一种钢包吹氩过程的监测方法及监测装置

技术领域

本申请涉及图像处理技术领域，尤其是涉及一种钢包吹氩过程的监测方法及监测装置。

背景技术

钢包吹氩是一种简易的钢液脱气和去除非金属夹杂物的炉外精炼方法。这种方法工艺简单，设备便宜，精炼效果显著，因而得到广泛应用。传统的吹氩工艺流程中需要人工实时监测吹氩精炼状态，以根据监测结果实时调整吹氩工艺参数。

然而，传统的人工监测方式的成本较高、主观性强、监测结果准确性低，除此之外，监测人员的工作强度大、工作环境具有一定危险性，这些因素都极大限制了吹氩工艺生产流程的效率。

发明内容

有鉴于此，本申请的目的在于提供一种钢包吹氩过程的监测方法及监测装置，可以基于监控图像自动识别出钢包范围和/或吹氩光圈范围，从而确定钢包吹氩的监测参数，能够避免人工测量参数、降低监测成本、提高监测精度和监测效率。

本申请实施例提供了一种钢包吹氩过程的监测方法，所述监测方法包括：

从钢包吹氩生产现场的监控视频中提取多帧监控图像；

针对每帧监控图像，识别出该帧监控图像中的钢包范围和/或吹氩光圈范围；

基于该帧监控图像中的钢包范围和/或吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数。

进一步的，吹氩光圈包括钢液中的暗色吹氩光圈和钢液液面上的高亮吹氩光圈；针对每帧监控图像，识别出该帧监控图像中的钢包范围和/或吹氩光圈范围，包括：

将该帧监控图像输入预先训练好的第一目标检测模型，识别并标识出该帧监控图像中的钢包范围；和/或，

将该帧监控图像输入预先训练好的第二目标检测模型，识别并标识出该帧监控图像中的暗色吹氩光圈范围；

将该帧监控图像与该帧监控图像的多帧相邻监控图像进行对比，确定该帧监控图像是否对应吹氩阶段；

若是，则将该帧监控图像转换至HSV色彩空间，将转换后的该帧监控图像中红色像素区域标识为该帧监控图像中的高亮吹氩光圈范围。

进一步的，当所述钢包吹氩监测参数包括光圈面积时，基于该帧监控图像中的吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数，包括：

确定该帧监控图像中的吹氩光圈范围对应的像素数量；

根据像素点与真实世界中物理面积的映射关系，将所述吹氩光圈范围对应的像素数量转换为光圈面积。

进一步的，当所述钢包吹氩监测参数包括从钢液液面到钢包边沿的自由空间高度时，基于该帧监控图像中的钢包范围，确定该帧监控图像对应的钢包吹氩监测参数，包括：

基于该帧监控图像中的钢包范围，从该帧监控图像中截取图像并转换至HSV色彩空间，得到钢包图像；

对所述钢包图像逐像素列进行从上到下的像素遍历，根据遍历确定的钢包边缘位置点以及钢液与钢包内沿的接触位置点，确定所述钢包图像中的平均自由空间高度像素数量；

将所述平均自由空间高度像素数量转换为真实世界中的所述自由空间高度。

进一步的，所述对所述钢包图像逐像素列进行从上到下的像素遍历，根据遍历确定的钢包边缘位置点以及钢液与钢包内沿的接触位置点，确定所述钢包图像中的平均自由空间高度像素数量，包括：

在针对每个像素列的遍历过程中，将遍历到的首个黄色像素标记为该像素列对应的钢包边缘位置点，将遍历到的首个红色像素点标记为该像素列对应的钢液与钢包内沿的接触位置点，并将该像素列确定为一个目标像素列；

将每个目标像素列中所述钢包边缘位置点与所述接触位置点之间的像素数量确定为自由空间高度像素数量；

基于每个目标像素列的自由空间高度像素数量确定平均自由空间高度像素数量。

进一步的，当所述钢包吹氩监测参数包括钢渣灰度值时，基于该帧监控图像中的钢包范围和吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数，包括：

基于该帧监控图像中的钢包范围，从该帧监控图像中截取图像并转换至HSV色彩空间，得到钢包图像；

对所述钢包图像进行多方向的逐像素遍历，根据遍历确定的钢包边缘位置点确定精确钢包图像；

对所述精确钢包图像进行二值化处理，提取出所述精确钢包图像中的钢液范围图像；

从所述钢液范围图像去除所述吹氩光圈范围，并转换为灰度图像，得到钢渣灰度图像；

将所述钢渣灰度图像中的平均灰度值确定为所述钢渣灰度值。

进一步的，对所述钢包图像进行多方向的逐像素遍历，根据遍历确定的钢包边缘位置点确定精确钢包图像，包括：

从所述钢包图像的上下左右四边上的每个像素点出发，分别向所述钢包图像的中心方向进行逐像素遍历；

将遍历到的首个黄色像素点标记为钢包边缘位置点；

基于标记出的钢包边缘位置点，从所述钢包图像中截取出所述精确钢包图像。

本申请实施例还提供了一种钢包吹氩过程的监测装置，所述监测装置包括：

提取模块，用于从钢包吹氩生产现场的监控视频中提取多帧监控图像；

识别模块，用于针对每帧监控图像，识别出该帧监控图像中的钢包范围和/或吹氩光圈范围；

确定模块，用于基于该帧监控图像中的钢包范围和/或吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数。

本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的一种钢包吹氩过程的监测方法的步骤。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的一种钢包吹氩过程的监测方法的步骤。

本申请实施例提供的一种钢包吹氩过程的监测方法及监测装置，可以基于监控图像自动识别出钢包范围和/或吹氩光圈范围，从而确定钢包吹氩的监测参数，能够避免人工测量参数、降低监测成本、提高监测精度和监测效率。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。

图1示出了本申请实施例所提供的一种钢包吹氩过程的监测方法的流程图；

图2示出了本申请实施例所提供的一种钢包吹氩过程的监测装置的结构示意图；

图3示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

经研究发现，钢包吹氩是一种简易的钢液脱气和去除非金属夹杂物的炉外精炼方法。这种方法工艺简单，设备便宜，精炼效果显著，因而得到广泛应用。传统的吹氩工艺流程中需要人工实时监测吹氩精炼状态，以根据监测结果实时调整吹氩工艺参数。

然而，传统的人工监测方式的成本较高、主观性强、监测结果准确性低，除此之外，监测人员的工作强度大、工作环境具有一定危险性，这些因素都极大限制了吹氩工艺生产流程的效率。

基于此，本申请实施例提供了一种钢包吹氩过程的监测方法及监测装置，以避免人工测量参数，降低监测成本、提高监测精度和监测效率。

请参阅图1，图1为本申请实施例所提供的一种钢包吹氩过程的监测方法的流程图。本申请实施例提供的监测方法，可应用于钢包吹氩监测系统。

如图1中所示，所述监测方法包括：

S101、从钢包吹氩生产现场的监控视频中提取多帧监控图像。

这里，钢包吹氩生产现场可部署有摄像头等具有影像采集能力的电子设备，以实时采集钢包吹氩生产现场的监控视频。同时，摄像头还具有通信功能，可与监测系统通信连接，以发送采集到的监控视频。

该步骤中，摄像头可采集钢包吹氩生产现场的监控视频数据并发送至监测系统；监测系统获取视频流，逐帧提取出监控图像，以对每帧监控图像执行的后续监测方法。

S102、针对每帧监控图像，识别出该帧监控图像中的钢包范围和/或吹氩光圈范围。

该步骤中，对于每帧监控图像，可使用YOLO目标检测技术识别其中的钢包和/或吹氩光圈，并得到其在监控图像中所在的范围。

在具体实施时，针对每帧监控图像，识别出该帧监控图像中的钢包范围，包括：将该帧监控图像输入预先训练好的第一目标检测模型，识别并标识出该帧监控图像中的钢包范围。

其中，第一目标检测模型可基于YOLOv5网络模型构建，并使用标定的钢包识别训练数据集预先训练得到。模型的训练方式可使用现有技术，本申请在此不做任何限制。训练好的第一目标检测模型可对每帧监控图像进行推理检测，以识别钢包所在范围并进行标识，例如使用矩形框在监控图像上进行标识。

另一方面，钢包吹氩过程中的吹氩光圈包括钢液中翻腾的暗色吹氩光圈和钢液液面上较为平静的白色的高亮吹氩光圈；针对每帧监控图像，识别出该帧监控图像中的吹氩光圈范围，包括：

步骤1、将该帧监控图像输入预先训练好的第二目标检测模型，识别并标识出该帧监控图像中的暗色吹氩光圈范围。

这里，第二目标检测模型同样可基于YOLOv5网络模型构建，并使用标定的光圈识别训练数据集预先训练得到。模型的训练方式同样可使用现有技术，本申请在此不做任何限制。训练好的第二目标检测模型可对每帧监控图像进行推理检测，以识别暗色吹氩光圈所在范围并进行标识，例如使用矩形框在监控图像上进行标识。

步骤2、将该帧监控图像与该帧监控图像的多帧相邻监控图像进行对比，确定该帧监控图像是否对应吹氩阶段。

针对白色高亮光圈，其需要与非吹氩阶段钢液液面未被钢渣覆盖而呈现亮白色的情况进行区分。因此该步骤中使用动态检测的方法，将该帧监控图像与该帧监控图像在采集时间上相邻的多帧监控图像进行对比，确定该帧监控图像是否对应吹氩阶段。具体的，当对比确定液面翻腾时判定吹氩阶段，此时监控图像中的亮白色区域才是液面因为吹氩翻腾而形成的白色高亮光圈。

步骤3、若是，则将该帧监控图像转换至HSV色彩空间，将转换后的该帧监控图像中红色像素区域标识为该帧监控图像中的高亮吹氩光圈范围。

该步骤中，将该帧监控图像转换至HSV色彩空间，在HSV色彩空间中，原监控图像中高亮的白色光圈会呈现红色。因此，将转换后的该帧监控图像中红色像素区域标识为该帧监控图像中的高亮吹氩光圈范围。

此外，若该帧监控图像对应的是非吹氩阶段，则说明该帧监控图像中不存在高亮光圈。通过这种方式，可以避免对高亮吹氩光圈范围出现误判，提高识别准确率。

S103、基于该帧监控图像中的钢包范围和/或吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数。

这里，钢包吹氩监测参数可以反映吹氩精炼状态，为钢包吹氩的工艺参数调整提供依据。在本申请实施例中，钢包吹氩监测参数包括以下各项中的至少一项：光圈面积、从钢液液面到钢包边沿的自由空间高度和钢渣灰度值。可基于钢包范围和/或吹氩光圈范围，采用HSV色彩空间处理、二值化等图像处理方法，确定出钢包吹氩监测参数。

需要说明的是，选取的需检测的钢包吹氩监测参数决定了是需要从监控图像中确定钢包范围，或是需要确定吹氩光圈范围，还是需要同时确定钢包范围和吹氩光圈范围。下面将详细介绍步骤S103的实施过程。

在第一种可能的实施方式中，当所述钢包吹氩监测参数包括光圈面积时，基于该帧监控图像中的吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数，包括：

确定该帧监控图像中的吹氩光圈范围对应的像素数量；根据像素点与真实世界中物理面积的映射关系，将所述吹氩光圈范围对应的像素数量转换为光圈面积。

这里，在确定出每帧监控图像中的吹氩光圈范围之后，通过统计计算吹氩光圈范围内的像素点个数，可以确定吹氩光圈范围对应的像素数量。而像素点与真实世界中物理面积存在一定的映射关系，如1m*1m的物理面积拍摄得到图片的像素为1024*2048，据此可确定每个像素点对应的真实世界中物理面积，以将吹氩光圈范围对应的像素数量换算为实际的光圈面积。对应于上述示例，这里换算出的实际光圈面积也包括暗色吹氩光圈的实际面积和高亮吹氩光圈的实际面积。

在第二种可能的实施方式中，当所述钢包吹氩监测参数包括从钢液液面到钢包边沿的自由空间高度时，基于该帧监控图像中的钢包范围，确定该帧监控图像对应的钢包吹氩监测参数，包括：

步骤1、基于该帧监控图像中的钢包范围，从该帧监控图像中截取图像并转换至HSV色彩空间，得到钢包图像。

这里，在HSV色彩空间中，钢包内沿未被液面触及的部分会呈现黄色，而液面与钢包内沿接触的高亮部分会呈现红色。因此在确定自由空间高度的算法流程中，首先将S102中检测得到的钢包范围截取出来并转换到HSV色彩空间。实验中发现，与RGB图像相比，在HSV色彩空间中可以确定出更准确的钢包吹氩监测参数。

步骤2、对所述钢包图像逐像素列进行从上到下的像素遍历，根据遍历确定的钢包边缘位置点以及钢液与钢包内沿的接触位置点，确定所述钢包图像中的平均自由空间高度像素数量。

该步骤中，由于S102中检测得到的钢包范围是通过目标检测模型标识的矩形框确定，因此截取出的钢包图像中难免包含不属于实际钢包范围的像素点，因此需要对钢包图像逐个像素列进行从上到下的像素遍历，根据遍历到的每个像素点的颜色可确定出钢包边缘位置点以及钢液与钢包内沿的接触位置点；进而基于每个像素列上钢包边缘位置点与接触位置点之间的像素数量，确定平均自由空间高度像素数量。

在具体实施时，步骤2可包括：

在针对每个像素列的遍历过程中，将遍历到的首个黄色像素标记为该像素列对应的钢包边缘位置点，将遍历到的首个红色像素点标记为该像素列对应的钢液与钢包内沿的接触位置点，并将该像素列确定为一个目标像素列；也就是，去除未遍历到红色像素的像素列。

将每个目标像素列中所述钢包边缘位置点与所述接触位置点之间的像素数量确定为自由空间高度像素数量；也就是，确定剩余的符合要求的每个像素列的自由空间高度像素数量。

基于每个目标像素列的自由空间高度像素数量确定平均自由空间高度像素数量；也就是，对每个目标像素列的自由空间高度像素数量取平均值，得到平均自由空间高度像素数量。

步骤3、将所述平均自由空间高度像素数量转换为真实世界中的所述自由空间高度。

类似的，而像素点与真实世界中物理长度也存在一定的映射关系，因此可将平均自由空间高度像素数量换算为真实世界中的自由空间高度。

在第三种可能的实施方式中，当所述钢包吹氩监测参数包括钢渣灰度值时，基于该帧监控图像中的钢包范围和吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数，包括：

步骤1、基于该帧监控图像中的钢包范围，从该帧监控图像中截取图像并转换至HSV色彩空间，得到钢包图像。

这里，将该帧监控图像转换至HSV色彩空间，转换监控图像在HSV色彩空间中钢包内沿颜色显示为黄色，钢液主体显示为红色，但由于钢渣覆盖的原因，部分钢液液面也可能呈现为黄色。

步骤2、对所述钢包图像进行多方向的逐像素遍历，根据遍历确定的钢包边缘位置点确定精确钢包图像。

类似的，由于S102中检测得到的钢包范围是通过目标检测模型标识的矩形框确定，因此截取出的钢包图像中难免包含不属于实际钢包范围的像素点，因此为精确确定钢渣灰度值需要确定精确钢包图像。

该步骤中，对钢包图像进行多方向的逐像素遍历，根据遍历到的每个像素点的颜色可确定出钢包边缘位置点；进而基于钢包边缘位置点，截取精确钢包图像。

在具体实施时，步骤2可包括：

从所述钢包图像的上下左右四边上的每个像素点出发，分别向所述钢包图像的中心方向进行逐像素遍历；将遍历到的首个黄色像素点标记为钢包边缘位置点；基于标记出的钢包边缘位置点，从所述钢包图像中截取出所述精确钢包图像。

具体的，从上下左右四边向中间遍历像素，遇到黄色像素停止并标记为钢包边缘位置点，由此得出的精确钢包范围，并以此从钢包图像中截取出精确钢包图像。

步骤3、对所述精确钢包图像进行二值化处理，提取出所述精确钢包图像中的钢液范围图像。

本申请实施例在实验中发现，虽然将图像转换至HSV色彩空间，可较为清晰地区分出钢包范围与非钢包范围；但在HSV色彩空间中，虽然一般钢液主体呈现为红色，钢包内沿未被液面触及的部分会呈现黄色，但二者的交界处边界不清晰，红色液面经常出现不连续状态，因而影响了钢液范围的识别精度。因此，该步骤中需要对精确钢包图像进行二值化处理，处理后钢壁(钢包内沿未被液面触及的部分)呈黑色，钢液液面呈白色，以此能够更准确清晰地区分出精确钢包图像中的钢液范围图像。

步骤4、从所述钢液范围图像去除所述吹氩光圈范围，并转换为灰度图像，得到钢渣灰度图像。

步骤5、将所述钢渣灰度图像中的平均灰度值确定为所述钢渣灰度值。

在步骤3和步骤4中，可以先将钢液范围图像转换为灰度图像，再去除先前标记出的吹氩光圈范围(包括钢液中的暗色吹氩光圈和钢液液面上的高亮吹氩光圈)；也可以先去除先前标记出的吹氩光圈范围，再转换为灰度图像。得到的剩余部分为钢渣灰度图像，即钢渣灰度值的计算范围；遍历钢渣灰度图像中每个像素点的灰度值并取平均值，将平均灰度值确定为钢渣灰度值，用于反映钢水化渣情况。

进一步的，监测系统在逐帧确定监控图像对应的钢包吹氩监测参数的同时，服务端启动http服务监听客户端获取监测参数的请求。在接收到客户端通过端口发送的获取监测参数的请求之后，会将监测得到的最新一帧监控图像对应的钢包吹氩监测参数反馈给客户端。

本申请实施例具有如下有益效果：

(1)利用人工智能图像处理技术进行钢包范围和吹氩光圈范围的识别，能够提高系统的识别精度；其中，将吹氩光圈分为两类，在吹氩阶段液面翻腾时，可以额外检测因为吹氩翻腾而形成的白色高亮光圈。

(2)使用传统图像处理技术确定监控图像对应的多种钢包吹氩监测参数，从而及时准确反映吹氩精炼状态。

(3)只需要使用常见的摄像头就可以实现钢包吹氩过程的监测，避免了定制昂贵的抗高温传感器或使用人工监测，能够大幅度降低成本。

请参阅图2，图2为本申请实施例所提供的一种钢包吹氩过程的监测装置的结构示意图。如图2中所示，所述监测装置200包括：

提取模块210，用于从钢包吹氩生产现场的监控视频中提取多帧监控图像；

识别模块220，用于针对每帧监控图像，识别出该帧监控图像中的钢包范围和/或吹氩光圈范围；

确定模块230，用于基于该帧监控图像中的钢包范围和/或吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数。

进一步的，吹氩光圈包括钢液中的暗色吹氩光圈和钢液液面上的高亮吹氩光圈；所述识别模块220在用于针对每帧监控图像，识别出该帧监控图像中的钢包范围和/或吹氩光圈范围时，所述识别模块220用于：

将该帧监控图像输入预先训练好的第一目标检测模型，识别并标识出该帧监控图像中的钢包范围；和/或，

将该帧监控图像输入预先训练好的第二目标检测模型，识别并标识出该帧监控图像中的暗色吹氩光圈范围；

将该帧监控图像与该帧监控图像的多帧相邻监控图像进行对比，确定该帧监控图像是否对应吹氩阶段；

若是，则将该帧监控图像转换至HSV色彩空间，将转换后的该帧监控图像中红色像素区域标识为该帧监控图像中的高亮吹氩光圈范围。

进一步的，当所述钢包吹氩监测参数包括光圈面积时，所述确定模块230在用于基于该帧监控图像中的吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数时，所述确定模块230用于：

确定该帧监控图像中的吹氩光圈范围对应的像素数量；

根据像素点与真实世界中物理面积的映射关系，将所述吹氩光圈范围对应的像素数量转换为光圈面积。

进一步的，当所述钢包吹氩监测参数包括从钢液液面到钢包边沿的自由空间高度时，所述确定模块230在用于基于该帧监控图像中的钢包范围，确定该帧监控图像对应的钢包吹氩监测参数时，所述确定模块230用于：

基于该帧监控图像中的钢包范围，从该帧监控图像中截取图像并转换至HSV色彩空间，得到钢包图像；

对所述钢包图像逐像素列进行从上到下的像素遍历，根据遍历确定的钢包边缘位置点以及钢液与钢包内沿的接触位置点，确定所述钢包图像中的平均自由空间高度像素数量；

将所述平均自由空间高度像素数量转换为真实世界中的所述自由空间高度。

进一步的，所述确定模块230在用于对所述钢包图像逐像素列进行从上到下的像素遍历，根据遍历确定的钢包边缘位置点以及钢液与钢包内沿的接触位置点，确定所述钢包图像中的平均自由空间高度像素数量时，所述确定模块230用于：

在针对每个像素列的遍历过程中，将遍历到的首个黄色像素标记为该像素列对应的钢包边缘位置点，将遍历到的首个红色像素点标记为该像素列对应的钢液与钢包内沿的接触位置点，并将该像素列确定为一个目标像素列；

将每个目标像素列中所述钢包边缘位置点与所述接触位置点之间的像素数量确定为自由空间高度像素数量；

基于每个目标像素列的自由空间高度像素数量确定平均自由空间高度像素数量。

进一步的，当所述钢包吹氩监测参数包括钢渣灰度值时，所述确定模块230在用于基于该帧监控图像中的钢包范围和吹氩光圈范围，确定该帧监控图像对应的钢包吹氩监测参数时，所述确定模块230用于：

基于该帧监控图像中的钢包范围，从该帧监控图像中截取图像并转换至HSV色彩空间，得到钢包图像；

对所述钢包图像进行多方向的逐像素遍历，根据遍历确定的钢包边缘位置点确定精确钢包图像；

对所述精确钢包图像进行二值化处理，提取出所述精确钢包图像中的钢液范围图像；

从所述钢液范围图像去除所述吹氩光圈范围，并转换为灰度图像，得到钢渣灰度图像；

将所述钢渣灰度图像中的平均灰度值确定为所述钢渣灰度值。

进一步的，所述确定模块230在用于对所述钢包图像进行多方向的逐像素遍历，根据遍历确定的钢包边缘位置点确定精确钢包图像时，所述确定模块230用于：

从所述钢包图像的上下左右四边上的每个像素点出发，分别向所述钢包图像的中心方向进行逐像素遍历；

将遍历到的首个黄色像素点标记为钢包边缘位置点；

基于标记出的钢包边缘位置点，从所述钢包图像中截取出所述精确钢包图像。

请参阅图3，图3为本申请实施例所提供的一种电子设备的结构示意图。如图3中所示，所述电子设备300包括处理器310、存储器320和总线330。

所述存储器320存储有所述处理器310可执行的机器可读指令，当电子设备300运行时，所述处理器310与所述存储器320之间通过总线330通信，所述机器可读指令被所述处理器310执行时，可以执行如上述图1所示方法实施例中的一种钢包吹氩过程的监测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的一种钢包吹氩过程的监测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。