CN107730486A - 一种酸连轧生产线轧机保护方法及装置 - Google Patents
一种酸连轧生产线轧机保护方法及装置 Download PDFInfo
- Publication number
- CN107730486A CN107730486A CN201710834094.6A CN201710834094A CN107730486A CN 107730486 A CN107730486 A CN 107730486A CN 201710834094 A CN201710834094 A CN 201710834094A CN 107730486 A CN107730486 A CN 107730486A
- Authority
- CN
- China
- Prior art keywords
- defect
- milling train
- surface defect
- alert
- production line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000002253 acid Substances 0.000 title abstract description 14
- 230000007547 defect Effects 0.000 claims abstract description 344
- 238000003801 milling Methods 0.000 claims description 126
- 238000009966 trimming Methods 0.000 claims description 26
- 229910000831 Steel Inorganic materials 0.000 claims description 16
- 239000010959 steel Substances 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000005097 cold rolling Methods 0.000 abstract description 5
- 238000013145 classification model Methods 0.000 abstract 3
- 238000012360 testing method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 4
- 238000005098 hot rolling Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005554 pickling Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 229910001209 Low-carbon steel Inorganic materials 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000277275 Oncorhynchus mykiss Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B33/00—Safety devices not otherwise provided for; Breaker blocks; Devices for freeing jammed rolls for handling cobbles; Overload safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Metal Rolling (AREA)
Abstract
本发明涉及冷轧酸冷轧技术领域,尤其涉及一种酸连轧生产线轧机保护方法及装置,方法包括:对酸连轧生产线中的轧机的表面缺陷进行检测,获得用于表征轧机表面缺陷情况的表面缺陷信息;基于表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;若满足预设报警条件,则生成报警信息以提示用户进行相应处置操作。本申请通过预先建立表面缺陷分类模型,在检测获得酸连轧生产线中的轧机的表面缺陷信息之后,基于表面缺陷信息在该表面缺陷分类模型中判断是否满足预设报警条件,若满足预设报警条件,则生成报警信息以提示用户进行相应处置操作,从而能够及时、准确地发现表面缺陷类事件,避免了表面缺陷类事故的发生。
Description
技术领域
本发明涉及冷轧酸冷轧技术领域,尤其涉及一种酸连轧生产线轧机保护方法及装置。
背景技术
在冷轧酸连轧线生产过程中,由于热轧原料卷带来的缺陷,容易造成轧机断带的边部缺陷和伤辊缺陷。而频繁发生酸轧线断带或伤辊事件,并且断带或伤辊事件未被及时发现,将会在轧机间形成断带事故或者造成伤辊,从而,后续钢卷易产生批量辊印缺陷,对生产顺稳和产品质量造成极大的隐患。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的酸连轧生产线轧机保护方法及装置。
本发明实施例提供一种酸连轧生产线轧机保护方法,所述方法包括:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
优选的,在所述判断是否满足预设报警条件之前,所述方法还包括:
建立所述表面缺陷分类模型。
优选的,所述建立所述表面缺陷分类模型,包括:
建立钢种分类器,所述钢种分类器包含归属于不同钢种的多个子分类器;
分别对各个子分类器进行表面缺陷识别训练,生成所述表面缺陷分类模型。
优选的,所述基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足报警条件,包括:
所述表面缺陷分类模型根据所述表面缺陷信息,判断所述轧机的断带类缺陷是否满足预设的第一报警条件,以及判断所述轧机的伤辊类缺陷是否满足预设的第二报警条件。
优选的,所述判断所述轧机的断带类缺陷是否满足预设的第一报警条件,包括:
判断所述轧机的断带类缺陷是否为孔洞且缺陷面积是否大于0mm2,若所述轧机的断带类缺陷为所述孔洞且缺陷面积大于0mm2,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为折叠,若所述轧机的断带类缺陷为所述折叠,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为边裂,且边裂情况是否为缺陷距边部距离与切边宽度的差值大于0mm,若所述轧机的断带类缺陷为所述边裂且所述边裂情况为缺陷距边部距离与切边宽度的差值大于0mm,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为凹坑,若所述轧机的断带类缺陷为所述凹坑,则根据所述凹坑的缺陷面积、所述凹坑的数量和所述凹坑的分布情况,判断所述凹坑是否满足所述第一报警条件。
优选的,所述判断所述轧机的伤辊类缺陷是否满足预设的第二报警条件,包括:
判断所述轧机的伤辊类缺陷是否为翘皮且缺陷面积是否大于350mm2,若所述轧机的伤辊类缺陷为所述翘皮且缺陷面积大于350mm2,则表明满足所述第二报警条件;和/或
判断所述轧机的伤辊类缺陷是否为夹杂且缺陷长度是否大于700mm,若所述轧机的伤辊类缺陷为所述夹杂且缺陷长度大于700mm,则表明满足所述第二报警条件。
优选的,所述表面缺陷包括断带类缺陷和伤辊类缺陷中的至少一类缺陷,所述断带类缺陷包括孔洞缺陷、折叠缺陷、边裂缺陷和凹坑缺陷中的至少一种缺陷,所述伤辊类缺陷包括翘皮和夹杂中的至少一种缺陷。
本发明实施例还提供一种酸连轧生产线轧机保护装置,所述装置包括:
获得模块,用于对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
判断模块,用于基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
生成模块,用于若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
本发明实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过预先建立表面缺陷分类模型,在检测获得酸连轧生产线中的轧机的表面缺陷信息之后,基于表面缺陷信息在该表面缺陷分类模型中判断是否满足预设报警条件,若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作,从而能够及时、准确地发现表面缺陷类事件,避免了表面缺陷类事故的发生,保证生产顺稳,提高产品质量。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考图形表示相同的部件。在附图中:
图1示出了本发明实施例中的一种酸连轧生产线轧机保护方法的流程图;
图2示出了本发明实施例中的一种酸连轧生产线轧机保护方法的工作示意图;
图3示出了本发明实施例中的一种酸连轧生产线轧机保护装置的结构图;
图4示出了本发明实施例中的一种计算机设备的实体结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种酸连轧生产线轧机保护方法,如图1所示,所述方法包括:
步骤101:对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
步骤102:基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足报警条件;
步骤103:若满足报警条件,则生成报警信息以提示用户进行相应处置操作。
本申请通过预先建立表面缺陷分类模型,在检测获得酸连轧生产线中的轧机的表面缺陷信息之后,基于表面缺陷信息在该表面缺陷分类模型中判断是否满足预设报警条件,若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作,从而能够及时、准确地发现表面缺陷类事件,避免了表面缺陷类事故的发生,保证生产顺稳,提高产品质量。
在本申请中,预先建立表面缺陷分类模型。具体来讲,预先建立表面缺陷分类模型包括:
建立钢种分类器,所述钢种分类器包含归属于不同钢种的多个子分类器;
分别对各个子分类器进行表面缺陷识别训练,生成所述表面缺陷分类模型。
在具体实施过程中,首先,根据产线产品特点,将钢种分为软钢、高强钢两类,从而钢种分类器包含对应于软钢的第一子分类器和对应于高强钢的第二类分类器,随着品种的拓展,可扩充分类器。接着,分别对每个子分类器进行表面缺陷识别训练,具体训练过程如下:
步骤a、收集缺陷图片。针对每种缺陷(例如边裂),初步收集图片数量控制在100-150张,并涵盖该类缺陷各种形貌特征。收集缺陷时,***基于自带缺陷样本库自动检索收集该类缺陷。
步骤b、缺陷分类。针对自动检索出的该类缺陷,需人工逐个核实缺陷分类是否准确,若缺陷分类准确,可纳入缺陷库,若缺陷分类不准确,可剔除缺陷。
步骤c、收集缺陷数量达到初定数量,并且分类训练完成后,可使用***自测分类效果验证,对已收入缺陷库的该类缺陷进行比对,***给出测试分类率数值,并标识出每张图片的测试属性。图片的属性释义如下:图片底色为绿色表示分类准确;图片底色为黄色表示特征值有偏差,近似分类准确(后续收集到效果更好的图片后可剔除);图片底色为红色表示特征值偏差很大,分类不准确(此图片应剔除)。
其中,若步骤c中经测试分类率低于90%,表示有些图片不满足条件,则循环步骤a到步骤c,若步骤c中经测试分类率高于90%时则终止循环,进入步骤d。
步骤d、最终每类缺陷总数量控制在200~300张,优选的,控制在250张为宜。
针对步骤101而言,本申请采用表面检测仪对轧机的表面缺陷进行检测,其中,可以选用PARSYTEC,其采用面阵扫描相机,相机分辨率为320微米,安装位置位于酸洗槽后与切边剪之前,距切边剪5-15米不等,具体距离依不同产线而定。进一步,在检测过程中,采用基本的检测调试和实物照片比对方法,根据其检测出的表面缺陷,通过实物照片比对分析,确定缺陷类型并在CBE(Classification Building Environment)调试软件中进行缺陷图片收集,本***检测率保证值为95%,经调试分析,实际检测率达到95%,满足技术规格要求。
在本申请中,表面缺陷包括断带类缺陷和伤辊类缺陷中的至少一类缺陷,断带类缺陷包括孔洞缺陷、折叠缺陷、边裂缺陷和凹坑缺陷中的至少一种缺陷,伤辊类缺陷包括翘皮和夹杂中的至少一种缺陷。
进一步,在将表面缺陷信息输入到表面缺陷分类模型之后,表面缺陷分类模型将会确定出轧机表面缺陷的类型,步骤102在具体实施过程中包括:表面缺陷分类模型根据表面缺陷信息,判断轧机的断带类缺陷是否满足预设的第一报警条件,以及判断轧机的伤辊类缺陷是否满足预设的第二报警条件。
在具体实施过程中,对应于轧机的断带类缺陷存在第一报警条件,对应于轧机的伤辊类缺陷存在第二报警条件,本申请在获得轧机的表面缺陷信息之后,根据表面缺陷信息判断,判断轧机的断带类缺陷是否满足第一报警条件,同时,判断轧机的伤辊类缺陷是否满足第二报警条件。
进一步,所述判断所述轧机的断带类缺陷是否满足预设的第一报警条件,包括:
判断所述轧机的断带类缺陷是否为孔洞且缺陷面积是否大于0mm2,若所述轧机的断带类缺陷为所述孔洞且缺陷面积大于0mm2,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为折叠,若所述轧机的断带类缺陷为所述折叠,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为边裂,且边裂情况是否为缺陷距边部距离与切边宽度的差值大于0mm,若所述轧机的断带类缺陷为所述边裂且所述边裂情况为缺陷距边部距离与切边宽度的差值大于0mm,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为凹坑,若所述轧机的断带类缺陷为所述凹坑,则根据所述凹坑的缺陷面积、所述凹坑的数量和所述凹坑的分布情况,判断所述凹坑是否满足所述第一报警条件。
在具体实施过程中,表面检测仪检测出的缺陷均给出宽度、长度和面积,长度和宽度的单位为mm,面积的单位为mm2。
由于断带类缺陷包含孔洞缺陷、折叠缺陷、边裂缺陷和凹坑缺陷中的至少一种缺陷,因此,本申请对应于断带类缺陷的种类的不同还对应于不同的报警条件,具体的:
当缺陷类型为孔洞时,若缺陷面积大于0mm2,则表明满足报警条件,生成对应的报警信息。
当缺陷类型为折叠时,表明满足报警条件,生成对应的报警信息。
当缺陷类型为边裂时,若边裂情况为缺陷距边部距离与切边宽度的差值大于0mm,表明满足报警条件,生成对应的报警信息,其中,缺陷距边部距离为dmax,切边宽度为w切边,Dmax>0mm表示没有完全切除或未切到缺陷,Dmax<0mm表示已完全切除了缺陷。由于缺陷形状不规则,表面检测仪检测到的缺陷会给出缺陷距边部位置若干,判断出最大值dmax、最小值dmin。在判断切边状态时,计算切边宽度w切边,当酸轧切边状态为“不切边”时,切边宽度w切边=0,当酸轧切边状态为“切边”时,切边宽度w切边=(热轧原料卷宽度w热轧卷—酸轧卷目标宽度w目标)/2,其中,酸轧切边状态、热轧原料卷宽度w热轧卷和酸轧卷目标宽度w目标均从三级MES***自动获取。
当缺陷类型为凹坑时,根据凹坑的缺陷面积、凹坑的数量和凹坑的分布情况,判断凹坑是否满足报警条件,具体来讲:
对于大凹坑,即单个凹坑缺陷面积>100mm2,并且到边部实际距离Dmax>0mm,若两者均满足,则表明满足报警条件,生成对应的报警信息。
对于中凹坑,即40mm2<单个凹坑缺陷面积≤100mm2,并且直径50mm范围内的区域内有两个或两个以上,满足上述条件则表明满足报警条件,生成对应的报警信息,而对于中凹坑的判断过程,包括:首先,任意两个中凹坑缺陷距带钢头部的长度差为△L,两个中凹坑缺陷距带钢操作侧的距离记为△W,两个中凹坑缺陷的直线距离记为当△D>50mm,视为距离较远,不触发报警,当△D≤50mm,视为在直径50mm范围内,则触发报警。
对于小凹坑,即单个凹坑缺陷面积≤40mm2,当多个小凹坑集中出现时,表面检测仪将其识别为“面积性缺陷”,包含的缺陷总面积为ΣA=A1+A2+……+An(n为小凹坑个数),当满足小凹坑缺陷,并且ΣA≥120mm2,则表明满足报警条件,生成对应的报警信息。
进一步,判断所述轧机的伤辊类缺陷是否满足预设的第二报警条件,包括:
判断所述轧机的伤辊类缺陷是否为翘皮且缺陷面积是否大于350mm2,若所述轧机的伤辊类缺陷为所述翘皮且缺陷面积大于350mm2,则表明满足所述第二报警条件;和/或
判断所述轧机的伤辊类缺陷是否为夹杂且缺陷长度是否大于700mm,若所述轧机的伤辊类缺陷为所述夹杂且缺陷长度大于700mm,则表明满足所述第二报警条件。
本申请对应于伤辊类缺陷的种类的不同还对应于不同的报警条件,具体的:
当缺陷类型为翘皮时,若缺陷面积大于350mm2,则表明满足报警条件,生成对应的报警信息。
当缺陷类型为夹杂时,形貌为长条状,若缺陷长度大于700mm,则表明满足报警条件,生成对应的报警信息。
在本申请中,报警信息可以为文字报警信息和/或声音报警信息。本申请在生成报警信息之后,还包括:进行与表面缺陷的类型对应的处置操作,处置操作包括抬辊操作、降速操作和忽略操作,具体地:
首先,酸洗操作室人员判断缺陷严重情况,必要时产线怠速或停止,结合检查台观察缺陷实物。经核实后,对于严重缺陷,点击“抬辊”按钮,轧机操作室人员操作钢卷分切,实施抬辊操作空卷成小卷;对于中等缺陷,判断不会断带或伤辊后,点击“降速”按钮,轧机操作室人员可以空卷成小卷,也可以降速轧制;对于轻微缺陷,判断是缺陷误检,点击“忽略”按钮,点击“忽略”的缺陷不会自动弹出。最后,带钢经过出***套到达同步点时,点击“抬辊”和“降速”的缺陷再次在轧机操作室表面检测仪界面自动弹出,并伴有声音报警提醒,同步点设置在出***套最后一个转向辊上,主要通过位置的精准跟踪,提前提醒轧机操作室人员发现,以便有充足的时间进行“抬辊”或“降速”操作。
本申请的基本工作原理为:带钢通过表面检测仪后,当断带类和伤辊类缺陷被检测出,并且得到精确分类后,结合程序设置的报警规则判断,满足条件的自动弹出报警框(此过程需要1秒左右),并伴有声音提醒。酸洗操作室人员即时查看,从表面检测仪图片上可以明确的直接在报警框中点击“抬辊”、“降速”或“忽略”之一的按钮,若不能明确的或需要实物确认的,可操作产线怠速或停止,在检查台观察缺陷进行核实。点击按钮后,带钢经过出***套到达同步点时,对于“抬辊”和“降速”操作,则在轧机操作室表面检测仪界面弹出报警框,并伴有声音提醒。对于“忽略”操作,则在轧机操作室表面检测仪界面不会弹出报警框。
下面将结合一具体实施例对本申请的酸连轧生产线轧机保护方法的详细说明:
某热轧原料卷实际宽度1226mm,酸轧生产线目标宽度1200mm,从三级MES***获知酸轧切边状态为“切边”。生产过程中,在表面检测仪发现“边裂”缺陷,裂口从边部向中间延伸,最远距离dmax为18mm,自动计算出缺陷到边部实际距离Dmax=dmax—切边宽度w切边=18mm—(1226mm—1200mm)/2=5mm>0mm,缺陷不能被完全切除,则自动触发报警,弹出报警框并伴有声音提醒。酸洗操作室人员核实表面检测仪图片,缺陷清晰、裂口明显,点击“抬辊”后关闭报警框,当“边裂”缺陷处到达同步点后,在轧机操作室表面检测仪界面自动弹出报警框并伴有声音提醒,轧机操作室人员核实“抬辊”提醒并确认缺陷形貌后,操作轧机先分切钢卷,然后空卷下小卷,避免此“边裂”缺陷在轧机中断带事故发生。
本发明实施例还提供一种酸连轧生产线轧机保护装置,如图3所示,所述装置包括:
获得模块301,用于对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
判断模块302,用于基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
生成模块303,用于若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
优选的,所述装置还包括:
模型建立模块,用于建立所述表面缺陷分类模型。
优选的,所述模型建立模块,包括:
分类器建立单元,用于建立钢种分类器,所述钢种分类器包含归属于不同钢种的多个子分类器;
训练单元,用于分别对各个子分类器进行表面缺陷识别训练,生成所述表面缺陷分类模型。
优选的,判断模块302,包括:
第一判断单元,用于所述表面缺陷分类模型根据所述表面缺陷信息,判断所述轧机的断带类缺陷是否满足预设的第一报警条件;
第二判断单元,用于判断所述轧机的伤辊类缺陷是否满足预设的第二报警条件。
优选的,所述第一判断单元,具体用于:
判断所述轧机的断带类缺陷是否为孔洞且缺陷面积是否大于0mm2,若所述轧机的断带类缺陷为所述孔洞且缺陷面积大于0mm2,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为折叠,若所述轧机的断带类缺陷为所述折叠,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为边裂,且边裂情况是否为缺陷距边部距离与切边宽度的差值大于0mm,若所述轧机的断带类缺陷为所述边裂且所述边裂情况为缺陷距边部距离与切边宽度的差值大于0mm,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为凹坑,若所述轧机的断带类缺陷为所述凹坑,则根据所述凹坑的缺陷面积、所述凹坑的数量和所述凹坑的分布情况,判断所述凹坑是否满足所述第一报警条件。
优选的,所述第二判断单元,具体用于:
判断所述轧机的伤辊类缺陷是否为翘皮且缺陷面积是否大于350mm2,若所述轧机的伤辊类缺陷为所述翘皮且缺陷面积大于350mm2,则表明满足所述第二报警条件;和/或
判断所述轧机的伤辊类缺陷是否为夹杂且缺陷长度是否大于700mm,若所述轧机的伤辊类缺陷为所述夹杂且缺陷长度大于700mm,则表明满足所述第二报警条件。
优选的,所述表面缺陷包括断带类缺陷和伤辊类缺陷中的至少一类缺陷,所述断带类缺陷包括孔洞缺陷、折叠缺陷、边裂缺陷和凹坑缺陷中的至少一种缺陷,所述伤辊类缺陷包括翘皮和夹杂中的至少一种缺陷。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
本发明实施例还提供一种计算机设备,如图4所示,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该计算机设备可以为手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)、POS(Point of Sales,销售终端)、车载电脑等任意计算机设备,图4示出的是与本发明实施例提供的计算机设备相关的部分结构的框图。参考图4,该计算机设备包括:存储器401和处理器402。本领域技术人员可以理解,图4中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图4对计算机设备的各个构成部件进行具体的介绍:
存储器401可用于存储软件程序以及模块,处理器402通过运行存储在存储器401的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器401可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器402是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器401内的软件程序和/或模块,以及调用存储在存储器401内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器402可包括一个或多个处理单元;优选的,处理器402可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器402中。
在本发明实施例中,该计算机设备所包括的处理器402可以具有以下功能:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
本申请通过预先建立表面缺陷分类模型,在检测获得酸连轧生产线中的轧机的表面缺陷信息之后,基于表面缺陷信息在该表面缺陷分类模型中判断是否满足预设报警条件,若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作,从而能够及时、准确地发现表面缺陷类事件,避免了表面缺陷类事故的发生,保证生产顺稳,提高产品质量。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种酸连轧生产线轧机保护方法,其特征在于,所述方法包括:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
2.如权利要求1所述的酸连轧生产线轧机保护方法,其特征在于,在所述判断是否满足预设报警条件之前,所述方法还包括:
建立所述表面缺陷分类模型。
3.如权利要求2所述的酸连轧生产线轧机保护方法,其特征在于,所述建立所述表面缺陷分类模型,包括:
建立钢种分类器,所述钢种分类器包含归属于不同钢种的多个子分类器;
分别对各个子分类器进行表面缺陷识别训练,生成所述表面缺陷分类模型。
4.如权利要求1所述的酸连轧生产线轧机保护方法,其特征在于,所述基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足报警条件,包括:
所述表面缺陷分类模型根据所述表面缺陷信息,判断所述轧机的断带类缺陷是否满足预设的第一报警条件,以及判断所述轧机的伤辊类缺陷是否满足预设的第二报警条件。
5.如权利要求4所述的酸连轧生产线轧机保护方法,其特征在于,所述判断所述轧机的断带类缺陷是否满足预设的第一报警条件,包括:
判断所述轧机的断带类缺陷是否为孔洞且缺陷面积是否大于0mm2,若所述轧机的断带类缺陷为所述孔洞且缺陷面积大于0mm2,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为折叠,若所述轧机的断带类缺陷为所述折叠,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为边裂,且边裂情况是否为缺陷距边部距离与切边宽度的差值大于0mm,若所述轧机的断带类缺陷为所述边裂且所述边裂情况为缺陷距边部距离与切边宽度的差值大于0mm,则表明满足所述第一报警条件;和/或
判断所述轧机的断带类缺陷是否为凹坑,若所述轧机的断带类缺陷为所述凹坑,则根据所述凹坑的缺陷面积、所述凹坑的数量和所述凹坑的分布情况,判断所述凹坑是否满足所述第一报警条件。
6.如权利要求4所述的酸连轧生产线轧机保护方法,其特征在于,所述判断所述轧机的伤辊类缺陷是否满足预设的第二报警条件,包括:
判断所述轧机的伤辊类缺陷是否为翘皮且缺陷面积是否大于350mm2,若所述轧机的伤辊类缺陷为所述翘皮且缺陷面积大于350mm2,则表明满足所述第二报警条件;和/或
判断所述轧机的伤辊类缺陷是否为夹杂且缺陷长度是否大于700mm,若所述轧机的伤辊类缺陷为所述夹杂且缺陷长度大于700mm,则表明满足所述第二报警条件。
7.如权利要求1所述的酸连轧生产线轧机保护方法,其特征在于,所述表面缺陷包括断带类缺陷和伤辊类缺陷中的至少一类缺陷,所述断带类缺陷包括孔洞缺陷、折叠缺陷、边裂缺陷和凹坑缺陷中的至少一种缺陷,所述伤辊类缺陷包括翘皮和夹杂中的至少一种缺陷。
8.一种酸连轧生产线轧机保护装置,其特征在于,所述装置包括:
获得模块,用于对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
判断模块,用于基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
生成模块,用于若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
对所述酸连轧生产线中的所述轧机的表面缺陷进行检测,获得用于表征所述轧机表面缺陷情况的表面缺陷信息;
基于所述表面缺陷信息,在预先建立的表面缺陷分类模型中判断是否满足预设报警条件;
若满足所述预设报警条件,则生成报警信息以提示用户进行相应处置操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710834094.6A CN107730486A (zh) | 2017-09-15 | 2017-09-15 | 一种酸连轧生产线轧机保护方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710834094.6A CN107730486A (zh) | 2017-09-15 | 2017-09-15 | 一种酸连轧生产线轧机保护方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107730486A true CN107730486A (zh) | 2018-02-23 |
Family
ID=61206535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710834094.6A Pending CN107730486A (zh) | 2017-09-15 | 2017-09-15 | 一种酸连轧生产线轧机保护方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730486A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109959664A (zh) * | 2019-04-10 | 2019-07-02 | 长春禹衡光学有限公司 | 绝对光栅尺的污染检测方法、装置及可读存储介质 |
CN111346925A (zh) * | 2020-03-03 | 2020-06-30 | 首钢京唐钢铁联合有限责任公司 | 一种防止酸连轧机断带溜车的方法及*** |
CN111438200A (zh) * | 2020-04-15 | 2020-07-24 | 首钢京唐钢铁联合有限责任公司 | 连轧带钢表面质量检查方法及装置 |
CN116603859A (zh) * | 2023-07-19 | 2023-08-18 | 中国重型机械研究院股份公司 | 一种钢带轧制设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101850368A (zh) * | 2009-03-31 | 2010-10-06 | 上海宝钢工业检测公司 | 酸洗连轧机联合机组断带在线检测方法 |
CN102384910A (zh) * | 2010-08-28 | 2012-03-21 | 魏卿轩 | 一种型材表面缺陷自动检测装置 |
CN102601131A (zh) * | 2012-03-09 | 2012-07-25 | 湖南镭目科技有限公司 | 一种钢坯表面质量在线检测装置 |
CN104914111A (zh) * | 2015-05-18 | 2015-09-16 | 北京华检智研软件技术有限责任公司 | 一种带钢表面缺陷在线智能识别检测***及其检测方法 |
CN105719291A (zh) * | 2016-01-20 | 2016-06-29 | 江苏省沙钢钢铁研究院有限公司 | 品种可选择的表面缺陷图像分类*** |
EP3037808A1 (en) * | 2007-08-28 | 2016-06-29 | Posco | Device and method for optically detecting surface defect of round wire rod |
-
2017
- 2017-09-15 CN CN201710834094.6A patent/CN107730486A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3037808A1 (en) * | 2007-08-28 | 2016-06-29 | Posco | Device and method for optically detecting surface defect of round wire rod |
CN101850368A (zh) * | 2009-03-31 | 2010-10-06 | 上海宝钢工业检测公司 | 酸洗连轧机联合机组断带在线检测方法 |
CN102384910A (zh) * | 2010-08-28 | 2012-03-21 | 魏卿轩 | 一种型材表面缺陷自动检测装置 |
CN102601131A (zh) * | 2012-03-09 | 2012-07-25 | 湖南镭目科技有限公司 | 一种钢坯表面质量在线检测装置 |
CN104914111A (zh) * | 2015-05-18 | 2015-09-16 | 北京华检智研软件技术有限责任公司 | 一种带钢表面缺陷在线智能识别检测***及其检测方法 |
CN105719291A (zh) * | 2016-01-20 | 2016-06-29 | 江苏省沙钢钢铁研究院有限公司 | 品种可选择的表面缺陷图像分类*** |
Non-Patent Citations (2)
Title |
---|
刘金东: "带钢表面质量在线检测与控制的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
甘胜丰: "《机器视觉表面缺陷检测技术及其在钢铁工业中的应用》", 30 June 2017, 华中科技大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109959664A (zh) * | 2019-04-10 | 2019-07-02 | 长春禹衡光学有限公司 | 绝对光栅尺的污染检测方法、装置及可读存储介质 |
CN111346925A (zh) * | 2020-03-03 | 2020-06-30 | 首钢京唐钢铁联合有限责任公司 | 一种防止酸连轧机断带溜车的方法及*** |
CN111438200A (zh) * | 2020-04-15 | 2020-07-24 | 首钢京唐钢铁联合有限责任公司 | 连轧带钢表面质量检查方法及装置 |
CN111438200B (zh) * | 2020-04-15 | 2022-04-26 | 首钢京唐钢铁联合有限责任公司 | 连轧带钢表面质量检查方法及装置 |
CN116603859A (zh) * | 2023-07-19 | 2023-08-18 | 中国重型机械研究院股份公司 | 一种钢带轧制设备 |
CN116603859B (zh) * | 2023-07-19 | 2023-11-17 | 中国重型机械研究院股份公司 | 一种钢带轧制设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730486A (zh) | 一种酸连轧生产线轧机保护方法及装置 | |
CN109692877A (zh) | 一种冷轧带钢表面质量管理***及方法 | |
CN104461682B (zh) | 一种轧钢钢板仿真分切质量判定***及方法 | |
CN109614526A (zh) | 基于高维异常检测模型的环境监测数据造假手段识别方法 | |
CN107541597A (zh) | 连续退火机组均热炉的带钢跑偏监测与诊断方法及*** | |
CN111402236B (zh) | 一种基于图像灰度值的热轧带钢表面缺陷分级方法 | |
CN107895230A (zh) | 客服质量评价方法和装置 | |
TWI834426B (zh) | Pcb缺陷檢測模型的評估方法、評估裝置及訓練方法 | |
CN112101181A (zh) | 一种基于深度学习的自动化隐患场景识别方法及*** | |
CN107941812A (zh) | 信息处理方法及电子设备 | |
CN113643552A (zh) | 一种智能限速提醒***的整车测试方法 | |
CN114563969A (zh) | 一种实验室用智能安全***及其控制方法 | |
CN113080968B (zh) | 基于心率变异性的综合性心理状态测评*** | |
TW202241603A (zh) | 鋼捲表面品質缺陷預警系統與缺陷預警方法 | |
CN113155862B (zh) | 一种偏光膜卷材良率的模拟方法 | |
JP2003329600A (ja) | 鋼板の品質管理方法 | |
CN115732091A (zh) | 视力自助筛查*** | |
CN108229690A (zh) | 一种机器学习模型效用评估的方法和装置 | |
CN111445441B (zh) | 一种带钢头部缺陷处理方法及装置 | |
CN103706774A (zh) | 一种甄别不锈钢板坯表面夹渣、裂纹缺陷的方法 | |
CN202815932U (zh) | 一种热轧原卷产品自动分级*** | |
JP2006085523A5 (zh) | ||
Haapamäki et al. | Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction. | |
JP2004125686A (ja) | 鋼板の疵検出方法、鋼板の疵検出装置、コンピュータプログラム及びコンピュータ読み取り可能な記録媒体 | |
JP4085474B2 (ja) | ワインダー仕上げ製品の品質自動判定方法及び自動判定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
RJ01 | Rejection of invention patent application after publication |