高炉煤气流分布模式在冶炼生产过程中起决定性作用，好的煤气流分布不仅可以保证炉况稳定顺行，延长高炉炉体寿命，而且可以增加炉内间接还原效率，提高煤气利用率，降低焦比，达到节能降耗、高产优质的效果。准确识别煤气流分布模式，对布料操作有巨大指导意义，然而高炉内部环境复杂，使得煤气流的分布识别具有一定的困难。针对高炉煤气流分布直接测量方式在工业上不可行，而间接测量又困难的情况下，本文研究了十字测温数据和炉顶摄像图像数据的相互制约关系，提出一种基于十字测温边缘煤气流分布和基于炉顶摄像的中心煤气流分布分别识别再进行整合的方法。首先，对炉顶摄像进行二源时空校正，得到的图像分别进行灰度处理，二值化处理，边缘检测等步骤，得到煤气流的边缘点集，进行平方中值最小二乘法椭圆拟合，得到椭圆的参数方程后，根据椭圆的几何特征，得出椭圆的半长轴，半短轴等参数，作为中心煤气流分布模式识别的数据；同时，对十字测温数据进行时空校正，校正后的数据提取得到边缘三点温度数据，作为边缘煤气流分布模式识别的数据。其次，利用得到的椭圆参数输入到遗传算法优化的BP神经网络算法中，而将高炉专家对图像的评价结果作为输出，对网络进行训练，得出中心正常发展，中心过发展和中心欠发展三类中心煤气流分布识别模型。同时，利用边缘三点温度数据，输入到混合神经网络模型中，对网络进行训练，得出边缘正常发展，边缘过发展和边缘欠发展三类边缘煤气流分布识别模型。最后，将得到的中心煤气流分布识别模型和边缘煤气流分布识别模型进行模型融合，得到九种不同的整体煤气流分布模式。最后，利用炉顶摄像图像，得出等温线图，三维直方图，伪彩图等多种工业参考图像，为生产过程得出更加直观的指导图像。根据提出的煤气流分布识别模型，在仿真软件上进行了仿真。结果表明，文中所提出的方法有较好的识别性能，识别率达到93%，在钢铁冶炼过程中可以满足对煤气流分布模式的检测；得出的工业参考图像，可以更加直观明了的反应具体的冶炼工况，为高炉专家对实际冶炼工况有了更有力的依据。