基于纹理特征的回转窑熟料烧结状态分类摘要:本文采用灰度共生矩阵方法,利用Fish系数提取出最佳分类位置算子和纹理特征参数,通过对实际回转窑窑头熟料图像分析,发现位置算子为(5,-5)即距离为5、方向为45°下的灰度共生矩阵对应的和平均、逆差距、差异熵、对比度、差方差和熵这六个参数具有较好的区分度,其表面纹理特征能客观地反映其烧结程度,并通过基于C4.5算法实现了过烧、欠烧和正常烧结三种不同状态下的熟料纹理分类,其精度达到了95.65%。同时结合实际工况对熟料纹理进行了分析,给出了各自的变化特点。关键词:回转窑,熟料,纹理,灰度共生矩阵,Fisher系数,C4.5算法:TP2文献标识码:A国家标准学科分类与代码:520.6040ClassificationofSinteredClinkerinRotaryKilnBasedonTextureFeaturesHEMin1,ZHANG激ng1,YANMin2,CHENHua3(1.CollegeofElectricalandInformationEngineering,HunanUniversity,Changsha,Hunan,410082,China2.CollegeofPhysicsandMicroeletronicScience,HunanUniversity,Changsha,Hunan,410082,China3.SchoolofComputerCommunication,HunanUniversity,Changsha,Hunan,410082,China)Abstract:Thetextureanalysisoftheclinkerimagebasedonthegray-levelco-occurrencematrixisproposedtopredicttheclinker’ssinteredmode.Thebestpositionoperatorandfeaturesetsofthegray-levelco-occurrencematrixareextractedbyFishercoefficient.Subsequently,thesereducedfeaturesareappliedbyC4.5toclassifytheseclinkerimagesintothreecategories:over-sintered,less-sinteredandnormal-sintered.Theexperimentalresultsshowthatsixtexturefeatures,whichareSumAverage、InverseDifferenceMoment、DifferenceEntropy、Contrast、DifferenceVarianceandEntropyofthegray-levelco-occurrencematrixunderthepositionoperator(5,-5)havethehighestdegreeofdiscrimination,andtheclassifieraccuracyreaches95.65%usingC4.5classifier.Finally,thedifferencebetweenthesethreekindsofclinkertexturesissummarizedinthispaper.Keywords:Rotarykiln,Clinker,Texture,Gray-levelco-occurrencematrix,Fishercoefficient,C4.5algorithm1引言在实际的回转窑生产领域,利用机器视觉方法对窑头熟料特征进行分析,有助于实现窑内实际工况的判断,对提高回转窑的自动控制水平具有重要意义。窑头图像中熟料的休止角反映了熟料运动模式,可用于判断其黏度、带高度[1];熟料填充率变化趋势能够反映窑尾进料量以及窑内温度的异变[2]。除此之外,熟料图像的纹理特征能较好地描述其表面的物理属性(如粗糙度、颗粒度),从而间接反映熟料在窑内的烧结状态。基于纹理这一特征属性进行模式识别在气象学、医学、地理学和工业领域已经得到了广泛应用[3-5]。在常用的空间域纹理分析方法中,统计法原理简单、较易实现,主要适合具有随机性的、无明显规则非均匀性图像,尤其是基于灰度共生矩阵的统计分析法能更好地反映图像的全局纹理特征[6]。实际回转窑熟料图像纹理无明显规律性和周期性,本文结合灰度共生矩阵方法进行了熟料表面纹理参数计算,基于Fisher系数实现了最优纹理特征选择,利用C4.5决策树实现不同烧结状态下的熟料纹理分类。2回转窑窑头熟料图片固定安装在回转窑窑头的摄像机实时采集窑内图像,图像主要由煤粉区、火焰区、“带高”区和熟料区四个区域构成,其中熟料区位于窑头图片的右下角[2]。基于熟练看窑工的经验,不同工况下采集到的窑头及熟料区图片如图1所示,三组熟料图片从左至右依次为过烧、欠烧和正常三种状态。异常工况下,当窑内烧结带温度过高导致熟料过烧,其黏度较正常时大,流动性差,熟料纹理粗糙,有明显的结块现象;而当温度过低时,表现为熟料黏度较正常时低,流动性强,颗粒度小,松散呈沙状;而正常工况下其黏度和流动性介于两者之间,粒度适中,纹理分布均匀。图1实际窑头与熟料图片Fig.1ImagesofDischargeendandClinkerofrealrotarykiln3基于灰度共生矩阵的纹理特征参数灰度共生矩阵是在原始图像的基础上,对满足特定位置关系(角度和距离)和特定灰度关系的邻近像素灰度值分布特性进行统计产生的矩阵,表示的...