JP7468481B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7468481B2 JP7468481B2 JP2021136060A JP2021136060A JP7468481B2 JP 7468481 B2 JP7468481 B2 JP 7468481B2 JP 2021136060 A JP2021136060 A JP 2021136060A JP 2021136060 A JP2021136060 A JP 2021136060A JP 7468481 B2 JP7468481 B2 JP 7468481B2
- Authority
- JP
- Japan
- Prior art keywords
- steel sheet
- meandering amount
- data
- meandering
- image data
- 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.)
- Active
Links
- 229910000831 Steel Inorganic materials 0.000 title claims description 275
- 239000010959 steel Substances 0.000 title claims description 275
- 238000000034 method Methods 0.000 title claims description 55
- 238000004519 manufacturing process Methods 0.000 title claims description 18
- 238000011176 pooling Methods 0.000 claims description 51
- 238000005259 measurement Methods 0.000 claims description 43
- 238000013527 convolutional neural network Methods 0.000 claims description 26
- 238000010801 machine learning Methods 0.000 claims description 22
- 238000011144 upstream manufacturing Methods 0.000 claims description 14
- 238000000137 annealing Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 description 68
- 238000001816 cooling Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000010438 heat treatment Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000013144 data compression Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003517 fume Substances 0.000 description 2
- 238000005246 galvanizing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 229910001209 Low-carbon steel Inorganic materials 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Control Of Metal Rolling (AREA)
Description
まず、図1を参照して、本発明の一実施形態である鋼板の連続搬送設備の構成について説明する。
図1は、鋼板Sを連続的に搬送する際に処理設備2の上流側において鋼板Sの蛇行量を測定する実施形態を示す。図1に示すように、処理設備2には、移動する鋼板Sの画像を撮影して鋼板Sの画像データを取得するカメラ4及び鋼板Sの蛇行量を測定可能な蛇行量測定装置(蛇行計)5が配置されている。カメラ4及び蛇行量測定装置5は処理設備2の任意の位置に配置してよい。また、カメラ4と蛇行量測定装置5は処理設備2の入口部の上流側や出口部の下流側のように必ずしも処理設備2内に配置する必要はない。なお、本実施形態では、カメラ4と蛇行量測定装置5は概ねの同一の位置に配置されている。概ね同一の位置とは、隣り合う2つの搬送ロール間にカメラ4と蛇行量測定装置5とが配置されていることをいう。連続する搬送ロール間であれば、カメラ4が鋼板Sの画像データを取得する位置と蛇行量測定装置5が鋼板Sの蛇行量を測定する位置とでは、鋼板Sの蛇行量は大きく変化しないからである。
図3に示すように、蛇行量推定モデル生成部20は、データ取得部10で取得され、必要に応じてスクリーニング処理が施された鋼板Sの画像データと、その画像データに対応する鋼板Sの蛇行量の測定データとを取得し、それらを対応付けしてデータセットとしてデータベース部21に蓄積する。蛇行量推定モデル生成部20では、機械学習部23が、データベース部21に蓄積された学習用データを用いて鋼板Sの蛇行量を推定する蛇行量推定モデルMを生成する。蛇行量推定モデル生成部20は、連続搬送設備1による鋼板Sの製造工程を統括する制御用計算機の内部にあってもよく、制御用計算機とは別個のハードウエアにより構成してもよい。また、後述する蛇行量推定部30(図11参照)に配置してもよい。
近年のカメラの解像度の向上は顕著であるが、鋼板Sの蛇行量を推定する上では鋼板Sの画像データに含まれる全ての情報を入力実績データに使用して機械学習するのは計算機のメモリと計算時間の観点から効率的でない場合がある。このため、2次元画像の横方向(x方向)及び縦方向(y方向)共に画素数を予め圧縮するとよい。具体的には、鋼板Sの画像データの画素数をx方向、y方向共に50~100程度まで圧縮するのが好ましい。
予備処理部22は、データベース部21に蓄積した入力実績データである画像データと、出力実績データである鋼板Sの蛇行量の測定データに対して規格化を行ってもよい。規格化は、機械学習中の重み係数の更新を効率的に行うためであり、機械学習に際して勾配消失問題を回避する上で有効である。入力データ及び出力データの規格化に際しては、各データの最小値及び最大値を特定し、0~1の範囲で規格化するのが好ましい。また、変数の平均値を算出して、-1~+1の範囲で規格化してもよい。
データベース部21には、入力実績データである画像データと出力実績データである蛇行量の測定データから構成されるデータセットがデータを取得した順番で蓄積される。これに対して、データベース部21に蓄積されたデータセットの順番をランダムに並べ替えるデータシャッフルを行ってもよい。時系列に取得したデータセットの順番を変更することにより、蛇行量推定モデルMの汎化性能を向上させ、過学習を抑制できる。
データベース部21に蓄積したデータセットを学習用データとテスト用データに分割してもよい。学習用データは、全データセットの70~80%として機械学習用とする。一方、残りのデータセットは、機械学習部23による機械学習が完了して得られる蛇行量推定モデルMがテスト用データに対しても良好に性能を発揮できるか確認するために使用する。
本実施形態では、機械学習部23が生成した蛇行量推定モデルMを用いて、鋼板Sの蛇行量を推定する。図11に、連続搬送設備に蛇行量推定部を含む鋼板の蛇行制御システムの構成例を示す。鋼板Sの画像データを取得するカメラ4は、蛇行量推定モデルMを生成する際に使用したカメラと同一のものを用いても、異なるものであってもよい。学習用データの元となった画像データと、必ずしも同一の視野で鋼板Sを撮像した画像でなくても、蛇行量推定モデルMにより画像データ内での鋼板Sの位置情報を含む特徴量が抽出され得るからである。また、学習用データの元となった画像データに含まれる固定構造物が同一の位置に設置された状態であれば、画像データ内の鋼板Sと固定構造物との相対的な位置関係が特徴量として抽出されて、鋼板Sの蛇行量を精度よく推定できる。鋼板Sの画像データを取得するカメラは、蛇行量推定モデルMを生成する際に使用したカメラと、必ずしも同じ解像度のものでなくてよい。蛇行量推定モデル生成部20が予備処理としてデータ圧縮を行う場合には、圧縮した画像データと同程度の解像度よりも高い解像度で鋼板Sの画像データが取得されればよい。一方、カメラ4の設置位置としては、蛇行量推定モデルMを生成する際に使用したカメラ4と異なる位置に設定してよい。但し、カメラ4と鋼板Sとの間の距離や鋼板Sに対向する角度が同一であるのが好ましい。
2 処理設備
3 搬送ロール
4,4A,4B カメラ
5 蛇行量測定装置
10 データ取得部
11 スクリーニング処理部
20 蛇行量推定モデル生成部
21 データベース部
22 予備処理部
23 機械学習部
30 蛇行量推定部
31 表示装置
40 蛇行制御部
M 蛇行量推定モデル
S 鋼板
Claims (4)
- 移動する鋼板を撮影することによって取得した鋼板の画像データと、前記画像データに対応する鋼板の蛇行量の測定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において取得した画像データを入力実績データ、前記画像データに対応する鋼板の蛇行量の測定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た畳み込みニューラルネットワークの手法による機械学習によって、前記鋼板の蛇行量を推定する蛇行量推定モデルを生成するモデル生成ステップと、
を含み、
前記畳み込みニューラルネットワークは、畳み込み層よりも上流側に1以上の平均プーリング層を含む、鋼板の蛇行量推定モデルの生成方法。 - 前記平均プーリング層のチャンネル数は、前記蛇行量推定モデルの入力データである画像データのチャンネル数と同数である、請求項1に記載の鋼板の蛇行量推定モデルの生成方法。
- 請求項1又は2に記載の鋼板の蛇行量推定モデルの生成方法によって生成された蛇行量推定モデルに対して、移動する鋼板を撮影することによって取得した画像データを入力することにより鋼板の蛇行量を推定するステップを含む、鋼板の蛇行量推定方法。
- 請求項3に記載の鋼板の蛇行量推定方法を用いて連続焼鈍設備における鋼板の蛇行量を制御するステップを含む、鋼板の製造方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021136060A JP7468481B2 (ja) | 2021-08-24 | 2021-08-24 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021136060A JP7468481B2 (ja) | 2021-08-24 | 2021-08-24 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023030752A JP2023030752A (ja) | 2023-03-08 |
JP7468481B2 true JP7468481B2 (ja) | 2024-04-16 |
Family
ID=85413814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021136060A Active JP7468481B2 (ja) | 2021-08-24 | 2021-08-24 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7468481B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009172624A (ja) | 2008-01-23 | 2009-08-06 | Nisshin Steel Co Ltd | 熱間粗圧延工程における曲がりの矯正方法及び装置 |
JP2019008460A (ja) | 2017-06-22 | 2019-01-17 | 株式会社東芝 | 物体検出装置、物体検出方法およびプログラム |
WO2020171983A1 (en) | 2019-02-19 | 2020-08-27 | Tesla, Inc. | Estimating object properties using visual image data |
-
2021
- 2021-08-24 JP JP2021136060A patent/JP7468481B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009172624A (ja) | 2008-01-23 | 2009-08-06 | Nisshin Steel Co Ltd | 熱間粗圧延工程における曲がりの矯正方法及び装置 |
JP2019008460A (ja) | 2017-06-22 | 2019-01-17 | 株式会社東芝 | 物体検出装置、物体検出方法およびプログラム |
WO2020171983A1 (en) | 2019-02-19 | 2020-08-27 | Tesla, Inc. | Estimating object properties using visual image data |
Also Published As
Publication number | Publication date |
---|---|
JP2023030752A (ja) | 2023-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102257734B1 (ko) | 표면 결함 검사 방법 및 표면 결함 검사 장치 | |
EP2119513B1 (en) | Metal-band hot-rolling method and apparatus using near infrared camera | |
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 | |
WO2001035050A1 (fr) | Procede pour mesurer la qualite d'un corps en forme de bande, procede de suppression de la cambrure, instrument pour mesurer la qualite d'un corps en forme de bande, machine de laminage et dispositif de rognage | |
KR102636470B1 (ko) | 학습 완료 모델의 생성 방법, 학습 완료 모델, 표면 결함 검출 방법, 강재의 제조 방법, 합부 판정 방법, 등급 판정 방법, 표면 결함 판정 프로그램, 합부 판정 프로그램, 판정 시스템 및, 강재의 제조 설비 | |
JP2013075326A (ja) | 熱間圧延設備 | |
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 | |
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
JP7468481B2 (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 | |
EP3838432B1 (en) | System for predicting contraction | |
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 | |
JP2007208513A (ja) | 画像位置ずれ検出装置および画像位置ずれ検出方法 | |
JP2014037001A (ja) | 連続鋳造の最終凝固予測方法、鋳片の凝固状態推定方法及び連続鋳造方法 | |
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 | |
Spinola et al. | Image processing for surface quality control in stainless steel production lines | |
JP2005211963A (ja) | 鉄鋼プロセスにおけるモデルのパラメータ修正方法及びその方法を用いた熱延鋼板の製造方法 | |
JPH0894333A (ja) | 鋼板の疵検出方法 | |
CN106506999A (zh) | 基于矩匹配的tdi‑cmos图像传感器fpn校正方法 | |
JP4613139B2 (ja) | エッジ検出システム | |
CN112313019B (zh) | 钢材非压下部宽度检测装置及其检测方法 | |
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 | |
KR102161348B1 (ko) | 슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법 | |
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 | |
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 | |
KR100523099B1 (ko) | 선재압연소재의 단면형상 측정방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230329 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240202 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7468481 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |