带钢表面缺陷图像的增强和分割方法

对带钢表面缺陷进行检测时,由于光照不均匀,将导致缺陷难以识别和分割。针对此问题,提出了改进的图像增强与分割方法。首先,利用自适应二维高斯函数对图像背景进行估计,并结合图像的像素运算均匀图像背景灰度;然后,采用灰度变换函数提高缺陷区域与背景的对比度,增强细节信息;最后,采用最大相关准则方法选取阈值对缺陷图像进行分割。实验结果表明,与典型的图像增强和分割方法相比,所提出的方法表现优异,对非均匀光照下带钢表面缺陷图像的识别与分割具有较好的应用价值。     

基于PSO-BP神经网络双机架炉卷轧机轧制力的预测

为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型。以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10%以内。     

热轧炉卷轧机二级系统轧制模型的应用

热轧炉卷轧机采用轧制力控制模型,对钢坯通过轧机区域轧制的压下量分配、速度、温度、电流、扭矩等相关因素进行控制。通过ST12P黄磷包装桶板的轧制实例说明在实际生产中对影响其控制精度的一些因素进行修正和完善,可取得良好的板材轧制效果。     

基于YOLOv4的铜带表面缺陷识别研究

本文提出一种基于YOLOv4铜板带材表面缺陷检测模型,针对铜金属板带材生产过 程中产生的表面缺陷形式多样、位置随机而导致难以快速定位和识别的问题,采用大数据驱 动的深度学习策略,以铜带表面缺陷图像为训练样本,对YOLOv4目标检测模型进行训练, 实验结果表明,改进的模型识别铜带表面缺陷的全类别平均精度均值(mean average precision,mAP)为93.37%,高于原始YOLOv4模型的全类别平均精度91.46%,检测速度达到49 帧/秒,与双阶段的检测模型更快地R-CNN (faster region-based convolutional neural network,Faster R-CNN)相比,在保证检测精度的同时提升检测速度,能 够满足在线检测需要,适合完成铜带工业生产过程中缺陷检测任务。     

氯胺—T法分析扑草净含量干扰因素的探讨

<正> 昆明农药厂用氯胺——T法对扑草净含量的测定已在生产上使用了多年。其基本原理是在酸性介质中,过量的氯胺——T能将扑草净的C—S键氧化断裂,把硫转变为硫酸,多余的氯胺——T与碘化钾作用析出碘,再以标准硫代硫酸钠返滴定,从而计算出扑草净的含量。此法的优点是所需仪器简单,操作简易较快。但对工业品扑草净含量的分析结果波动较大,有时出现分析偏高超百现象,这对生产上控制反应条件,保证产品的质量带来一些困难。昆明市化研所的同志根据他们的实践,也发现当扑草净的熔点不理想,有一些不熔物(130℃都不熔)时,分析结果都在90％以上,而熔点(118℃—120℃)合格的只     

带钢热轧过程厚度分配的仿真分析

带钢轧制过程中,各道次的厚度分配是控制轧制的重要环节,直接影响成品的质量。运用Visual Studio软件开发工具,开发出基于MVC框架的往复式双机架炉卷轧机轧制过程的网络仿真系统,研究了带钢轧制过程中各道次的厚度分配,设计了相应的仿真模块。通过输入实际数据进行仿真分析,所得到的数据与实际的热轧生产数据进行对比,该仿真系统可有效地仿真出轧制过程厚度的变化,能实现带钢厚度分配的预报。     

融合注意力机制的金属缺陷图像分割方法

由于金属表面缺陷图像的特性,有效精确分割是 图像处理任务中的一大挑战。为了获 得缺陷的类型、大小及位置信息,本文提出一种融合注意力机制的金属缺陷图像分割网络。 该网络分为两条路径,语义信息路径主要由残差块构成的卷积网络获得特征图,采样过程中 分步融合注意力机制以增强特征与背景对比度。旁路路径设计注意力机制模块获得位置信息 的权重图,后将同尺寸的特征图与权重图融合,通过空间金字塔结合多尺度特征。实验结果 表明,运用该算法可以提高金属表面缺陷图像的分割精度。