JP7056401B2 - 連続鋳造用モールド内のボイル検出方法、連続鋳造鋳片の品質判定方法、連続鋳造設備の監視方法、連続鋳造用モールド内のボイル検出装置 - Google Patents

Description

本発明は、連続鋳造時において、連続鋳造用モールドの湯面を監視し、連続鋳造用モールド内から放出されたガス気泡のボイルを検出する連続鋳造用モールド内のボイル検出方法、これを用いた連続鋳造鋳片の品質判定方法、連続鋳造設備の監視方法、及び、連続鋳造用モールド内のボイル検出装置に関するものである。

金属の連続鋳造においては、連続鋳造用モールド内に、浸漬ノズルを介して溶融金属を連続的に供給し、連続鋳造用モールドのモールド壁において凝固シェルを成長させ、得られた鋳片を連続鋳造用モールドから引き抜くことにより、連続的に鋳片を製造する構成とされている。

この連続鋳造時には、連続鋳造用モールド内の湯面上にモールドパウダーが添加される。このモールドパウダーは、連続鋳造用モールド内の湯面上において溶融し、モールド壁と凝固シェルとの間に流入する。そして、モールドパウダーは、モールド壁と凝固シェルとの間でパウダーフィルムを形成し、モールド壁と凝固シェルの間で潤滑作用を奏する。
また、連続鋳造時には、溶融金属中の非金属介在物等を浮上分離するために、連続鋳造用モールド内の溶融金属に対して、浸漬ノズルを介して不活性ガスを供給している。

ここで、連続鋳造時には、連続鋳造用モールド内に供給された不活性ガスが凝集してガス気泡が粗大化し、これが湯面上で放出されることがある。この現象を「ボイル」と称する。ガス気泡のボイルが生じると、湯面上の溶融したモールドパウダーが溶融金属内に巻き込まれ、鋳片の内部品質が低下してしまうおそれがあった。
また、浸漬ノズルに孔や亀裂等が生じた場合には、浸漬ノズルを通過する溶鋼が雰囲気ガスを巻き込んでしまい、この雰囲気ガスが連続鋳造用モールド内から湯面上に放出され、上述の「ボイル」が生じることになる。
なお、連続鋳造用モールド内から放出されたガス気泡のボイルが生じた場合には、湯面上のモールドパウダーが除去され、瞬間的に溶融金属が露出する。このため、連続鋳造用モールドを観察すると、ボイルが生じた際には、瞬間的に輝度の高い領域が観察されることになる。

このため、連続鋳造時においては、連続鋳造用モールドの湯面を監視し、モールド内から放出されたガス気泡のボイルを検出することで、鋳片の表面品質及び内部品質を判定したり、設備異常を検出したりすることが可能となる。
このため、従来、連続鋳造時において、連続鋳造用モールドの湯面を監視して、ガス気泡のボイルを検出する手段が提供されている。

例えば、特許文献１には、鋳型内を撮像し、得られた画像信号を演算処理して、湯面上に浮上する気泡数および湯面上に発生する炎の大きさを検出し、ガスの吹き込み量を制御する方法が提案されている。
また、特許文献２には、テレビカメラによって画像を得て、記憶された画像を固定し、新たに入力される画像との画素毎の差を取り、ボイル発生有無を検知して判定処理する方法が提案されている。

さらに、特許文献３には、浸漬ノズルを中心としてモールドの長辺方向の一方と他方とをそれぞれ２つのカメラで撮像し、得られた画像に対して画像処理装置により１画素当りの平均輝度値を算出し、一方のモールド内画像と他方のモールド内画像の平均輝度値との差から、片沸を検出する方法が提案されている。
また、特許文献４には、モールド内の溶鋼面を撮像して原画像データを得て、この原画像データの各画素の輝度値に応じて、ボイル発生値と非ボイル発生値とに２値化処理し、判定画像データをあらかじめ定めてある判定パターンと比較して、ボイル現象を判定する方法が提案されている。

さらに、特許文献５には、連続鋳造モールド内の画像を写す撮像部と、前記モールド内の画像に基づいて色彩の分布情報を解析して、前記モールド内部で発生する火炎部を検出することによって、モールド内の異常を検知する異常検知部と、を備えたモールド内監視装置が提案されている。

特開平０２－２３５５５６号公報 特開平０５－０７７０１５号公報 特開平０８－１１７９４３号公報 特開平１０－０３４３０５号公報 特開２００７－２７５９４４号公報

ところで、連続鋳造用モールドの湯面においては、添加したモールドパウダーが燃焼することによって炎が発生している。このため、連続鋳造用モールドの湯面を撮像した画像においては、モールドパウダーの燃焼炎、および、連続鋳造用モールド内から放出されたガス気泡のボイルは、それぞれ輝度が高い部分として認識されるため、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルと、を精度良く識別することは困難であった。
なお、特許文献４においては、炎とボイルとを識別してボイル判定することを目的としているが、この方法では、十分な精度で、モールドパウダーの燃焼炎と連続鋳造用モールド内から放出されたガス気泡のボイルとを、識別することは困難であった。

本発明は、前述した状況に鑑みてなされたものであって、連続鋳造用モールドの湯面を監視し、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルと、を精度良く識別して、ボイルを確実に検出することが可能な連続鋳造用モールド内のボイル検出方法、この連続鋳造用モールド内のボイル検出方法を用いた連続鋳造鋳片の品質判定方法、連続鋳造設備の監視方法、及び、連続鋳造用モールド内のボイル検出装置を提供することを目的とする。

上記課題を解決するために、本発明に係る連続鋳造用モールド内のボイル検出方法は、連続鋳造時に連続鋳造用モールド内から放出されたガス気泡のボイルを検出する連続鋳造用モールド内のボイル検出方法であって、前記連続鋳造用モールド内を動画撮像して動画データを得る撮像ステップと、前記動画データから静止画像データを切り出す静止画像データ取得ステップと、前記静止画像データを移動平均処理して移動平均画像データを得る移動平均処理ステップと、前記移動平均画像データをグレースケール化し、輝度に応じて低輝度部と高輝度部とに２値化して２値化画像を得る２値化処理ステップと、前記２値化画像から前記高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出ステップと、抽出された前記切り出し画像に基づいて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定するボイル判定ステップと、を備えており、前記ボイル判定ステップにおける判定ロジックが、前記切り出し画像と、正解ラベルを有する教師ラベルと、をもとに、教師あり学習手法によって構築されることを特徴としている。

この構成の連続鋳造用モールド内のボイル検出方法によれば、輝度に応じて２値化した２値化画像から前記高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出ステップと、抽出された切り出し画像に基づいて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定するボイル判定ステップと、を備えているので、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルを、精度良く識別することが可能となり、ガス気泡のボイルを確実に検出することが可能となる。

ここで、本発明に係る連続鋳造用モールド内のボイル検出方法においては、前記静止画像データを移動平均処理して移動平均画像データを得る移動平均処理ステップを有しているので、移動平均処理ステップによって、画像のノイズを除去することができ、安定してガス気泡のボイルを検出することが可能となる。
また、前記ボイル判定ステップにおける判定ロジックが、前記切り出し画像と、正解ラベルを有する教師ラベルと、をもとに、教師あり学習手法によって構築されるので、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルを、さらに精度良く識別することが可能となる。

また、本発明に係る連続鋳造用モールド内のボイル検出方法においては、前記ボイル判定ステップにおいては、抽出された前記切り出し画像の特徴量を用いて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定する構成とすることが好ましい。
この場合、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルを、さらに精度良く識別することが可能となり、ガス気泡のボイルを確実に検出することが可能となる。

また、本発明に係る連続鋳造用モールド内のボイル検出方法においては、前記切り出し画像の特徴量として、画素ベクトルを用いる構成としてもよい。
この場合、抽出された前記切り出し画像の特徴量として、画素ベクトルを用いているので、当該前記切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かをさらに精度良く判定することが可能となる。

さらに、本発明に係る連続鋳造用モールド内のボイル検出方法においては、前記切り出し画像の特徴量は、画素ベクトルをＨＯＧ特徴量に加工したものであることが好ましい。
この場合、抽出された前記切り出し画像の特徴量として、画素ベクトルをＨＯＧ特徴量に加工したものを用いているので、当該前記切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かをより一層精度良く判定することが可能となる。

本発明の連続鋳造鋳片の品質判定方法は、上述の連続鋳造用モールド内のボイル検出方法を用いて、前記連続鋳造用モールド内から放出されたガス気泡のボイルの検出状況に応じて、得られた連続鋳造鋳片の品質を判定することを特徴としている。

ガス気泡のボイルが生じた場合には、モールドパウダーの巻き込みが生じているおそれがあるため、ガス気泡のボイルの検出状況によって、連続鋳造鋳片の内部品質への影響を懸念することが可能となる。
そこで、本発明の連続鋳造鋳片の品質判定方法においては、上述の連続鋳造用モールド内のボイル検出方法によって前記連続鋳造用モールド内から放出されたガス気泡のボイルを検出しているので、ガス気泡のボイルを精度良く検出することが可能となり、連続鋳造鋳片の品質判定を精度良く行うことができる。

本発明の連続鋳造設備の監視方法は、上述の連続鋳造用モールド内のボイル検出方法を用いて、前記連続鋳造用モールド内から放出されたガス気泡のボイルの検出状況に応じて、設備異常の有無を判断することを特徴としている。

浸漬ノズルの孔空きや欠損、亀裂等の設備異常が生じた場合には、連続鋳造用モールド内に供給される溶融金属に雰囲気中のガスが巻き込まれることや、連続鋳造用モールド内での溶鋼流動が期待している様態と異なるため、前記連続鋳造用モールド内から放出されたガス気泡のボイルが健全な状態に比べて多く発生することになる。
そこで、本発明の連続鋳造設備の監視方法においては、上述の連続鋳造用モールド内のボイル検出方法によって前記連続鋳造用モールド内から放出されたガス気泡のボイルを検出しているので、ガス気泡のボイルを精度良く検出することが可能となり、連続鋳造設備異常の有無を精度良く判断することができる。

本発明の連続鋳造用モールド内のボイル検出装置は、連続鋳造時に連続鋳造用モールド内から放出されたガス気泡のボイルを検出する連続鋳造用モールド内のボイル検出装置であって、前記連続鋳造用モールド内を動画撮像して動画データを得る撮像手段と、前記動画データから静止画像データを切り出す静止画像データ取得手段と、前記静止画像データを移動平均処理して移動平均画像データを得る移動平均処理手段と、前記移動平均画像データをグレースケール化し、輝度に応じて低輝度部と高輝度部とに２値化して２値化画像を得る２値化処理手段と、前記２値化画像から前記高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出手段と、抽出された前記切り出し画像に基づいて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定するボイル判定手段と、を備えており、前記ボイル判定手段における判定ロジックが、前記切り出し画像と、正解ラベルを有する教師ラベルと、をもとに、教師あり学習手法によって構築されることを特徴としている。

この構成の連続鋳造用モールド内のガス気泡検出装置によれば、輝度に応じて低輝度部と高輝度部とに２値化した２値化画像から前記高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出手段と、抽出された前記切り出し画像に基づいて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定するボイル判定手段と、を備えているので、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルを、精度良く識別することが可能となり、ガス気泡のボイルを確実に検出することが可能となる。

ここで、本発明の連続鋳造用モールド内のボイル検出装置においては、前記静止画像データを移動平均処理して移動平均画像データを得る移動平均処理手段を備えている構成としているので、移動平均処理手段によって、画像のノイズを除去することができ、安定してガス気泡のボイルを検出することが可能となる。
さらに、前記ボイル判定手段における判定ロジックが、前記切り出し画像と、正解ラベルを有する教師ラベルと、をもとに、教師あり学習手法によって構築されるので、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルを、さらに精度良く識別することが可能となる。

また、本発明の連続鋳造用モールド内のボイル検出装置においては、前記ボイル判定手段は、抽出された前記切り出し画像の特徴量を用いて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定することが好ましい。
この場合、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルを、さらに精度良く識別することが可能となり、ガス気泡のボイルを確実に検出することが可能となる。

また、本発明の連続鋳造用モールド内のボイル検出装置においては、前記切り出し画像の特徴量として、画素ベクトルを用いる構成としてもよい。
この場合、抽出された前記切り出し画像の特徴量として、画素ベクトルを用いているので、当該前記切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かをさらに精度良く判定することが可能となる。

さらに、本発明の連続鋳造用モールド内のボイル検出装置においては、前記切り出し画像の特徴量は、画素ベクトルをＨＯＧ特徴量に加工したものであることが好ましい。
この場合、抽出された前記前記切り出し画像の特徴量として、画素ベクトルをＨＯＧ特徴量に加工したものを用いているので、当該前記切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かをより一層精度良く判定することが可能となる。

上述のように、本発明によれば、連続鋳造用モールドの湯面を監視し、モールドパウダーの燃焼炎と、連続鋳造用モールド内から放出されたガス気泡のボイルと、を精度良く識別して、ボイルを確実に検出することが可能な連続鋳造用モールド内のボイル検出方法、この連続鋳造用モールド内のボイル検出方法を用いた連続鋳造鋳片の品質判定方法、連続鋳造設備の監視方法、及び、連続鋳造用モールド内のボイル検出装置を提供することができる。

本発明の実施形態である連続鋳造用モールド内のボイル検出方法を実施する連続鋳造設備の一例を示す模式図である。 本発明の実施形態である連続鋳造用モールド内のボイル検出装置の一例を示す模式図である。 本発明の実施形態である連続鋳造用モールド内のボイル検出方法に用いられる識別モデル学習のフロー図である。 本発明の実施形態である連続鋳造用モールド内のボイル検出方法のフロー図である。 本発明の実施形態において、モールド内湯面の画像データ、グレースケール画像、２値化画像、輪郭抽出結果の一例を示す図である。 ＨＯＧ特徴量の説明図である。 連続鋳造用モールド内のガス気泡のボイルの検出状況と鋳片の欠陥発生状況との関係を示す図である。 図７を得るための観察状況を示す説明図である。 連続鋳造用モールド内のガス気泡のボイルの検出状況と設備異常の発生状況との関係を示す図である。

以下に、本発明の実施形態について、添付した図面を参照して説明する。なお、本発明は、以下の実施形態に限定されるものではない。

まず、図１に、本発明の実施形態である連続鋳造用モールド内のボイル検出方法を実施する連続鋳造設備の一例を示す。
この連続鋳造設備１は、取鍋２によって転炉から溶鋼を移送し、ロングノズル３を介してタンディシュ４に溶鋼を移し、このタンディシュ４において大きな介在物を浮上分離した後、浸漬ノズル２０を介して連続鋳造用モールド３０内に溶湯を供給し、連続鋳造鋳片を連続的に鋳造するものである。

本実施形態である連続鋳造設備１は、図２に示すように、連続鋳造用モールド３０と、この連続鋳造用モールド３０内に溶鋼を吐出する浸漬ノズル２０と、浸漬ノズル２０内の溶鋼に不活性ガスを導入する不活性ガス導入手段１０と、を備えている。
ここで、図２に示すように、タンディシュ４と浸漬ノズル２０とは、上ノズル６及びスライディングノズル７を介して接続されている。

本実施形態における不活性ガス導入手段１０は、図２に示すように、上ノズル６及び浸漬ノズル２０の側壁部に設けられたガススリーブノズル１１と、このガススリーブノズル１１に不活性ガスを供給するガス供給配管１２と、を備えている。なお、本実施形態では、不活性ガスとしてアルゴンガスを導入する構成とされている。

本実施形態における浸漬ノズル２０は、図２に示すように、概略有底円筒状をなしており、縦孔部２１と、この縦孔部２１の下方に設けられた一対の吐出孔２２（２２Ａ、２２Ｂ）と、を備えている。ここで、吐出孔２２は、径方向外側に向かうにしたがい漸次下方に向かうように傾斜しており、一対の吐出孔２２（２２Ａ、２２Ｂ）が浸漬ノズル２０（縦孔部２１）の軸線に対して対称に配設されている。

このような構成とされた連続鋳造設備１においては、浸漬ノズル２０を介して連続鋳造用モールド３０の鋳造空間に溶鋼が供給される。
浸漬ノズル２０を介して供給される溶鋼には、不活性ガス導入手段１０により、不活性ガスの一種であるアルゴンガスが吹き込まれている。さらに、鋳型空間内に貯留された溶鋼の上には、溶鋼の保温と凝固シェルＳと連続鋳造用モールド３０の内壁との間の潤滑性を確保するために、モールドパウダー９が供給される。

ここで、不活性ガス導入手段１０によって、連続鋳造用モールド３０内に供給された不活性ガスが凝集して気泡が粗大化し、これが湯面上で放出されることがある。この現象を「ボイル」と称する。このガス気泡のボイルが発生すると、湯面上の溶融したモールドパウダー９が溶鋼内に巻き込まれ、連続鋳造用鋳片の内部品質が低下してしまうおそれがあった。

また、浸漬ノズル２０に孔や亀裂等が生じた場合には、浸漬ノズル２０内を通過する溶鋼に雰囲気ガスが巻き込まれることになり、この雰囲気ガスが連続鋳造用モールド３０内から湯面上に放出されて、ボイルが発生することになる。

ここで、連続鋳造用モールド３０内から放出されたガス気泡のボイルが生じた場合には、モールドパウダーが除去され、瞬間的に溶鋼が露出する。このため、連続鋳造用モールド３０内を観察すると、ボイルが生じた際には、瞬間的に輝度の高い領域が観察されることになる。
このため、本実施形態においては、連続鋳造用モールド３０内から放出されたガス気泡のボイルを検出する連続鋳造用モールド内のボイル検出装置５０が配設されている。

なお、連続鋳造用モールド３０の湯面においては、モールドパウダー９が燃焼することによって炎が生じていることから、モールドパウダー９の燃焼炎とガス気泡のボイルがともに輝度が高い領域として観察されることになる。よって、モールドパウダー９の燃焼炎とガス気泡のボイルとを、精度良く識別する必要がある。

本実施形態である連続鋳造用モールド内のボイル検出装置５０は、連続鋳造用モールド３０内を動画撮像して動画データを得る撮像カメラ５１と、動画データから静止画像データを切り出す静止画像データ取得手段５２と、画像データを移動平均処理して移動平均画像データを得る移動平均処理手段５３と、移動平均画像データをグレースケール化し、輝度に応じて低輝度部と高輝度部とに２値化して２値化画像を得る２値化処理手段５４と、２値化画像から高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出手段５５と、抽出された切り出し画像の特徴量と、予め機械学習を行うことによって得られる識別モデルと、に基づいて、当該切り出し画像が、連続鋳造用モールド３０内から放出されたガス気泡のボイルに該当するか否かを判定するボイル判定手段５６と、を備えている。

本実施形態においては、コンピュータ端末５９が上記各手段を備える。具体的には以下の通りである。コンピュータ端末５９は、プロセッサやメモリを備えた情報処理装置である。コンピュータ端末５９は、プロセッサがプログラムを実行することにより、画像データ切り出し手段５２、移動平均処理手段５３、２値化処理手段５４、輪郭抽出手段５５、ボイル判定手段５６を備える装置として機能する。

コンピュータ端末５９が備える上記各機能の一部又は全部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されても良い。コンピュータ端末５９によって実行されるプログラムは、コンピュータ読み取り可能な記録媒体に記録されても良い。

コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ：Solid State Drive）等の可搬媒体、コンピュータシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記プログラムは、電気通信回線を介して送信されても良い。なお、コンピュータ端末５９が備える上記各機能の一部又は全部は、コンピュータ端末５９とは異なる情報処理装置によって実行されてもよい。例えば、撮像カメラ５１又はコンピュータ端末５９とネットワークを介して接続されたサーバ装置やクラウドにおいて上記各機能の一部又は全部が実装されてもよい。

ここで、本実施形態である連続鋳造用モールド内のボイル検出方法において用いられる識別モデル学習について図４を用いて説明する。

（撮像ステップＳ１０１）
まず、撮像カメラ５１を用いて、連続鋳造用モールド３０の湯面を動画撮影して動画データを動画記録部に格納する。なお、本実施形態では、図２に示すように、連続鋳造用モールド３０の長辺方向において浸漬ノズル２０の一方側と他方側の２つの撮像カメラ５１によって、それぞれ動画撮影する構成とされている。

（切出し画像取得ステップＳ１０２）
次に、動画記録部に格納された撮像データから、ボイルの候補の画像を切り出す。切り出し画像取得ステップＳ１０２では、以下の静止画像データ取得ステップＳ１２１と、移動平均処理ステップＳ１２２と、２値化処理ステップＳ１２３と、切り出し画像抽出ステップＳ１２４と、を実施する。

（静止画像データ取得ステップＳ１２１）
動画記録部に格納された動画像データをフレームごとに静止画像データ（以下、単に「画像データ」という。）として切り出す。

（移動平均処理ステップＳ１２２）
次に、得られた画像データに対して移動平均処理を実施する。前段階での移動平均画像データに重み係数αを掛け、得られた画像データに重み係数（１－α）を掛けて、これを加えたものを今回の移動平均画像データとした。なお、本実施形態では、重み係数αを０．８以上０．９９以下の範囲内としている。

（２値化処理ステップＳ１２３）
次に、移動平均画像データから連続鋳造用モールド内湯面部分の画像（以下「部分画像」という。）を抽出し、これをグレースケール化し、輝度に応じて低輝度部と高輝度部に２値化処理して２値化画像を得る。すなわち、移動平均画像データから連続鋳造用モールド内湯面部分のみを抽出することによって図５（ａ）に示す部分画像を生成し、部分画像を、図５（ｂ）に示すようにグレースケール化し、図５（ｃ）に示すように輝度に応じて低輝度部と高輝度部に２値化して２値化画像を得た。なお、連続鋳造用モールド内湯面部分のみを抽出する処理はどのように実装されてもよい。例えば、動画像データから切り出された画像データにおいて、予め定義された所定の領域の画像を抽出することによって、部分画像が生成されてもよい。所定の領域は、撮像カメラ５１の撮像領域などに応じて予め設計者などによって定義されてもよい。

（切り出し画像抽出ステップＳ１２４）
次に、２値化画像から高輝度部の輪郭データを抽出する。本実施形態では、Ｓｕｚｕｋｉ８５のアルゴリズムを利用し、２値化画像から高輝度部の輪郭を認識し、図５（ｄ）に示すように、認識した輪郭を含むことのできる最小の長方形（外接矩形）形状として抽出した。なお、輪郭の認識手法は、Ｓｕｚｕｋｉ８５に限定される必要は無く、他のアルゴリズム等を用いて実現されてもよい。
そして、前記抽出した長方形（外接矩形）の頂点の座標を計算し、外接矩形の頂点座標に基づき、静止画像データから高輝度部の画像（以下、切り出し画像をいう。）を切り出す。

（教師ラベル付与ステップＳ１０３）
上述の切り出し画像には、ガス気泡のボイル以外に、モールドパウダー９の燃焼炎も含まれるため、切り出し画像からボイルと炎を判定する識別モデルを作成する必要がある。そこで、まず、切り出し画像抽出ステップＳ１２４で抽出した複数の切り出し画像それぞれに対して、切り出し画像が、ガス気泡のボイルに該当するか否かを人が判定して教師ラベルとして付与する。切り出し画像と教師ラベルのセット（以下、教師データという。）を教師データ格納部へ格納する。

（特徴量計算ステップＳ１０４）
識別モデルの入力として使用する切り出し画像の特徴量を作成する。切り出し画像の特徴量には、切り出し画像の画素ベクトルや輪郭部の面積を用いることも可能であるが、本実施形態においては、切り出し画像の特徴量として、輝度の勾配方向と強度をピクセル毎に算出したものを用いており、より具体的には、ＨＯＧ（Ｈｉｓｔｇｒａｍ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔ）特徴量を用いている。

ここで、図６を参照して、ＨＯＧ特徴量について説明する。
まず、１つの切り出し画像を所定のサイズ（本実施例では、横４０ピクセル×縦３０ピクセルとした）に縮小・拡大する。切り出し画像、ブロック、セル、ピクセルの関係を図６（ａ）に示す。本実施例ではセルサイズを５×５ピクセル、ブロックサイズを３×３セルとした。

次に、１セルの各ピクセルにおいて、輝度の勾配方向と強度を算出する。以降、縦方向／横方向のピクセルの位置座標をｘ、ｙとして説明する。

まず、座標（ｘ，ｙ）における輝度値ベクトル［ｆ_ｘ（ｘ，ｙ），ｆ_ｙ（ｘ，ｙ）］を、下記式に基づき計算する。

なお、Ｌ（ｘ，ｙ）は座標（ｘ，ｙ）におけるピクセルの輝度値を表している。ｆ_ｘ（ｘ，ｙ）は座標（ｘ，ｙ）のピクセルの左右のピクセルの輝度値の差分であり、ｆ_ｙ（ｘ，ｙ）は座標（ｘ，ｙ）のピクセルの上下のピクセルの輝度値の差分である。

次に、輝度値ベクトル［ｆ_ｘ（ｘ，ｙ），ｆ_ｙ（ｘ，ｙ）］の強度ｍ（ｘ，ｙ）と勾配θを、下記式に基づき計算する。輝度の勾配ベクトルを可視化した結果を図６（ｂ）に示す。

そして、図６（ｃ）に示すように、１セル毎に、各ピクセルで算出された勾配方向を横軸とし、勾配強度を縦軸として、ヒストグラムを作成する。本実施形態では、勾配方向θを０～１８０°で２０°毎の９分割とし、分割領域毎の強度の和を勾配強度とした。なお、勾配方向θが１８０を超える場合には、θ－１８０として０～１８０°の範囲内とした。すると、１セルには、９つの勾配強度ｖ（ｎ）が存在することになる。

ここで、図６（ｄ）に示すように、１ブロックは３×３セルであるため、１ブロックには、３×３×９＝８１つの勾配強度が存在することになる。そして、以下の式に示すように、ブロック毎に勾配強度を正規化したものがＨＯＧ特徴量となる。

ここで、ｂはブロックサイズ、Ｎは勾配分割数であり、本実施形態ではそれぞれｂ＝３、Ｎ＝９となる。εは数４の分母が０とならないために用意された定数であり、ε＝１とした。切り出し画像１枚当たりのブロック数は２４個であることから、切り出し画像1枚当たりのＨＯＧ特徴量の数は、８１×２４＝１９４４個となる。

（識別モデル作成ステップＳ１０５）
切り出し画像の特徴量（本実施形態においてはＨＯＧ特徴量）を入力として、切り出し画像が連続鋳造用モールド３０内から放出されたガス気泡のボイルに該当するか燃焼炎に該当するか（以降、切り出し画像のクラスという）を出力する識別モデルを、教師データ格納部に格納された複数の教師データに基づいて、機械学習手法の一つである教師あり学習によって構築し、識別モデル格納部へ格納する。教師あり学習の具体例として、Ｋ－近傍法、サポートベクターマシン、深層学習などがあるが、本実施形態ではＫ－近傍法を使用する。

以降では、作成した識別モデルを用いてボイルを検出する手順を、図３を参照して説明する。

（撮像ステップＳ０１）
上述した撮像ステップＳ１０１と同様に、撮像カメラ５１を用いて、連続鋳造用モールド３０の湯面を動画撮影して動画データを動画記録部に格納する。

（切出し画像取得ステップＳ０２）
次に、上述した切出し画像取得ステップＳ１０２と同様に、動画記録部に格納された撮像データから、ボイルの候補の画像を切り出す。この切り出し画像取得ステップＳ０２では、静止画像データ取得ステップＳ２１と、移動平均処理ステップＳ２２と、２値化処理ステップＳ２３と、切り出し画像抽出ステップＳ２４と、を実施する。

ここで、静止画像データ取得ステップＳ２１と、移動平均処理ステップＳ２２と、２値化処理ステップＳ２３と、切り出し画像抽出ステップＳ２４は、それぞれ上述した静止画像データ取得ステップＳ１２１と、移動平均処理ステップＳ１２２と、２値化処理ステップＳ１２３と、切り出し画像抽出ステップＳ１２４と、同様の処理を行う。
これにより、静止画像データから高輝度部の切り出し画像を取得する。

（特徴量計算ステップＳ０３）
識別モデルの入力として使用する切り出し画像の特徴量を作成する。特徴量計算ステップＳ０３では、前述した特徴量計算ステップＳ１０４と同様の処理を行う。

（ボイル判定ステップＳ０４）
次に、切り出し画像の特徴量と識別モデル格納部に格納されている識別モデルを用いて、切り出し画像のクラスを判定する。判定結果として、撮像時刻／切り出し画像の座標（例：矩形の頂点や重心など）／切り出し画像のクラスをボイル判定結果格納部に格納する。

以下に、本実施形態である連続鋳造用モールド内のボイル検出方法を用いた連続鋳造鋳片の品質判定方法について説明する。
連続鋳造用モールド３０内に不活性ガス導入手段１０によって不活性ガスを供給すると、この不活性ガスの気泡が凝集して粗大化し、粗大化したガス気泡が湯面上で放出されることがある。このとき、湯面上の溶融したモールドパウダー９が溶鋼内に巻き込まれ、連続鋳造用鋳片の内部品質が低下する。

そこで、連続鋳造用モールド３０内から放出されるガス気泡のボイルを検出することによって、連続鋳造用鋳片の内部品質を判断することが可能となるのである。例えば、図７に示すように、ガス気泡のボイルが検出された箇所において、連続鋳造用鋳片の欠陥が発生していることが確認できる。

図７は、モールド湯面を撮影し、識別モデルを用いてボイル検出した個数を調査した結果を示す。図７の例では、図８に示すようにモールド表面を２台のカメラで北側・南側から撮像し、それぞれの撮像領域をモールド厚み方向に２等分し、合計４つの領域に分けた。図７は横に前記４つの領域のグラフを並べ、縦に時経列に並べたものである。また、各々のグラフは、横軸が前記４分割した各領域をモールド幅方向に２０分割し、その位置を表している。縦軸は当該位置の特定時間内（図では１分間）のボイルの発生頻度を表している。

次に、本実施形態である連続鋳造用モールド内のボイル検出方法を用いた連続鋳造設備１の監視方法について説明する。
浸漬ノズル２０に孔や亀裂等が生じると、浸漬ノズル２０を通過する溶鋼に雰囲気ガスを巻き込んでしまい、この雰囲気ガスが連続鋳造用モールド３０内から湯面上に放出され、ガス気泡のボイルが生じることになる。

そこで、連続鋳造用モールド内から放出されるガス気泡のボイルを検出することによって、連続鋳造設備の異常を検知することが可能となるのである。例えば、図９は、図７と同様に、ある時期の北Ｌ面、Ｆ面のボイル発生状況を示した図である。図９に示すように、北Ｌ面の１０分以降、徐々にボイルの発生頻度が増えている。これも調査した結果、浸漬ノズル２０の穴開きが生じていたことが判明した。

以上のような構成とされた本実施形態である連続鋳造用モールド内のボイル検出方法によれば、輝度に応じて低輝度部と高輝度部に２値化処理した２値化画像から高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出ステップＳ２４と、抽出された切り出し画像の特徴量と予め機械学習を行うことによって得られる識別モデルと、に基づいて、当該輪郭データが、連続鋳造用モールド３０内から放出されたガス気泡のボイルに該当するか否かを判定するボイル判定ステップＳ０４と、を備えているので、予め機械学習を行うことによって得られる識別モデルに基づいて、モールドパウダー９の燃焼炎と、ガス気泡のボイルを、精度良く識別することが可能となり、ガス気泡のボイルを確実に検出することが可能となる。

また、本実施形態においては、抽出された切り出し画像の特徴量として、輝度の勾配方向と強度をピクセル毎に算出したものを用いており、さらに具体的には、ＨＯＧ特徴量を用いているので、予め機械学習を行うことによって得られる識別モデルに基づいて、当該輪郭データが、連続鋳造用モールド３０内から放出されたガス気泡のボイルに該当するか否かを、さらに精度良く判定することが可能となる。

さらに、本実施形態である連続鋳造鋳片の品質判定方法によれば、本実施形態である連続鋳造用モールド内のボイル検出方法によって、連続鋳造用モールド３０内から放出されたガス気泡のボイルを検出しているので、ガス気泡のボイルを精度良く検出することが可能となる。そして、このボイルの発生状況に応じて、連続鋳造鋳片の品質判定を精度良く行うことができる。

また、本実施形態である連続鋳造設備の監視方法によれば、本実施形態である連続鋳造用モールド内のボイル検出方法によって、連続鋳造用モールド３０内から放出されたガス気泡のボイルを検出しているので、浸漬ノズル２０に孔や亀裂等が生じた場合でも精度よく検出できることが可能であり、連続鋳造設備１の異常の有無を精度良く判断することができる。

本実施形態である連続鋳造用モールド内のボイル検出装置によれば、輝度に応じて低輝度部と高輝度部に２値化処理した２値化画像から高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出手段５５と、抽出された切り出し画像の特徴量と予め機械学習を行うことによって得られる識別モデルとに基づいて、当該切り出し画像が、連続鋳造用モールド３０内から放出されたガス気泡のボイルに該当するか否かを判定するボイル判定手段５６と、を備えているので、予め機械学習を行うことによって得られる識別モデルにより、モールドパウダー９の燃焼炎と、ガス気泡のボイルを、精度良く識別することが可能となり、ガス気泡のボイルを確実に検出することが可能となる。

以上、本発明の実施形態である連続鋳造用モールド内のボイル検出方法、連続鋳造鋳片の品質判定方法、連続鋳造設備の監視方法、連続鋳造用モールド内のボイル検出装置について説明したが、本発明はこれに限定されることはなく、その発明の技術的思想を逸脱しない範囲で適宜変更可能である。

例えば、本実施形態では、切り出し画像抽出ステップＳ２４において、Ｓｕｚｕｋｉ８５のアルゴリズムを利用し、２値化画像から高輝度部の輪郭データを抽出するものとして説明したが、これに限定されることはなく、他のアルゴリズムを利用して高輝度部の輪郭データを抽出してもよい。
また、切り出し画像の特徴量としてＨＯＧ特徴量を用いたものとして説明したが、これに限定されることはなく、他の特徴量を用いてもよい。

さらに、本実施形態では、図１及び図２に示す連続鋳造設備を例に挙げて説明したが、これに限定されることはなく、他の構成の連続鋳造設備に適用してもよい。

３０ 連続鋳造用モールド
５０ 連続鋳造用モールド内のボイル検出装置
５１ 撮像カメラ（撮像手段）
５２ 静止画像データ取得手段
５３ 移動平均処理手段
５４ ２値化処理手段
５５ 輪郭抽出手段
５６ ボイル判定手段
Ｓ０１ 撮像ステップ
Ｓ２１ 静止画像データ取得ステップ
Ｓ２２ 移動平均処理ステップ
Ｓ２３ ２値化処理ステップ
Ｓ２４ 切り出し画像抽出ステップ
Ｓ０４ ボイル判定ステップ

Claims (10)

1. 連続鋳造時に連続鋳造用モールド内から放出されたガス気泡のボイルを検出する連続鋳造用モールド内のボイル検出方法であって、
   前記連続鋳造用モールド内を動画撮像して動画データを得る撮像ステップと、
   前記動画データから静止画像データを切り出す静止画像データ取得ステップと、
   前記静止画像データを移動平均処理して移動平均画像データを得る移動平均処理ステップと、
   前記移動平均画像データをグレースケール化し、輝度に応じて低輝度部と高輝度部とに２値化して２値化画像を得る２値化処理ステップと、
   前記２値化画像から前記高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出ステップと、
   抽出された前記切り出し画像に基づいて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定するボイル判定ステップと、
   を備えており、
   前記ボイル判定ステップにおける判定ロジックが、前記切り出し画像と、正解ラベルを有する教師ラベルと、をもとに、教師あり学習手法によって構築されることを特徴とする連続鋳造用モールド内のボイル検出方法。
2. 前記ボイル判定ステップにおいては、抽出された前記切り出し画像の特徴量を用いて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定することを特徴とする請求項１に記載の連続鋳造用モールド内のボイル検出方法。
3. 前記切り出し画像の特徴量として、画素ベクトルを用いることを特徴とする請求項１又は請求項２に記載の連続鋳造用モールド内のボイル検出方法。
4. 前記切り出し画像の特徴量は、画素ベクトルをＨＯＧ特徴量に加工したものであることを特徴とする請求項１から請求項３のいずれか一項に記載の連続鋳造用モールド内のボイル検出方法。
5. 請求項１から請求項４のいずれか一項に記載の連続鋳造用モールド内のボイル検出方法を用いて、前記連続鋳造用モールド内から放出されたガス気泡のボイルの検出状況に応じて、得られた連続鋳造鋳片の品質を判定することを特徴とする連続鋳造鋳片の品質判定方法。
6. 請求項１から請求項４のいずれか一項に記載の連続鋳造用モールド内のボイル検出方法を用いて、前記連続鋳造用モールド内から放出されたガス気泡のボイルの検出状況に応じて、連続鋳造設備における異常の有無を判断することを特徴とする連続鋳造設備の監視方法。
7. 連続鋳造時に連続鋳造用モールド内から放出されたガス気泡のボイルを検出する連続鋳造用モールド内のボイル検出装置であって、
   前記連続鋳造用モールド内を動画撮像して動画データを得る撮像手段と、
   前記動画データから静止画像データを切り出す静止画像データ取得手段と、
   前記静止画像データを移動平均処理して移動平均画像データを得る移動平均処理手段と、
   前記移動平均画像データをグレースケール化し、輝度に応じて低輝度部と高輝度部とに２値化して２値化画像を得る２値化処理手段と、
   前記２値化画像から前記高輝度部の輪郭データを切り出し画像として抽出する切り出し画像抽出手段と、
   抽出された前記切り出し画像に基づいて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定するボイル判定手段と、
   を備えており、
   前記ボイル判定手段における判定ロジックが、前記切り出し画像と、正解ラベルを有する教師ラベルと、をもとに、教師あり学習手法によって構築されることを特徴とする連続鋳造用モールド内のボイル検出装置。
8. 前記ボイル判定手段は、抽出された前記切り出し画像の特徴量を用いて、当該切り出し画像が、前記連続鋳造用モールド内から放出された前記ガス気泡のボイルに該当するか否かを判定することを特徴とする請求項７に記載の連続鋳造用モールド内のボイル検出装置。
9. 前記切り出し画像の特徴量として、画素ベクトルを用いることを特徴とする請求項７又は請求項８に記載の連続鋳造用モールド内のボイル検出装置。
10. 前記切り出し画像の特徴量は、画素ベクトルをＨＯＧ特徴量に加工したものであることを特徴とする請求項７から請求項９のいずれか一項に記載の連続鋳造用モールド内のボイル検出装置。

Images