一种钢水温度检测方法、装置、电子设备及存储介质与流程

1.本发明涉及冶金工业领域，具体涉及一种钢水温度检测方法、装置、电子设备及存储介质。


背景技术：

2.钢铁冶炼过程中，温度是影响炼钢铸坯产量和质量的重要因素之一。吹炼任何钢种都对其出钢温度有一定的要求，控制好终点温度是顶吹转炉冶炼操作的重要环节之一，而控制好过程温度是控制好终点温度的关键。但由于炼钢转炉构造的特殊性，无法在冶炼过程中持续对钢水进行测温，只能通过观察火焰的色调、亮度、浓度变化等来推测转炉中钢水的温度。
3.目前，在工业中对转炉炼钢钢水的温度判断还是基于人工观察火焰的色调、亮度、浓度变化从而进行判断的传统方式。通过人眼判断钢水温度对操作人员的经验要求极高，且长时间用肉眼观看火焰容易造成视觉疲劳，从而可能导致判断不准确等问题。所以亟需一种新的技术手段，以对钢水温度进行实时检测和监控。然而，当前技术中多使用热成像光谱相机对火焰温度进行检测，成本较高，不利于广泛推行和使用。
4.需要说明的是，上述内容仅提供了与本发明相关的背景技术信息，不必然构成在先技术。


技术实现要素：

5.鉴于以上所述现有技术的缺点，本发明提供一种钢水温度检测方法、装置、电子设备及存储介质，以解决上述技术问题中至少之一。
6.本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
7.根据本发明实施例的一个方面，提供了一种钢水温度检测方法，包括：获取待检测钢水图像及图像采集设备参数，所述待检测钢水图像由图像采集设备采集得到，所述图像采集设备参数为所述图像采集设备采集所述待检测钢水图像时的参数；根据火焰图像特征在所述待检测钢水图像中提取感兴趣火焰区域；将所述待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示所述灰度图，通过所述灰度矩阵转换的布尔矩阵得到无效区域，在所述感兴趣火焰区域中裁剪所述无效区域得到至少一初始有效火焰区域，拼接各所述初始有效火焰区域得到有效火焰区域；根据预设裁剪阈值裁剪所述有效火焰区域，以得到目标火焰区域；确定所述目标火焰区域的火焰图像信息；将所述火焰图像信息和所述图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测，所述训练后的映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到。
8.在本发明的一个实施例中，基于前述方案，获取待检测钢水图像之后，还包括：根据预设缩放倍数对所述待检测钢水图像进行缩放，得到预处理钢水图像；根据所述火焰图像特征在所述预处理钢水图像中提取预处理感兴趣火焰区域；将所述预处理钢水图像通过
灰度处理得到预处理灰度图，并通过预处理灰度矩阵表示所述预处理灰度图，将所述预处理灰度矩阵转换为预处理布尔矩阵，通过所述预处理布尔矩阵得到预处理无效区域；在所述预处理感兴趣火焰区域中裁剪所述预处理无效区域，以得到至少一预处理初始有效火焰区域；根据所述预设缩放倍数对各所述预处理初始有效火焰区域进行还原，得到至少一所述初始有效火焰区域。
9.在本发明的一个实施例中，基于前述方案，根据所述火焰图像特征在所述预处理钢水图像中提取预处理感兴趣火焰区域，包括：将所述预处理钢水图像通过灰度处理得到第一灰度图，并通过第一灰度矩阵表示所述第一灰度图；基于预设划分阈值对所述第一灰度图进行区域划分，得到若干子区域；根据所述第一灰度矩阵的灰度值计算每一所述子区域的区域灰度值，以得到所述火焰图像特征；将所有所述区域灰度值大于预设区域灰度阈值的子区域进行合并，得到所述预处理感兴趣火焰区域。
10.在本发明的一个实施例中，基于前述方案，根据火焰图像特征在所述待检测钢水图像中提取感兴趣火焰区域，包括：根据预设缩放倍数对所述待检测钢水图像进行缩放，得到预处理钢水图像；基于所述火焰图像特征在所述预处理钢水图像中提取预处理感兴趣火焰区域的预处理边界信息，所述预处理边界信息包括左边界坐标信息、右边界坐标信息、上边界坐标信息和下边界坐标信息；根据所述预设缩放倍数及所述预处理边界信息，得到所述感兴趣火焰区域的边界信息；根据所述边界信息在所述待检测钢水图像中提取所述感兴趣火焰区域。
11.在本发明的一个实施例中，基于前述方案，将所述待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示所述灰度图，通过所述灰度矩阵转换的布尔矩阵得到无效区域，包括：根据预设缩放倍数对所述待检测钢水图像进行缩放，得到预处理钢水图像；将所述预处理钢水图像通过灰度处理得到第二灰度图，并通过第二灰度矩阵表示所述第二灰度图；将所述第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为1，将所述第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为0，以将所述第二灰度矩阵转换为布尔矩阵；若所述布尔矩阵中预设方向上连续出现大于预设无效阈值的无效值个0，则将所述无效值个0在所述预处理钢水图像中对应的区域确定为预处理无效区域；根据所述预设缩放倍数及所述预处理无效区域，得到所述待检测钢水图像中对应的无效区域。
12.在本发明的一个实施例中，基于前述方案，在所述感兴趣火焰区域中裁剪所述无效区域得到至少一初始有效火焰区域，拼接各所述初始有效火焰区域得到有效火焰区域，包括：获取所述预处理钢水图像对应的各所述预处理初始有效火焰区域的预设方向边界坐标，得到预处理边界坐标组；根据所述预设缩放倍数还原所述预处理边界坐标组在所述感兴趣火焰区域上的边界坐标组信息，以获取所述初始有效火焰区域的边界坐标组信息；根据所述边界坐标组信息，获取所述感兴趣火焰区域中一初始有效火焰区域预设方向的第一边界坐标和第二边界坐标对应范围内的图像，得到一初始有效火焰区域图像；将全部所述初始有效火焰区域图像进行拼接，得到所述有效火焰区域。
13.在本发明的一个实施例中，基于前述方案，根据预设裁剪阈值裁剪所述有效火焰区域，以得到目标火焰区域，包括：根据第一预设裁剪阈值裁剪所述有效火焰区域第一预设方向两侧的图像，根据第二预设裁剪阈值裁剪所述有效火焰区域第二预设方向两侧的图像，以提取所述有效火焰区域的中心部分得到目标火焰区域，所述第一预设方向与所述第
二预设方向不同。
14.在本发明的一个实施例中，基于前述方案，确定所述目标火焰区域的火焰图像信息，包括：分别提取所述目标火焰区域的图像的红色通道、绿色通道和蓝色通道的均值，将所述目标火焰区域的图像转换至hsv颜色空间之后，分别提取所述目标火焰区域的图像的色相通道、饱和度通道、亮度通道的均值，以生成所述目标火焰区域中火焰的六个特征信息；将所述红色通道的均值、所述绿色通道的均值、所述蓝色通道的均值、所述色相通道的均值、所述饱和度通道的均值和所述亮度通道的均值作为所述目标火焰区域的火焰图像信息。
15.在本发明的一个实施例中，基于前述方案，所述训练后的映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到，包括：获取历史钢水图像的样本火焰图像信息及历史的样本图像采集设备参数，形成训练图像样本数据；根据所述样本火焰图像信息对应的样本实测钢水温度对所述训练图像样本数据进行标注，形成样本数据集；基于所述样本数据集对预设映射模型进行训练，得到所述训练后的映射模型。
16.根据本发明实施例的一个方面，提供了一种钢水温度检测装置，包括：获取模块，配置为获取待检测钢水图像及图像采集设备参数，所述待检测钢水图像由图像采集设备采集得到，所述图像采集设备参数为所述图像采集设备采集所述待检测钢水图像时的参数；第一处理模块，配置为根据火焰图像特征在所述待检测钢水图像中提取感兴趣火焰区域；第二处理模块，配置为将所述待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示所述灰度图，通过所述灰度矩阵转换的布尔矩阵得到无效区域，在所述感兴趣火焰区域中裁剪所述无效区域得到至少一初始有效火焰区域，拼接各所述初始有效火焰区域得到有效火焰区域；第三处理模块，配置为根据预设裁剪阈值裁剪所述有效火焰区域，以得到目标火焰区域；确定模块，配置为确定所述目标火焰区域的火焰图像信息；检测模块，配置为将所述火焰图像信息和所述图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测，所述训练后的映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到。
17.根据本发明实施例的一个方面，提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述各实施例中任一项所述的钢水温度检测方法。
18.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如上述各实施例中任一项所述的钢水温度检测方法。
19.本发明的有益效果：本发明中提供一种钢水温度检测方法、装置、电子设备及存储介质，本发明通过模拟人工观察火焰的方式，使用价格低廉的普通光学相机采集火焰图像信息，通过机器学习模型学习火焰图像信息与钢水温度间的映射关系，同时轻量化的机器学习模型既保证了准确度也保证了实时性。本发明针对钢铁行业中转炉炼钢环节，通过采集到的火焰及相机曝光信息，基于机器学习有效、精确地计算出实时钢水温度，具有设备成本低、模型轻量化、实时性高的优点，可实现对转炉炼钢钢水温度的实时监控。
20.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不
能限制本发明。
附图说明
21.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
22.图1是本技术的一示例性实施例示出的示例性系统架构的示意图；
23.图2是本技术的一示例性实施例示出的钢水温度检测方法的流程示意图；
24.图3a是本技术的一示例性实施例示出的钢水温度检测方法的待检测钢水图像示意图；
25.图3b是本技术的一示例性实施例示出的钢水温度检测方法的感兴趣火焰区域示意图；
26.图3c是本技术的一示例性实施例示出的钢水温度检测方法的有效火焰区域示意图；
27.图3d是本技术的一示例性实施例示出的钢水温度检测方法的目标火焰区域示意图；
28.图4是本技术的一示例性实施例示出的钢水温度检测方法的实施方法流程框图；
29.图5是本技术的一示例性实施例示出的钢水温度检测装置的框图；
30.图6示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
31.以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
32.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
33.在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
34.首先需要说明的是，计算机视觉技术(computer vision，简称cv)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像
或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、ocr、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3d技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。本发明依据计算机视觉技术得到目标火焰区域的火焰图像信息，从而通过训练后的映射模型得到钢水温度，以完成钢水温度检测。
35.图1是本技术的一示例性实施例示出的示例性系统架构的示意图。
36.参照图1所示，系统架构可以包括图像采集设备101和计算机设备102。其中，计算机设备102可以是台式图形处理器(graphic processing unit，gpu)计算机、gpu计算集群、神经网络计算机等中的至少一种。相关技术人员可以使用该计算机设备102实现对图像及数据的处理，获取待检测钢水图像及图像采集设备参数之后，根据火焰图像特征在待检测钢水图像中提取感兴趣火焰区域；通过灰度矩阵表示灰度处理待检测钢水图像得到的灰度图，通过灰度矩阵转换的布尔矩阵得到无效区域，在感兴趣火焰区域中裁剪无效区域得到至少一初始有效火焰区域，拼接各初始有效火焰区域得到有效火焰区域；根据预设裁剪阈值裁剪有效火焰区域，以得到目标火焰区域；确定目标火焰区域的火焰图像信息；将火焰图像信息和图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测。图像采集设备101用于采集所需要的图像，在本实施例中图像采集设备101采集图像之后将图像提供给计算机设备102进行处理。需要说明的是，本实施例提供的图像采集设备101和计算机设备102仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
37.需要说明的是，本技术实施例所提供的钢水温度检测方法一般由计算机设备102执行，相应地，钢水温度检测装置一般设置于计算机设备102中。
38.图2是本技术的一示例性实施例示出的钢水温度检测方法的流程示意图，该钢水温度检测方法可以计算处理设备来执行，该计算处理设备可以是图1中所示的计算机设备102。参照图2所示，该钢水温度检测方法至少包括步骤s210至步骤s260，详细介绍如下：
39.在步骤s210中，获取待检测钢水图像及图像采集设备参数。
40.其中，待检测钢水图像由图像采集设备采集得到，图像采集设备参数为图像采集设备采集待检测钢水图像时的参数。如图3a所示，图3a是本技术的一示例性实施例示出的钢水温度检测方法的待检测钢水图像示意图。
41.在本技术的一个实施例中，通过图像采集设备采集转炉炼钢的待检测钢水图像，包括炉口火焰区域的图像，并获取图像采集设备的图像采集设备参数，图像采集设备参数为图像采集设备采集待检测钢水图像时图像采集设备的当前参数，图像采集设备包括但不限于相机、普通光学相机等，图像采集设备参数包括但不限于曝光值信息、焦距等。
42.在本实施例中，以图像采集设备为相机、图像采集设备参数为曝光值参数为例，采集当前相机的曝光值信息，并将曝光值信息输出至日志中，以供后续模型训练及根据模型计算钢水温度等需要时进行获取。
43.在本技术的一个实施例中，获取待检测钢水图像之前，还包括，调整图像采集设备的焦距，以使图像采集设备能够拍摄出转炉火焰的全部区域，且转炉火焰位于图像的中心区域。
44.在本技术的一个实施例中，获取待检测钢水图像之后，根据预设缩放倍数对待检
测钢水图像进行缩放，得到预处理钢水图像；根据火焰图像特征在预处理钢水图像中提取预处理感兴趣火焰区域；将预处理钢水图像通过灰度处理得到预处理灰度图，并通过预处理灰度矩阵表示预处理灰度图，将预处理灰度矩阵转换为预处理布尔矩阵，通过预处理布尔矩阵得到预处理无效区域；在预处理感兴趣火焰区域中裁剪预处理无效区域，以得到至少一预处理初始有效火焰区域；根据预设缩放倍数对各预处理初始有效火焰区域进行还原，得到至少一初始有效火焰区域。
45.在本实施例中，对采集到的待检测钢水图像进行预处理即缩放处理，具体为将原图即待检测钢水图像的宽度和高度根据预设缩放倍数进行缩小，得到缩放后小图即预处理钢水图像的宽度和高度，其具体表达式为：
46.w＝w/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(1)
47.h＝h/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(2)
48.其中，w为待检测钢水图像的宽度，w为预处理钢水图像的宽度，h为待检测钢水图像的高度，h为预处理钢水图像的高度，n为预设缩放倍数。通过对采集的原图进行缩放处理，提高运算速度，进而使钢水温度检测更及时。
49.在步骤s220中，根据火焰图像特征在待检测钢水图像中提取感兴趣火焰区域。
50.在本技术的一个实施例中，将预处理钢水图像通过灰度处理得到第一灰度图，并通过第一灰度矩阵表示第一灰度图；基于预设划分阈值对第一灰度图进行区域划分，得到若干子区域；根据第一灰度矩阵的灰度值计算每一子区域的区域灰度值，以得到火焰图像特征；将所有区域灰度值大于预设区域灰度阈值的子区域进行合并，得到预处理感兴趣火焰区域。
51.需要说明的是，在本实施例中，上述将预处理钢水图像进行灰度处理与上述基于预设划分阈值进行区域划分之间没有固定的先后顺序，可以先将预处理钢水图像进行灰度处理再基于预设划分阈值进行区域划分，也可以先基于预设划分阈值进行区域划分再将预处理钢水图像进行灰度处理。即除了上述实施例举例说明的之外，还可以基于预设划分阈值对预处理钢水图像进行区域划分，得到若干子区域；将上述若干子区域通过灰度处理得到第一子区域灰度图，并通过第一子区域灰度矩阵表示第一子区域灰度图；根据第一子区域灰度矩阵的灰度值计算每一子区域的区域灰度值，以得到火焰图像特征；将所有区域灰度值大于预设区域灰度阈值的子区域进行合并，得到预处理感兴趣火焰区域。
52.在本技术的一个实施例中，根据预设缩放倍数对待检测钢水图像进行缩放，得到预处理钢水图像；根据火焰图像特征在预处理钢水图像中提取预处理感兴趣火焰区域的预处理边界信息，预处理边界信息包括左边界坐标信息、右边界坐标信息、上边界坐标信息和下边界坐标信息；根据预设缩放倍数及预处理边界信息，得到感兴趣火焰区域的边界信息；根据边界信息在待检测钢水图像中提取感兴趣火焰区域。如图3b所示，图3b是本技术的一示例性实施例示出的钢水温度检测方法的感兴趣火焰区域示意图。
53.在本实施例中，识别待检测钢水图像得到包含火焰区域的roi(region of interest，感兴趣区域)区域，提取缩放后小图的roi区域的预处理感兴趣火焰区域的预处理边界信息，上述预处理边界信息的信息格式及内容为：x1,y1,x2,y2，其中，x1为预处理感兴趣火焰区域的左边界坐标，y1为预处理感兴趣火焰区域的上边界坐标，x2为预处理感兴趣火焰区域的右边界坐标，y2为预处理感兴趣火焰区域的下边界坐标。根据上述预处理边界信
息还原该区域在原始图像上的区域大小，得到roi区域a的坐标信息即感兴趣火焰区域的边界信息，具体表达式为：
54.x1＝x1×
n，y1＝y1×
n，x2＝x2×
n，y2＝y2×
n 公式(3)
55.其中，x1为感兴趣火焰区域的左边界坐标，y1为感兴趣火焰区域的上边界坐标，x2为感兴趣火焰区域的右边界坐标，y2为感兴趣火焰区域的下边界坐标，x1为预处理感兴趣火焰区域的左边界坐标，y1为预处理感兴趣火焰区域的上边界坐标，x2为预处理感兴趣火焰区域的右边界坐标，y2为预处理感兴趣火焰区域的下边界坐标，n为预设缩放倍数。根据感兴趣火焰区域的边界信息在待检测钢水图像提取感兴趣火焰区域。
56.在步骤s230中，将待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示灰度图，通过灰度矩阵转换的布尔矩阵得到无效区域，在感兴趣火焰区域中裁剪无效区域得到至少一初始有效火焰区域，拼接各初始有效火焰区域得到有效火焰区域。
57.在本技术的一个实施例中，根据预设缩放倍数对待检测钢水图像进行缩放，得到预处理钢水图像；将预处理钢水图像通过灰度处理得到第二灰度图，并通过第二灰度矩阵表示第二灰度图；将第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为1，将第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为0，以将第二灰度矩阵转换为布尔矩阵；若布尔矩阵中预设方向上连续出现大于预设无效阈值的无效值个0，则将无效值个0在预处理钢水图像中对应的区域确定为预处理无效区域；根据预设缩放倍数及预处理无效区域，得到待检测钢水图像中对应的无效区域。需要说明的是，预设方向为钢水流动的方向，根据图像采集设备放置方式不同，预设方向可以为水平方向，也可以为竖直方向，一般情况下，预设方向为水平方向。无效区域指的是无效区域对应的位置。
58.在本实施例中，若布尔矩阵中预设方向上连续出现大于预设无效阈值的无效值个0，则将无效值个0在预处理钢水图像中对应的区域确定为预处理无效区域，直到该预设方向上连续出现大于预设有效阈值的有效值个1，即若在该预设方向上连续出现大于预设有效阈值的有效值个1，则将有效值个1在预处理钢水图像中对应的区域确定为一预处理初始有效火焰区域；以将全部预处理初始有效火焰区域进行拼接得到预处理有效火焰区域，进而根据预设缩放倍数将预处理有效火焰区域进行还原，得到有效火焰区域。
59.需要说明的是，在本实施例中，第二灰度图的确定方式还包括，将预处理感兴趣火焰区域通过灰度处理得到第二灰度图。也即将预处理感兴趣火焰区域通过灰度处理得到第二灰度图，并通过第二灰度矩阵表示第二灰度图；将第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为1，将第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为0，以将第二灰度矩阵转换为布尔矩阵；若布尔矩阵中预设方向上连续出现大于预设阈值的无效值个0，则将无效值个0在预处理钢水图像中对应的区域确定为预处理无效区域；根据预设缩放倍数及预处理无效区域，得到待检测钢水图像中对应的无效区域。
60.在本实施例中，若在该预设方向上连续出现大于预设有效阈值的有效值个1，则将有效值个1在预处理钢水图像中对应的区域确定为一预处理初始有效火焰区域，若在该预设方向上连续出现小于或等于预设有效阈值的有效值个1，则将有效值个1在预处理钢水图像中对应的区域确定为无效区域。
61.在本技术的一个实施例中，获取预处理钢水图像对应的各预处理初始有效火焰区域的预设方向边界坐标，得到预处理边界坐标组；根据预设缩放倍数还原预处理边界坐标
组在感兴趣火焰区域上的边界坐标组信息，以获取初始有效火焰区域的边界坐标组信息；根据边界坐标组信息，获取感兴趣火焰区域中一初始有效火焰区域预设方向的第一边界坐标和第二边界坐标对应范围内的图像，得到一初始有效火焰区域图像；将全部初始有效火焰区域图像进行拼接，得到有效火焰区域。如图3c所示，图3c是本技术的一示例性实施例示出的钢水温度检测方法的有效火焰区域示意图。
62.在本实施例中，以预设方向为水平方向为例，获取x1，x2范围内即预处理感兴趣火焰区域的左边界坐标和预处理感兴趣火焰区域的右边界坐标对应范围内的图像的有效火焰区域的边界横坐标，得到边界坐标组，边界坐标组具体内容为[x
′1,x
′2,...,x
′n]，其中x
′1,x
′2,...,x
′n为有效火焰区域在缩放后的roi区域a即预处理感兴趣火焰区域上的边界横坐标；还原上述边界坐标组在roi区域a原始图像上的位置，具体表达式为[x
′1,x
′2,...,x
′n]，其中，x
′1,x
′2,...,x
′n的计算公式为：
[0063]
x
′1＝x
′1×
n，x
′2＝x
′2×
n，......，x
′n＝x
′n×
n 公式(4)
[0064]
其中，x
′1,x
′2,...,x
′n为有效火焰区域在原始roi区域a即感兴趣火焰区域上的边界横坐标，n为预设缩放倍数。根据边界坐标组信息还原有效火焰区域在感兴趣火焰区域的位置；以使在感兴趣火焰区域中裁剪得到至少一初始有效火焰区域图像；将全部初始有效火焰区域图像进行拼接，得到有效火焰区域。
[0065]
在步骤s240中，根据预设裁剪阈值裁剪有效火焰区域，以得到目标火焰区域。
[0066]
在本技术的一个实施例中，根据第一预设裁剪阈值裁剪有效火焰区域第一预设方向两侧的图像，根据第二预设裁剪阈值裁剪有效火焰区域第二预设方向两侧的图像，以提取有效火焰区域的中心部分得到目标火焰区域，如图3d所示，图3d是本技术的一示例性实施例示出的钢水温度检测方法的目标火焰区域示意图。上述第一预设方向与第二预设方向不同。
[0067]
在本实施例中，以第一预设裁剪阈值为需要裁剪的宽度，第二预设裁剪阈值为需要裁剪的高度为例，对有效火焰区域进行中心裁剪，裁剪后的目标火焰区域各边界坐标其表达式为：
[0068]
x
c1
＝dw
ꢀꢀꢀꢀꢀꢀꢀ
公式(5)
[0069]
x
c2
＝bw-dw
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(6)
[0070]yc1
＝dh
ꢀꢀꢀꢀꢀꢀꢀ
公式(7)
[0071]yc2
＝bh-dh
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(8)
[0072]
其中，dw为第一预设裁剪阈值即需要裁剪的宽度，dh为第二预设裁剪阈值即需要裁剪的高度，bw为有效火焰区域的宽度，bh为有效火焰区域的高度，x
c1
为裁剪后的目标火焰区域在有效火焰区域上的左边界坐标，x
c2
为裁剪后的目标火焰区域在有效火焰区域上的右边界坐标，y
c1
为裁剪后的目标火焰区域在有效火焰区域上的下边界坐标，y
c2
为裁剪后的目标火焰区域在有效火焰区域上的上边界坐标。
[0073]
在步骤s250中，确定目标火焰区域的火焰图像信息。
[0074]
在本技术的一个实施例中，分别提取目标火焰区域的图像的红色通道、绿色通道和蓝色通道的均值，将目标火焰区域的图像转换至hsv颜色空间之后，分别提取目标火焰区域的图像的色相通道、饱和度通道、亮度通道的均值，以生成目标火焰区域中火焰的六个特征信息；将红色通道的均值、绿色通道的均值、蓝色通道的均值、色相通道的均值、饱和度通
道的均值和亮度通道的均值作为目标火焰区域的火焰图像信息。
[0075]
在步骤s260中，将火焰图像信息和图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测。
[0076]
其中，映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到。
[0077]
在本技术的一个实施例中，获取历史钢水图像的样本火焰图像信息及历史的样本图像采集设备参数，形成训练图像样本数据；根据样本火焰图像信息对应的样本实测钢水温度对训练图像样本数据进行标注，形成样本数据集；基于样本数据集对预设映射模型进行训练，得到训练后的映射模型。该映射模型用以表征火焰图像信息及图像采集设备参数与钢水温度间的映射关系。通过获取到的火焰图像信息及相机曝光值信息即图像采集设备参数，基于机器学习，有效、精确地计算出实时钢水温度，具有设备成本低、模型轻量化、实时性高的优点，可实现对转炉炼钢钢水温度的实时检测与监控。
[0078]
在本实施例中，根据冶炼全过程中可观测到钢水图像的任意时刻测量所得的钢水温度，对该时刻的火焰图像信息进行标注。
[0079]
在本实施例中，以图像采集设备参数为曝光值信息为例，运用机器学习拟合火焰图像信息及曝光值信息与钢水温度间的映射关系，得到映射模型，该机器学习模型包括但不限于线性拟合，回归树等模型，对火焰图像信息及曝光值信息与钢水间的映射关系进行拟合。例如，根据xgboost(extreme gradient boosting，极端梯度提升)训练回归模型得到预设映射模型。需要说明的是，本实施例仅为举例说明，并不对机器学习模型及预设映射模型进行限制，更不应对本发明实施例的功能和使用范围带来任何限制。
[0080]
在本技术的一个实施例中，对从待检测钢水图像处理后得到的目标火焰图像的特征信息的提取即提取火焰图像信息是实现智能化钢水温度识别的一个重点，故需要对火焰温度与色彩、亮度的关系进行归纳以确定需要提取的火焰图像信息，并通过相机的曝光算法对图像进行采集，以保证图像的成像质量；在对图像进行采集后，需要提取出roi区域并对图像做出合适的图像处理操作，使火焰图像特征能被保留而其余信息被去除，从而精确的提取到目标火焰区域的火焰图像信息。
[0081]
在本技术的一个实施例中，将采集到的图像即待检测钢水图像转换为灰度图，并通过m行n列的灰度矩阵表示该灰度图，再通过图像处理操作去除灰度图中没有用的信息而尽可能保留更多的有用信息，如火焰图像特征。通过设置一个灰度值阈值，将灰度矩阵中的灰度值与灰度值阈值进行数值大小的比较，若灰度值大于灰度值阈值则更新该灰度值为1，若灰度值小于或等于灰度值阈值则更新该灰度值为0；通过该处理后，得到一个m行n列的布尔矩阵，分别对该布尔矩阵的行、列进行求和，根据所设置的roi区域边界数值对roi区域a、roi区域b的坐标信息进行提取，并提取roi区域b的中间区域得到roi区域c。
[0082]
图4是本技术的一示例性实施例示出的钢水温度检测方法的实施方法流程框图。
[0083]
参照图4所示，在本技术的一个实施例中，以图像采集设备为相机、图像采集设备参数为曝光值信息为例。通过相机采集待检测钢水图像，并获取当前相机的曝光值信息；根据预设缩放倍数对待检测钢水图像进行图像缩放的图像预处理，得到预处理钢水图像；将预处理图像通过灰度处理得到灰度图，并通过灰度矩阵表示该灰度图；将该灰度图依据预设划分阈值进行区域划分，得到若干子区域，根据灰度矩阵的灰度值计算上述每一子区域
的区域灰度值，将所有区域灰度值大于预设灰度阈值的子区域进行合并，得到预处理感兴趣火焰区域，根据预设缩放倍数将预处理感兴趣火焰区域还原，得到感兴趣火焰区域，以设置roi区域a即感兴趣火焰区域；将灰度矩阵转换为布尔矩阵，若布尔矩阵中预设方向上连续出现大于预设阈值的无效值个0，则将无效值个0在预处理钢水图像中对应的区域确定为预处理无效区域，在预处理感兴趣火焰区域中裁剪预处理无效区域，得到至少一初始有效火焰区域，将全部初始有效火焰区域进行拼接，得到有效火焰区域，以提取区域a中有效区域得到roi区域b即有效火焰区域；根据预设裁剪阈值对有效火焰区域进行裁剪，以提取该有效火焰区域的中心部分得到目标火焰区域，即提取b区域的中心部分得到roi区域c也即目标火焰区域；分别提取roi区域c图像的红色通道、绿色通道、蓝色通道的均值，将该图像转换至hsv颜色空间后，再分别提取该图像色相通道、饱和度通道、亮度通道的均值，得到roi区域c火焰的六个特征信息，以提取区域c中火焰图像信息，并将火焰图像信息及曝光值信息输出至日志；根据已采集钢水温度测量结果即实测钢水温度对火焰图像信息进行标注，运用机器学习模型拟合火焰图像信息及曝光值信息与钢水温度间的映射关系，加载模型，并输出实时钢水温度。
[0084]
图5是本技术的一示例性实施例示出的钢水温度检测装置的框图。该装置可以应用于图1所示的实施环境，并具体配置在计算机设备102中。该装置也可以适用于其它的示例性实施环境，并具体配置在其它设备中，本实施例不对该装置所适用的实施环境进行限制。
[0085]
如图5所示，该示例性的钢水温度检测装置包括：获取模块510、第一处理模块520、第二处理模块530、第三处理模块540、确定模块550和检测模块560。
[0086]
其中，获取模块510，配置为获取待检测钢水图像及图像采集设备参数，待检测钢水图像由图像采集设备采集得到，图像采集设备参数为图像采集设备采集待检测钢水图像时的参数；第一处理模块520，配置为根据火焰图像特征在待检测钢水图像中提取感兴趣火焰区域；第二处理模块530，配置为将待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示灰度图，通过灰度矩阵转换的布尔矩阵得到无效区域，在感兴趣火焰区域中裁剪无效区域得到至少一初始有效火焰区域，拼接各初始有效火焰区域得到有效火焰区域；第三处理模块540，配置为根据预设裁剪阈值裁剪有效火焰区域，以得到目标火焰区域；确定模块550，配置为确定目标火焰区域的火焰图像信息；检测模块560，配置为将火焰图像信息和图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测，训练后的映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到。
[0087]
需要说明的是，上述实施例所提供的钢水温度检测装置与上述实施例所提供的钢水温度检测方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。上述实施例所提供的钢水温度检测装置在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，本处也不对此进行限制。
[0088]
本发明的实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得电子设备实现上述各个实施例中提供的钢水温度检测方法。
[0089]
图6示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0090]
如图6所示，计算机系统600包括中央处理单元(central processing unit，cpu)601，其可以根据存储在只读存储器(read-only memory，rom)602中的程序或者从储存部分608加载到随机访问存储器(random access memory，ram)603中的程序而执行各种适当的动作和处理，例如执行上述各个实施例提供的方法。在ram 603中，还存储有系统操作所需的各种程序和数据。cpu 601、rom 602以及ram 603通过总线604彼此相连。输入/输出(input/output，i/o)接口605也连接至总线604。
[0091]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分607；包括硬盘等的储存部分608；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入储存部分608。
[0092]
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本发明的系统中限定的各种功能。
[0093]
需要说明的是，本发明实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0094]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于
实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0095]
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0096]
本发明的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机的处理器执行时，使计算机执行如上述各个实施例中提供的钢水温度检测方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。
[0097]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0098]
本技术的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的钢水温度检测方法。
[0099]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
[0100]
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
[0101]
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

技术特征：
1.一种钢水温度检测方法，其特征在于，包括：获取待检测钢水图像及图像采集设备参数，所述待检测钢水图像由图像采集设备采集得到，所述图像采集设备参数为所述图像采集设备采集所述待检测钢水图像时的参数；根据火焰图像特征在所述待检测钢水图像中提取感兴趣火焰区域；将所述待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示所述灰度图，通过所述灰度矩阵转换的布尔矩阵得到无效区域，在所述感兴趣火焰区域中裁剪所述无效区域得到至少一初始有效火焰区域，拼接各所述初始有效火焰区域得到有效火焰区域；根据预设裁剪阈值裁剪所述有效火焰区域，以得到目标火焰区域；确定所述目标火焰区域的火焰图像信息；将所述火焰图像信息和所述图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测，所述训练后的映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到。2.根据权利要求1所述的钢水温度检测方法，其特征在于，获取待检测钢水图像之后，还包括：根据预设缩放倍数对所述待检测钢水图像进行缩放，得到预处理钢水图像；根据所述火焰图像特征在所述预处理钢水图像中提取预处理感兴趣火焰区域；将所述预处理钢水图像通过灰度处理得到预处理灰度图，并通过预处理灰度矩阵表示所述预处理灰度图，将所述预处理灰度矩阵转换为预处理布尔矩阵，通过所述预处理布尔矩阵得到预处理无效区域；在所述预处理感兴趣火焰区域中裁剪所述预处理无效区域，以得到至少一预处理初始有效火焰区域；根据所述预设缩放倍数对各所述预处理初始有效火焰区域进行还原，得到至少一所述初始有效火焰区域。3.根据权利要求2所述的钢水温度检测方法，其特征在于，根据所述火焰图像特征在所述预处理钢水图像中提取预处理感兴趣火焰区域，包括：将所述预处理钢水图像通过灰度处理得到第一灰度图，并通过第一灰度矩阵表示所述第一灰度图；基于预设划分阈值对所述第一灰度图进行区域划分，得到若干子区域；根据所述第一灰度矩阵的灰度值计算每一所述子区域的区域灰度值，以得到所述火焰图像特征；将所有所述区域灰度值大于预设区域灰度阈值的子区域进行合并，得到所述预处理感兴趣火焰区域。4.根据权利要求1所述的钢水温度检测方法，其特征在于，根据火焰图像特征在所述待检测钢水图像中提取感兴趣火焰区域，包括：根据预设缩放倍数对所述待检测钢水图像进行缩放，得到预处理钢水图像；基于所述火焰图像特征在所述预处理钢水图像中提取预处理感兴趣火焰区域的预处理边界信息，所述预处理边界信息包括左边界坐标信息、右边界坐标信息、上边界坐标信息和下边界坐标信息；根据所述预设缩放倍数及所述预处理边界信息，得到所述感兴趣火焰区域的边界信
息；根据所述边界信息在所述待检测钢水图像中提取所述感兴趣火焰区域。5.根据权利要求1所述的钢水温度检测方法，其特征在于，将所述待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示所述灰度图，通过所述灰度矩阵转换的布尔矩阵得到无效区域，包括：根据预设缩放倍数对所述待检测钢水图像进行缩放，得到预处理钢水图像；将所述预处理钢水图像通过灰度处理得到第二灰度图，并通过第二灰度矩阵表示所述第二灰度图；将所述第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为1，将所述第二灰度矩阵的灰度值大于预设灰度值阈值的结果值更新为0，以将所述第二灰度矩阵转换为布尔矩阵；若所述布尔矩阵中预设方向上连续出现大于预设无效阈值的无效值个0，则将所述无效值个0在所述预处理钢水图像中对应的区域确定为预处理无效区域；根据所述预设缩放倍数及所述预处理无效区域，得到所述待检测钢水图像中对应的无效区域。6.根据权利要求5所述的钢水温度检测方法，其特征在于，在所述感兴趣火焰区域中裁剪所述无效区域得到至少一初始有效火焰区域，拼接各所述初始有效火焰区域得到有效火焰区域，包括：获取所述预处理钢水图像对应的各所述预处理初始有效火焰区域的预设方向边界坐标，得到预处理边界坐标组；根据所述预设缩放倍数还原所述预处理边界坐标组在所述感兴趣火焰区域上的边界坐标组信息，以获取所述初始有效火焰区域的边界坐标组信息；根据所述边界坐标组信息，获取所述感兴趣火焰区域中一初始有效火焰区域预设方向的第一边界坐标和第二边界坐标对应范围内的图像，得到一初始有效火焰区域图像；将全部所述初始有效火焰区域图像进行拼接，得到所述有效火焰区域。7.根据权利要求1至6中任一项所述的钢水温度检测方法，其特征在于，根据预设裁剪阈值裁剪所述有效火焰区域，以得到目标火焰区域，包括：根据第一预设裁剪阈值裁剪所述有效火焰区域第一预设方向两侧的图像，根据第二预设裁剪阈值裁剪所述有效火焰区域第二预设方向两侧的图像，以提取所述有效火焰区域的中心部分得到目标火焰区域，所述第一预设方向与所述第二预设方向不同。8.根据权利要求1至6中任一项所述的钢水温度检测方法，其特征在于，确定所述目标火焰区域的火焰图像信息，包括：分别提取所述目标火焰区域的图像的红色通道、绿色通道和蓝色通道的均值，将所述目标火焰区域的图像转换至hsv颜色空间之后，分别提取所述目标火焰区域的图像的色相通道、饱和度通道、亮度通道的均值，以生成所述目标火焰区域中火焰的六个特征信息；将所述红色通道的均值、所述绿色通道的均值、所述蓝色通道的均值、所述色相通道的均值、所述饱和度通道的均值和所述亮度通道的均值作为所述目标火焰区域的火焰图像信息。9.根据权利要求1至6中任一项所述的钢水温度检测方法，其特征在于，所述训练后的
映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到，包括：获取历史钢水图像的样本火焰图像信息及历史的样本图像采集设备参数，形成训练图像样本数据；根据所述样本火焰图像信息对应的样本实测钢水温度对所述训练图像样本数据进行标注，形成样本数据集；基于所述样本数据集对预设映射模型进行训练，得到所述训练后的映射模型。10.一种钢水温度检测装置，其特征在于，包括：获取模块，用于获取待检测钢水图像及图像采集设备参数，所述待检测钢水图像由图像采集设备采集得到，所述图像采集设备参数为所述图像采集设备采集所述待检测钢水图像时的参数；第一处理模块，用于根据火焰图像特征在所述待检测钢水图像中提取感兴趣火焰区域；第二处理模块，用于将所述待检测钢水图像进行灰度处理得到灰度图，通过灰度矩阵表示所述灰度图，通过所述灰度矩阵转换的布尔矩阵得到无效区域，在所述感兴趣火焰区域中裁剪所述无效区域得到至少一初始有效火焰区域，拼接各所述初始有效火焰区域得到有效火焰区域；第三处理模块，用于根据预设裁剪阈值裁剪所述有效火焰区域，以得到目标火焰区域；确定模块，用于确定所述目标火焰区域的火焰图像信息；检测模块，用于将所述火焰图像信息和所述图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测，所述训练后的映射模型由样本火焰图像信息、样本图像采集设备参数及样本实测钢水温度训练得到。11.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1至9中任一项所述的钢水温度检测方法。12.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至9中任一项所述的钢水温度检测方法。

技术总结
本发明提供一种钢水温度检测方法、装置、电子设备及存储介质，通过获取待检测钢水图像及图像采集设备参数，根据火焰图像特征在待检测钢水图像中提取感兴趣火焰区域，通过灰度矩阵表示灰度处理待检测钢水图像得到的灰度图，通过灰度矩阵转换的布尔矩阵得到无效区域，在感兴趣火焰区域中裁剪无效区域得到至少一初始有效火焰区域，拼接各初始有效火焰区域得到有效火焰区域，根据预设裁剪阈值裁剪有效火焰区域，以得到目标火焰区域，确定目标火焰区域的火焰图像信息，将火焰图像信息和图像采集设备参数输入至训练后的映射模型中，得到钢水温度，以完成钢水温度检测；通过上述方法可以提供更实用、更精准的实时钢水温度检测方法，增加用户的满意度。加用户的满意度。加用户的满意度。


技术研发人员：许茹霜 张晓辉 庞殊杨 曹鑫 徐珂 王智君 舒敏 常圣 李强
受保护的技术使用者：中冶赛迪信息技术（重庆）有限公司
技术研发日：2023.08.02
技术公布日：2023/10/19