业界发现，铁尾矿的熔化过程可以被二氧化硅的熔化所替代。工业上使用CCD技术对二氧化硅的熔化过程进行视频分析。所以题目是如何检测二氧化硅在熔化过程中的运动轨迹，如何识别二氧化硅的轮廓并建立二维平面指标，进而分析二氧化硅的熔化速率。如何识别二氧化硅的质心并生成轨迹图yolov3深度学习神经网络，根据产生的VOC数据集，训练最好的模型，然后检测每张图片中二氧化硅的位置，然后使用cannyopencv识别轮廓的算法，由于轮廓不是规则形状还需要多边形近似估计得到轮廓，计算轮廓的质心位置，得到坐标，生成最终的轨迹图。如何检测二氧化硅的轮廓，并建立相应的二维指标（面积、周长、广义半径）根据第一题的轮廓检测算法，结合opencv求周长和面积的函数，建立二维平面指数。根据建立的二维指标与体积的关系，可以得到二氧化硅的熔化速率。我们使用面积作为模型的基础来评估二氧化硅的熔化速率。使用matplotlib库绘制面积变化曲线，并对其进行多项式拟合。然后求出方程的系数，从而得到斜率的变化曲线。问题是使用opencv的轮廓检测不够准确，识别能力不高。至于怎么优化，水平有限，对opencv对应的算法理解不够深入。二维平面索引只想到了面积、周长、广义半径，还有很多没有想到，所以索引的建立可能不够合理。二维指标与三维体量的对应关系还没有很好的解决。只是假设二氧化硅大致呈球形，一开始误差比较大。
