針對網(wǎng)帶窯燒結工況圖像頻域噪聲干擾的特點(diǎn)以及彩色圖像處理算法復雜、實(shí)時(shí)性差的問(wèn)題,提出了利用頻域濾波技術(shù)與灰度變換技術(shù)相結合對燒結工況圖像進(jìn)行預處理的算法,實(shí)現了燒結工況圖像的去噪與灰度變換。
針對單純的基于像素灰度值的圖像分割方法難以精確分割火焰區與物料區的難題,分析了網(wǎng)帶窯燒結工況圖像火焰區與物料區在紋理特征方面的差別,提出了利用Gabor小波紋理粗糙度對基于像素灰度值的FCM聚類(lèi)結果進(jìn)行去模糊化的燒結工況圖像分割算法,實(shí)現了圖像中火焰區與物料區的分割。根據“人工看火”經(jīng)驗描述了物料高度、閃爍頻率、整體平均灰度、火焰顏色與物料顏色五個(gè)回轉窯燒結工況圖像特征,提出了網(wǎng)帶窯從整體圖像及分割后的圖像中提取上述特征的算法。
根據“人工看火”過(guò)程的數據融合原理,針對網(wǎng)帶窯燒結工況圖像特征以及由燒成帶溫度、窯頭溫度、窯尾溫度以及冷卻機電流構成的關(guān)鍵過(guò)程數據的特點(diǎn),提出了包括數據濾波、同步序列化與歸一化處理的融合算法,得到了融合后的混合特征數據。將混合特征數據作為輸入,網(wǎng)帶窯欠燒結、正燒結和過(guò)燒結三種基本燒結工況作為輸出,建立了基于準正態(tài)二叉樹(shù)支持向量機的燒結工況識別模型?!緇rz】