高炉是炼铁的主要场所,是现代钢铁生产的重要环节。随着钢铁需求量的不断增长,原本仅依靠焦炭作为燃料的方法已不再适用。上世纪八十年代,高炉煤粉喷吹技术广泛应用于高炉生产,该技术可以降低冶炼焦比,从而达到高产低耗的生产目的。随着高炉喷煤量的不断提高,对高炉喷煤稳定性和安全性提出了严格的要求。通过对高炉风口支管喷煤状态监测,可以及时避免事故的发生,对高炉的稳定顺行和精确控制具有重要的意义。近年来,高炉风口摄像仪虽已在各大钢厂投入使用,但图像在传输、处理过程中受到严重的噪声干扰,图像质量存在不同程度的下降,且不同风口所拍摄的图像存在差异。上述特点不仅给风口喷煤状态检测带来困难,而且要求检测方法具有自适应性。针对上述问题,本文从图像处理的角度提出了一种解决方案,该方案可以实时地检测支管喷煤状态和喷吹均匀性。采用图像滤波与灰度变换相结合的预处理方法,可以去除噪声并提高图像的质量。对于处理后的风口图像采用自适应阈值分割与基于卷积神经网络分割相结合的方法提取煤团区域。此外,在分析煤团特征的基础上,提出三种煤团特征提取方法以表征喷煤信息,可以有效地监测高炉风口的喷吹状态和均匀性。本论文研究工作如下:首先,分析现场采集的风口图像特征信息,提出图像去噪与灰度变换相结合的自适应预处理算法:针对图像噪声严重的问题,通过分析图像的频谱信息和直方图信息判断图像的噪声类型,提出自适应的频域滤波与空间域滤波相结合的图像去噪算法。对于风口摄像仪长期处于多尘、高温的恶劣复杂环境,造成拍摄的风口图像质量严重下降,图像中各区域存在灰度失衡现象,采用改进的自适应灰度拉伸与幂次变换相结合的图像灰度变换算法提高图像的质量。通过风口图像实验表明,所提出的预处理算法不仅可以很好地起到“保边去噪”的效果,而且提高图像中各区域的对比度,为后续的煤团提取工作奠定基础。其次,本文提出煤团区域提取方法:对预处理后的风口图像采用全局阈值与局部阈值相结合的二值化算法处理,该算法可以准确获得煤枪和煤团连通区域。考虑到煤粉喷吹量较大时,二值化图像中的煤团区域与煤枪发生“粘连现象”,通过一维Hough椭圆检测的方法定位风口区域,可以将煤团区域和炉壁背景区域分离。此外,由于煤枪区域与煤团区域灰度信息接近,传统二值化算法无法将二者分离,且在高炉休风过程中,需要将煤枪拆卸检修,二次安装可能会导致煤枪位置的变化。本文提出改进的全卷积神经网络（FCN）对煤枪区域检测,在二值化图像中去除FCN检测的煤枪结果即可得到煤团区域。通过对大量风口图像实验表明,该算法均可准确检测到不同风口图像的煤枪区域,且算法具有自适应性。最后,在分析所获煤团区域特征的基础上,提出了面积法、加权面积法、椭圆拟合法煤团特征信息提取算法。根据特征信息的变化情况反映风口喷煤状态,并通过单位时间内各风口特征累积值的关系判断喷煤均匀性。在Python GUI平台搭建高炉风口状态监测系统,对工业现场采集的风口视频图像进行支管喷煤状态和煤粉喷吹均匀性检测实验验证。实验表明,本文提出的方法可以有效地监测高炉风口的喷吹状态,通过已有的风口视频数据集验证本文算法,准确率高达95%以上。此外,通过累积特征值的关系实现高炉各风口喷煤均匀性的检测,误差仅为5%以内,算法具有一定的实际应用价值。