基于图像处理对二氧化硅熔融行为的研究江紫薇安智伟焦裕刚摘要：二氧化硅作为铁尾矿的主要组成成分，是铁尾矿组分中最难熔融的部分。为了揭示铁尾矿在高炉渣中的熔融行为，根据一组熔融过程中高温熔池中二氧化硅的时序图像，研究了高温下二氧化硅颗粒的熔融过程。首先将图像灰度化后并利用高斯滤波去燥等方法对图像进行了预处理，然后建立了二氧化硅质心位置模型，利用KLT算法跟踪了二氧化硅质心的运动轨迹，利用帧差法和CNN算法计算了二氧化硅的实时面积。最后根据二氧化硅的边缘轮廓特征，建立了多元线性回归模型估算颗粒的扁平度，进而得出了二氧化硅颗粒的实时质量并求解出了二氧化硅的熔融速率。该研究对改进高炉渣直接成纤技术具有重要的指导意义。关键词：帧差法;高斯滤波;CNN算法;多元线性回归：TP391：ADOI：10.3969/j.issn.1003-6970.2020.07.041本文著录格式：江紫薇，安智伟，焦裕刚.基于图像处理对二氧化硅熔融行为的研究[J].软件，2020，41（07）：201-205+234StudyontheMeltingBehaviorofSilicaBasedonImageProcessingJIANGZi-wei1，ANZhi-wei2，JIAOYu-gang2（1.Schoolofscience，JiangxiUniversityofScienceandTechnology，Ganzhou341000，China;2.Schoolofscience，NorthChinaUniversityofTechnology，Beijing100144，China）【Abstract】：Thesilicaisthemaincomponentofirontailings，whichisalsothemostdifficultparttomelt.Inordertorevealthemeltingbehaviorofirontailingsinblastfurnaceslag，themeltingprocessofsilicaparticlesathightemperaturewasstudiedaccordingtoaseriesoftimesequenceimagesofsilicainhightemperaturemoltenpoolduringthemeltingprocess.Firstly，theimagewaspreprocessedwiththemethodofgaussianfilteringanddesiccation，andthenthepositionmodelofsilicacenterofmasswasestablished.ThemotiontrackofsilicacenterofmasswastrackedbyKLTalgorithm，andtherealtimeareaofsilicawascalculatedbyframedifferencemethodandCNNalgorithm.Finally，accordingtotheedgeprofileofsilica，amultiplelinearregressionmodelisestablishedtoestimatetheflatnessofsilicaparticles，andthenthereal-timemassofsilicaparticlesisobtainedandthemeltingrateofsilicaiscalculated.Thisresearchhasimportantguidingsignificancetoimprovethedirectblastfurnaceslagfiberformingtechnology.【Keywords】：Framedifference;Gaussianfilter;CNN;Multiplelinearregression0引言高爐渣是高炉炼铁过程产生的主要副产品，其年产量高、利用率低[1，2]。为了提高高炉渣的综合利用价值，高炉渣纤维化制备矿渣棉技术应运而生。这种技术保温材料的发展带来前景，还对钢铁行业的节能减排具有重要意义[3，4]。而高炉渣废石的熔解过程主要以SiO2熔解为主[5]，因此，研究二氧化硅的熔融行为对表征铁尾矿的熔融过程具有现实意义。但是高温熔池温度过高，常规检测设备在该环境下的使用寿命很短。为了解决这一问题，相关研究小组在世界范围内首次采用了一种具有放大作用的裂口CCD视频拍摄系统，通过该方法获得了一组高温熔池中二氧化硅的动态可视数据（时间序列下的序列图像及视频）。本文研究的主要目标是如何根据这一组时序图像，追踪二氧化硅在熔融这一动态过程中的运动轨迹、边缘轮廓特征和实时熔融速率。1图像的预处理为了对二氧化硅的边缘轮廓特征进行更加精准的定位，笔者对高温熔池中二氧化硅的动态图片进行了批量预处理。首先利用Python中Open.cv库将其灰度化，彩色图像灰度化实质是将一个彩色图像的三位像素矩阵为生成一个二维灰度矩阵的过程[6]，在最大程度上保留彩色图像信息的基础上还减小了图像的原始数据量，从而减少了后续过程的计算复杂度。然后进一步二值化处理并利用高斯滤波去燥[7]使处理后的图像变得更加平滑。最后，通过调整高斯模糊半径来控制获得的边缘的强度，放大了二氧化硅和图像中其他物体之间的差异，增强了计算机对二氧化硅运动轨迹的识别能力。2符号说明3二氧化硅质心追踪模型3.1质心追踪模型的建立根据组成二氧化硅的绝大多数离散点...