JP2023086616A - 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 - Google Patents
高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 Download PDFInfo
- Publication number
- JP2023086616A JP2023086616A JP2021201278A JP2021201278A JP2023086616A JP 2023086616 A JP2023086616 A JP 2023086616A JP 2021201278 A JP2021201278 A JP 2021201278A JP 2021201278 A JP2021201278 A JP 2021201278A JP 2023086616 A JP2023086616 A JP 2023086616A
- Authority
- JP
- Japan
- Prior art keywords
- temperature steel
- crack
- data
- image data
- steel
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 302
- 239000010959 steel Substances 0.000 title claims abstract description 302
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000005096 rolling process Methods 0.000 title claims abstract description 70
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 66
- 239000000463 material Substances 0.000 claims description 65
- 238000004519 manufacturing process Methods 0.000 claims description 39
- 238000005098 hot rolling Methods 0.000 claims description 22
- 238000011282 treatment Methods 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 abstract 1
- 238000011176 pooling Methods 0.000 description 31
- 238000003384 imaging method Methods 0.000 description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 23
- 230000008569 process Effects 0.000 description 21
- 238000012937 correction Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 14
- 239000000047 product Substances 0.000 description 11
- 238000012935 Averaging Methods 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 7
- 238000009749 continuous casting Methods 0.000 description 6
- 238000005336 cracking Methods 0.000 description 6
- 239000003517 fume Substances 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000000498 cooling water Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005275 alloying Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000003303 reheating Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Landscapes
- Metal Rolling (AREA)
Abstract
Description
高温鋼材の表面を撮影することにより取得した画像データを入力データ、前記高温鋼材の割れ情報を出力データとして、機械学習によって学習された割れ判定モデルを用いて、前記高温鋼材の割れを判定するステップを含む。
上記の高温鋼材の割れ判定方法によって前記高温鋼材に割れがあると判定された場合に、前記割れ情報に基づいて、前記高温鋼材の表面の手入れを行う、又は、前記高温鋼材をその後の製造ラインに搬送されないようにする処置工程を含む。
高温鋼材の表面を撮影することにより取得した画像データを入力実績データ、前記高温鋼材の割れ情報を出力実績データとした、複数の学習用データを用いて、機械学習によって、前記高温鋼材の割れを判定する割れ判定モデルを生成するステップを含む。
高温鋼材の表面を撮影することにより取得した画像データの実績データと、前記高温鋼材の割れ情報の実績データと、を取得するデータ取得ステップと、
前記データ取得ステップで取得した画像データの実績データに対して画像加工処理を施すことにより生成した画像加工データを入力実績データ、前記画像加工データに対応する前記高温鋼材の割れ情報の実績データを出力実績データとした、複数の学習用データを用いて、機械学習によって、前記高温鋼材の割れを判定する割れ判定モデルを生成するステップを含む。
本開示における高温鋼材とは、鋼板の表面温度が概ね600℃以上、1250℃以下の範囲にある鋼材を指す。高温鋼材には、連続鋳造により製造されたスラブ、ビレット、ブルームが含まれる。また、高温鋼材は、熱延ラインにおいて、加熱炉から抽出され、粗圧延工程から仕上げ圧延工程に至るまでの鋼材又は鋼帯を含む。さらに、高温鋼材は、厚板圧延ラインにおける粗圧延又は仕上げ圧延工程における鋼材又は鋼板を含むものとする。高温鋼材は、その表面に割れが生じることにより、鋼材の表面と割れによる開口部との温度差に起因して、外観上の色又は輝度の違いが生じることで割れが発生していることを認識できる。
図1は、熱延鋼板を製造するための熱延ラインの構成を示す模式図である。図1に示すように、熱延ライン10は、加熱炉1、デスケーリング装置21、幅圧下装置3、粗圧延機4、仕上げ圧延機5、水冷装置6及びコイラー7を備えている。不図示の鋳造スラブは、加熱炉1に装入された後、所定の設定温度(例えば1100~1250℃)まで加熱され、熱間スラブとして加熱炉1から抽出される。加熱炉1から抽出されたスラブは、デスケーリング装置21によって表面に生成した1次スケールが除去された後、幅圧下装置3によって所定の設定幅まで幅圧下される。幅圧下されたスラブは、粗圧延機4において所定厚さまで圧延されることで粗バーとして仕上げ圧延機5に搬送される。粗圧延機4は可逆式圧延機4aを含んでよいし、非可逆式圧延機4bを含んでよい。仕上げ圧延機5では、5から7スタンドの連続式圧延機により製品厚さまで圧延される。仕上げ圧延機5の下流側にはランアウトテーブルと呼ばれる設備に水冷装置6が備えられており、圧延材は、所定の温度まで冷却された後、コイラー7によってコイル状に巻き取られる。
本実施形態における高温鋼材の割れ情報とは、高温鋼材の上面又は下面から観察される、高温鋼材の割れの有無に関する情報をいう。高温鋼材の割れは、き裂だけでなく穴あきを含むものとする。高温鋼材のき裂は、進展している方向が鋼材の長手方向であるものも、幅方向であるものも含む。また、高温鋼材の割れは、表面の一か所に生じているものも、2箇所以上に生じているものも含む。高温鋼材に割れが生じる場合に、鋼材の表面と割れによる開口部との温度差に起因して、外観上の色、輝度などの違いが生じる。その部分の輪郭形状に関する特徴により割れの有無が判定され得る。
本実施形態では、高温鋼材の割れを判定する割れ判定モデルを生成する割れ判定モデル生成部を備える。割れ判定モデルは、高温鋼材の表面を撮影することにより取得した画像データを入力実績データ、高温鋼材の割れ情報を出力実績データとした、複数の学習用データを用いた機械学習によって生成される。上記のように、シートバー12の表面に冷却水の不均一又は水乗りがあると図4の例とは異なる特徴を有する高温鋼材の画像データが得られる。このような画像も含めて機械学習によって学習することによって、冷却水の不均一又は水乗りがあっても割れを精度よく検出できる割れ判定モデルを生成することができる。
以上のようにして生成した割れ判定モデルを用いて高温鋼材の割れの有無を判定することができる。割れ判定モデルは、下記の高温鋼材の割れ判定方法が実行される前に生成される。
本開示の別の実施形態として、上記の割れ判定モデルについて、入力データとして高温鋼材の属性情報から選択されたパラメータを含む実施形態が説明される。
本実施例では、図9に示す割れ判定モデル生成部により高温鋼材の割れ判定モデルを生成した。高温鋼材を撮影するカメラ20は、熱延ラインにおける粗圧延機として、図2に示す第1の粗圧延機41の下流側に設置された。そして、シートバーの上面からシートバーの全長の画像データが取得された。その際、カメラ20ではシートバーの進行方向に対して複数の画像を取得するため、撮像制御装置により画像同士の重なり部をトリミングして、シートバーの全長に対する1枚の画像データを取得した。熱延ラインのシートバーを撮影した画像データは、高温鋼材の属性情報として選択した鋼材の重量と、粗圧延機の操業オペレータが目視により判定した高温鋼材の割れ情報と共に実績データとしてデータベース部に蓄積した。ここで、高温鋼材の割れ情報に関する実績データは、粗圧延機の操業オペレータが「割れあり」と判定した場合に、操作室の入力部から割れ情報が入力され、その他のデータセットには、「割れなし」の情報を自動的に割り当てた。また、カメラ20により撮影した画像は2次元のカラー画像であるが、割れ判定モデル生成部の予備処理部によりグレースケールの画像に変換して、機械学習に用いた。
3 幅圧下装置
4 粗圧延機
5 仕上げ圧延機
6 水冷装置
7 コイラー
10 熱延ライン
12 シートバー
13 粗デスケーリング装置
20 カメラ
21 デスケーリング装置
41 第1の粗圧延機
42 第2の粗圧延機
43 第3の粗圧延機
Claims (7)
- 高温鋼材の表面を撮影することにより取得した画像データを入力データ、前記高温鋼材の割れ情報を出力データとして、機械学習によって学習された割れ判定モデルを用いて、前記高温鋼材の割れを判定するステップを含む、高温鋼材の割れ判定方法。
- 前記割れ判定モデルは、前記入力データとして、前記高温鋼材の属性情報から選択した1又は2以上のパラメータを含む、請求項1に記載の高温鋼材の割れ判定方法。
- 前記高温鋼材は、熱延ラインの粗圧延機により圧延されるシートバーである、請求項1又は2に記載の高温鋼材の割れ判定方法。
- 請求項1から3のいずれか一項に記載の高温鋼材の割れ判定方法によって前記高温鋼材に割れがあると判定された場合に、前記割れ情報に基づいて、前記高温鋼材の表面の手入れを行う、又は、前記高温鋼材をその後の製造ラインに搬送されないようにする処置工程を含む、高温鋼材の圧延方法。
- 高温鋼材の表面を撮影することにより取得した画像データを入力実績データ、前記高温鋼材の割れ情報を出力実績データとした、複数の学習用データを用いて、機械学習によって、前記高温鋼材の割れを判定する割れ判定モデルを生成するステップを含む、高温鋼材の割れ判定モデルの生成方法。
- 高温鋼材の表面を撮影することにより取得した画像データの実績データと、前記高温鋼材の割れ情報の実績データと、を取得するデータ取得ステップと、
前記データ取得ステップで取得した画像データの実績データに対して画像加工処理を施すことにより生成した画像加工データを入力実績データ、前記画像加工データに対応する前記高温鋼材の割れ情報の実績データを出力実績データとした、複数の学習用データを用いて、機械学習によって、前記高温鋼材の割れを判定する割れ判定モデルを生成するステップを含む、高温鋼材の割れ判定モデルの生成方法。 - 前記機械学習の手法として、畳み込みニューラルネットワークが用いられる、請求項5又は6に記載の高温鋼材の割れ判定モデルの生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021201278A JP7524885B2 (ja) | 2021-12-10 | 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021201278A JP7524885B2 (ja) | 2021-12-10 | 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023086616A true JP2023086616A (ja) | 2023-06-22 |
JP7524885B2 JP7524885B2 (ja) | 2024-07-30 |
Family
ID=
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023054225A (ja) * | 2019-04-11 | 2023-04-13 | 株式会社三洋物産 | 遊技機 |
JP2023054224A (ja) * | 2019-04-11 | 2023-04-13 | 株式会社三洋物産 | 遊技機 |
JP2023105105A (ja) * | 2020-05-29 | 2023-07-28 | 株式会社三洋物産 | 遊技機 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023054225A (ja) * | 2019-04-11 | 2023-04-13 | 株式会社三洋物産 | 遊技機 |
JP2023054224A (ja) * | 2019-04-11 | 2023-04-13 | 株式会社三洋物産 | 遊技機 |
JP2023105105A (ja) * | 2020-05-29 | 2023-07-28 | 株式会社三洋物産 | 遊技機 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110431404B (zh) | 表面缺陷检查方法及表面缺陷检查装置 | |
JP5217253B2 (ja) | 熱延金属帯の品質判定結果記録用コンピュータシステム、製造・品質実績管理および通過工程指示・管理用ビジコンシステムと、それらを用いた後工程での熱延金属帯の品質不良部切除方法 | |
CA2679667C (en) | Method and apparatus for hot-rolling metal strip using near-infrared camera | |
CN111784670B (zh) | 基于计算机视觉的热轧钢板表面缺陷识别方法及装置 | |
TWI749735B (zh) | 收縮產生預測系統 | |
KR20190070675A (ko) | 소재 디스케일러 장치 및 디스케일링 방법 | |
CN110653271B (zh) | 热轧带钢卷取夹送辊的辊面质量自动评级装置和评级方法 | |
JP2021098213A (ja) | 熱間圧延の反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 | |
JP2023086616A (ja) | 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 | |
JP7524885B2 (ja) | 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 | |
JP5322261B2 (ja) | 熱間圧延における近赤外線カメラを用いた熱延金属帯の全幅撮影方法、全幅撮影結果記録方法 | |
JP7428197B2 (ja) | 鋼板の形状判別方法、形状測定方法、形状制御方法、製造方法、形状判別モデルの生成方法、及び形状判別装置 | |
CN109201750A (zh) | 基于水面积的热轧低温卷取带钢表面吹扫控制方法 | |
JP3300546B2 (ja) | 鋼板の疵検出方法 | |
JP7524884B2 (ja) | 高温鋼材の割れ検出方法、高温鋼材の圧延方法及び高温鋼材の割れ検出モデルの生成方法 | |
JP2009078289A (ja) | 熱間圧延における近赤外線カメラを用いた熱延金属帯の欠陥検出方法およびそれを用いた熱延金属帯の製造方法 | |
CN113935966B (zh) | 金属物料的渣点检测方法、装置、设备和存储介质 | |
JP2023086615A (ja) | 高温鋼材の割れ検出方法、高温鋼材の圧延方法及び高温鋼材の割れ検出モデルの生成方法 | |
JP5430864B2 (ja) | 熱間圧延における近赤外線カメラを用いた熱延金属帯の全幅撮影方法、全幅撮影結果記録方法 | |
JP2023030752A (ja) | 鋼板の蛇行量推定モデルの生成方法、蛇行量推定方法、及び製造方法 | |
JP5176596B2 (ja) | 熱間圧延における近赤外線カメラを用いた熱延金属帯の品質判定方法、熱延金属帯の製造方法 | |
JP7517369B2 (ja) | 鋼板の板プロフィル判定方法、処置工程設定方法、製造方法、及び板プロフィル判定モデルの生成方法 | |
JP7447874B2 (ja) | 鋼板の蛇行量推定モデルの生成方法、鋼板の蛇行量推定方法、鋼板の蛇行制御方法、及び鋼板の製造方法 | |
JP2024004447A (ja) | 鋼板の矯正機への通板可否判定方法、矯正方法、製造方法、及び矯正機への通板可否判定モデルの生成方法 | |
TWI844298B (zh) | 冷軋機的軋製條件設定方法、冷軋方法、鋼板的製造方法、冷軋機的軋製條件設定裝置及冷軋機 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230724 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240326 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240521 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240618 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240701 |