梁 爽,何永辉,翁小平,殷泽军

(1.宝山钢铁股份有限公司中央研究院,上海 201999; 2.中国宝武钢铁集团有限公司宝武炭材料科技有限公司,上海 201900)

1 概述

焦类炭材料颗粒是生产超高功率电极、特种炭素材料、炭纤维及其复合材料等高端炭素制品的原料,有着广泛的应用[1-3]。焦类炭材料的颗粒形态也能在一定程度上反映出其性能[4]。因此,焦类炭材料颗粒的尺寸分布是其重要的质量指标之一。

在生产过程中,应实时监控焦类炭材料的尺寸分布,从而为调整生产工艺提供依据。目前,主要采用人工筛分的方法来统计焦类炭材料的尺寸分布。这种方法存在明显的不足,代表性较差,不能精确计算每一颗焦类炭材料的实际尺寸值,且工人劳动强度大,无法实现有效跟踪,如图1所示。

图1 多级筛分法示意图

本文针对国内某焦类炭材料产线在线质量检测需求,提出研制应用到炭材产线的焦类炭材料颗粒度在线检测系统。该系统结合自动筛分和机器视觉技术,有效实现对焦类炭材料粒度在线自动化筛分及颗粒度粒径的识别实现及时反馈。

2 工作原理及系统设计

2.1 系统构架及原理

焦类炭材料颗粒度在线检测系统由筛分系统、成像系统、电气系统、计算机系统、软件系统及机械设备六大部分组成,如图2所示。

图2 系统基本构架

将焦类炭材料通过自动筛分装置进行焦类炭材料不同颗粒度的筛分与自动称重及记录,再通过传送带完成图像检测及最终的焦类炭材料的分类回收,按照算法计算每颗颗粒粒径并记录颗粒数,自动生成尺寸概率分布图和其他用户要求的统计图,最后将检测结果进行统计生成报表。

2.2 筛分装置

筛分装置包括:焦类炭材料颗粒进料、称重、筛分为一体的三工位机构,筛分筛网放置、翻转为一体的六工位机构,以及筛网堵塞检查与清除一体的三维运动筛网清理机构。

通过不同大小的筛网及旋转盘实现自动筛分不同颗粒度的焦类炭材料。筛分出来的对应大小的颗粒首先进行称重,然后分别倒入振动上料台抖料台,按照不同颗粒度尺寸调整抖料口的大小,并且沿传送带左右方向在一定范围内抖动、落料,使焦类炭材料颗粒之间互相不黏连,经过传送带并且完成视觉颗粒度检测后,颗粒掉入回收料筐(不同筛网对应不同回收料筐),完成检测,如图3所示。

图3 筛分装置示意图

2.3 检测单元

视觉检测单元包括:来料传送机构、工业相机、光源、激光三维传感器以及电器控制系统用于完成传送带上的颗粒图像的采集以及视觉系统的图像处理、控制、存储等功能。提供友好的显示、人机交互界面。能够实现自动识别黏连的焦类炭材料,并采用机器学习技术对黏连的颗粒自动切分。计算每个颗粒的实际尺寸,为现场生产提供更精准的数据支撑,如图4所示。

图4 成像检测装置示意图

3 系统软件实现

3.1 软件框架及算法流程

系统软件功能模块包含了图像采集模块、快速颗粒分割、自动黏连分割、向导式标定、样本标记、样本管理、统计图标显示、长期存档及终端界面等。基本流程如图5所示。

图5 图像处理的基本流程图

3.2 分类识别算法

3.2.1 连通区域分析

综上所述，援疆实习支教是师范生实践育人的重要形式和载体，也是河西学院“向西发展”服务新疆地方经济社会建设的重大举措。援疆实习支教对大学生思想政治教育的意义，体现在继续规范化、制度化、系统化的教育管理，深刻挖掘思想政治教育的实践内涵，发挥援疆实习支教的榜样、示范作用，开辟高效在实践教学中加强大学生思想政治教育的有效途径，实现高校人才培养质量提升和服务地方经济社会建设的基本功能。

连通区域一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。连通区域分析是指将图像中的各个连通区域找出并标记。本系统中对于找到的每个连通区域,赋予其一个唯一的标识(Label),以区别其他连通区域,,如图6所示。

图6 连通与分析

3.2.2 边缘颗粒剔除

部分颗粒位于图像的边缘,图像不完整,如果计入统计,将造成统计值偏小,因此应将这部分颗粒剔除,如图7中黑色部分。

图7 剔除边缘颗粒

3.2.3 黏连颗粒识别

部分颗粒黏连在一起,通过前面的步骤,分割得到单个连通区域内,可能包含多个颗粒。因此,首选需要甄别哪些连通区域内可能存在多个颗粒。通过计算单个连通区域的特征值,能够较好地识别出颗粒是否存在黏连问题。通过大量的分析对比,我们总结出,通过计算颗粒的“凸包性”特征值,能够区分颗粒是否存在黏连问题,如图8所示。“凸包性”特征值定义如下:

图8 连通区域最小凸包

(1)

式中:C是“凸包性”特征值，是一个无量纲值;FO是连通区域本身的面积;FC是连通区域的最小外接凸包的面积。

从图9上可以明显可出,一个连通区域内如果存在多个黏连颗粒,其“凸包性”特征值明显偏小,通过此特征值,可以挑选出潜在黏连区域。

图9 连通区域的“凸包性”特征值

3.2.4 黏连区域分割

图10 骨架分析

图11 黏连颗粒分割效果示意图

4 应用

本文提出的焦类炭材料颗粒度在线检测方法已经在国内某条焦类炭材料生产线上得到了初步应用。本系统采用筛分装置进行焦类炭材料颗粒度生产线上的筛分,实现了全自动筛分,摆脱了离线人工抽检的老方法,大大提升了生产效率和检测精度,如图12。基于视觉颗粒度的分析也得到了很好的测试效果。

图12 现场筛分装置

视觉测量分析系统终端主界面如图13所示。它包括工具栏、图像显示、统计图等,提供了当前检测和历史检测信息,方便用户查询。同时提供了以柱状图的方式显示最新一次检测的结果中各尺寸颗粒的占比。

图13 颗粒度操作终端界面

系统经现场运行,焦类炭材料颗粒度在线检测系统的各粒度等级的筛分偏差均在8%以内。根据实际测试比对,对于视觉检测的98%以上中大颗粒尺寸测量精度优于±0.1 mm。

5 结论

(1)本文针对国内某焦类炭材料产线在线质量检测需求,提出研制应用到炭材产线的焦类炭材料颗粒度在线检测系统。采用自主研发的自动筛分机构,解决了人工抽检筛分判断颗粒比例等问题,同时可以采用机器视觉技术进一步进行颗粒度的测量。根据焦类炭材料颗粒度的特点提出的颗粒识别算法流程,有效地检测每一颗粒的实际尺寸并提供分布图,大大提高了检测精度。

(2)该系统结合自动筛分和机器视觉技术,有效实现对焦类炭材料粒度在线自动化筛分及颗粒度粒径的识别实现及时反馈。系统运行以来,一直保持着系统较高的分类检出率,满足了生产现场对系统的在线检测要求。