表面进行加湿处理。
40.在本实施例中，上位机加湿控制模型为神经网络模型，将信息采集装置获取的露
点值、带钢数据和加湿参数作为样本库，训练神经网络模型，得到基于露点值、带钢数据和加湿参数的神经网络模型，当炉鼻子腔体内部锌液面锌渣量增加时，利用训练好的神经网络模型，根据实时的露点值和带钢数据，重新设置加湿参数，达到抑制锌渣进一步增加的的目的。
41.在一些优选实施例中，一种基于视觉识别的热镀锌加湿系统，还包括抽锌渣装置，锌渣装置安装于锌液表面，用于将锌液表面锌液进行清除。
42.可以理解的，本实施例公开的一种基于视觉识别的热镀锌加湿系统，包括一套视觉图像识别系统、一套神经网络模型和炉鼻子加湿装置。通过对炉鼻子两侧摄像头拍摄鼻腔内部锌液表面画面的识别判断作为反馈，通过露点仪和机组二级记录炉鼻腔内部露点和带钢相关数据，训练一套有效的神经网络模型，最终实现加湿系统闭环控制，减少热镀锌成品表面的锌灰缺陷，提高产品质量。
43.本发明所述视觉识别系统由高清摄像头、计算机、视觉识别软件等组成。其中高清摄像头采集炉鼻子内部锌液表面的图像，并传送至计算机，由视觉识别软件对图像中锌渣的颜色和范围进行判断。视觉识别软件利用实际生产的照片作为样本进行人工神经网络训练，提高锌渣分析的准确性和可靠性。
44.本发明所述人工神经网络模型依据炉鼻子腔体内的露点、带钢的钢种、镀层种类、锌液温度和带钢温度进行训练并得出神经网络模型。当锌液表面锌渣量发生变化时，利用模型给出调整预测，调节炉鼻子加湿气的参数，根据摄像头的视觉识别反馈来减少锌渣的量。
45.本实施例公开的一种基于视觉识别的热镀锌加湿系统，通过收集现场的加湿参数和对应的炉鼻子露点仪检测数据，并通炉鼻子摄像头的视觉识别结果进行反馈，建立带钢参数、加湿系统参数和炉鼻子露点之间的加湿神经网络模型，并不断的进行模型的训练优化，最终实现不同钢种和不同镀层产品生产的加湿系统的智能控制，降低镀层产品的表面缺陷产生概率。解决了现有技术中，人为根据经验调整炉鼻子加湿系统参数，效率低下，控制准确度不高的问题。
46.上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。