工业回转窑的直径最大可达4米，长度可达150米，倾斜角一般为1-2度，转速低于4转/分钟。根据工艺的不同，窑内的温度可高达1400℃。回转窑工况非常复杂，包括:固体物料的运动、气体流动、缎烧反应、窑内传热传质等且各物理化学现象严重祸合。技术工人在手动操作窑炉的时候，通过观察窑头的火焰情况(“看火”)来估计锻烧温度，另一方面还要观察窑内物料的运动状态、填充度和颗粒特征(“看料”)，通过综合两者的情况来决定给煤量、窑速和喂料量的大小，这要求操作工人有很丰富的经验。
回转窑生产过程的自动监控一直是个难题。现有的系统主要是通过检测窑内温度、压力、主机负荷电流、料浆流量等热工信号，在此基础上，采用智能控制方法将烧成带温度控制在允许的范围之内。应用热工过程在线计算和图像测温结果，建立了以料浆流量、烧成带长度、熟料高度和熟料温度为输入的氧化铝回转窑给煤量优化数学模型。针对水泥回转窑温度系统具有严重的非线性和较大的时间滞后性，很难建立精确的数学模型等问题，采用模糊神经网络控制与PID控制结合的复合控制策略，对水泥回转窑预热器四级筒出口温度进行实时检测与控制。
随着计算机数据处理能力的不断增强，基于图像处理技术的温度监控方法也引起了广泛的关注。实验研究提出一种基于图像处理和模式聚类的二次仿真方法。应用Fluent商业软件对回转窑内粉煤的燃烧进行温度场的三维数值模拟，将仿真结果用于构建仿真结果数据库;采用模式聚类的方法判断实际工况属于哪一类标准工况，调用仿真结果数据库建立温度与该类标准工况的数学模型，求解模型并计算实际工况下的温度场，利用图像处理中的伪彩色变换得到二次仿真结果。
但是，这些监控系统在设计时往往没有考虑窑内物料运动状况这一重要信息。而事实上，物料的运动状态和传输过程对窑内的热工过程起着决定作用。例如，当物料处于“滚落”(Rolling)的运动状态下，物料颗粒连续不断地作翻转运动，能够快速地实现热更新;而在“滑落”(slumPing)状态下，颗粒只能间歇性地下滑，颗粒混合缓慢，料床内的热阻高于Rolling状态下的热阻，不利于热传递。
目前，对回转窑物料的研究主要集中在理论建模方面，仅在少数文献中涉及了物料面积和温度的测量问题，而在物料运动状态的计算机自动检测方面目前尚未见研究报导。一个完善的回转窑自动监控系统应该能够检测物料运动的特征信息并加以运用。
