基于计算机视觉的高炉泡沫渣高度检测方法

辽宁石油化工大学学报 ›› 2007, Vol. 27 ›› Issue (3): 60-63.

基于计算机视觉的高炉泡沫渣高度检测方法

邓淑贤，李敏，程兰

辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001

收稿日期:2006-12-05 出版日期:2007-09-20 发布日期:2017-07-23

Detection Method of Foamed Slag Height Based on Computer Vision

DENG Shu-xian, LI Min, CHENG Lan 

School of Information and Control Engineering,Liaoning University of Petroleum & Chemical Technology， Fushun Liaoning 113001， P.R.China)

Received:2006-12-05 Published:2007-09-20 Online:2017-07-23

摘要/Abstract

摘要： 提出一种基于计算机视觉的高炉泡沫渣高度检测方法。在实验室对自制的高温炉内的泡沫渣图像进行了多次采集，并由计算机对该数字图像进行处理，由CRT监示器以黑白图像的形式实时显示泡沫渣的轮廓线，并由轮廓线背景的刻度线，即可以直接看出高炉泡沫渣各处的实际高度。通过与几种传统边缘检测方法的实验结果比较，充分论证了该检测方法具有更好的抗干扰性和适应性。

关键词: 计算机视觉, 泡沫渣, 图像处理, 边缘检测

Abstract: A detection method of foamed slag height based on computer vision was put forth. The image of self-made foamed slag in high temperature stove was gathered several times in laboratory，and the digital image was processed by computer. The contour line of foamed dreg was displayed in real-time on CRT monitor in the form of black and white image. According to the calibration tail of contour background，the actual height of foamed slag in stove can be observed directly. Compared with the experimental results of several kinds of traditional edge detection algorithms, it approves that this edge detection method has better immunity and adaptability.

Key words: Computer vision, Foamed dregs, Image processing, Edge detection

邓淑贤，李敏，程兰. 基于计算机视觉的高炉泡沫渣高度检测方法[J]. 辽宁石油化工大学学报, 2007, 27(3): 60-63.

DENG Shu-xian, LI Min, CHENG Lan. Detection Method of Foamed Slag Height Based on Computer Vision[J]. Journal of Liaoning Petrochemical University, 2007, 27(3): 60-63.

[1]	冯丽丹, 王闯, 祁军, 石元博. 基于改进YOLOv7的管道缺陷检测技术研究[J]. 辽宁石油化工大学学报, 2024, 44(4): 82-90.
[2]	韩济阳, 曹江涛, 王贺楠, 姬晓飞. 计算机视觉布料瑕疵检测方法综述[J]. 辽宁石油化工大学学报, 2022, 42(1): 70-77.
[3]	祁军，刘长虹，张威. 基于数字全息与随机组合的无串扰图像加密与水印研究[J]. 辽宁石油化工大学学报, 2018, 38(03): 93-98.
[4]	张威, 陈飞旭, 葛琳琳. 空间域和频率域相结合的图像水印研究[J]. 辽宁石油化工大学学报, 2017, 37(6): 51-55.
[5]	张威,葛琳琳. 一种抗几何失真的非对称图像水印算法的设计[J]. 辽宁石油化工大学学报, 2014, 34(6): 71-73.
[6]	卢紫微,吴成东. 基于重建方法的图像超分辨率技术发展现状分析与方向预测[J]. 辽宁石油化工大学学报, 2014, 34(2): 69-73.