带钢表面缺陷高速识别

使用功能极强的光纤发光系统，高分辨率的ＣＣＤ线性扫描摄像头及高速处理系统，在最大线速度时，能够对暗区的和亮区的金属表面上小于１ｍｍ的缺陷进行检测并分类。     

冷轧带钢表面缺陷识别与控制

针对冷轧带钢常见表面缺陷的种类、识别以及产生原因进行详细的论述,提出了主要预防和控制措施,对冷轧带钢表面缺陷有了进一步的认识,对提高带钢表面质量极其重要。     

热轧带钢表面缺陷识别算法研究与应用

 在带钢热连轧生产过程中,带钢表面会出现不同类型的缺陷,给带钢性能造成不利影响,严重时引发质量异议。目前在线使用的带钢表面检测系统经常需要人工调整缺陷图片库,部分类别的典型缺陷图片调整后会影响另一些类型的检测精度。采用深度学习方法,设计了一种轻量化残差网络LDS-ResNet14,缩减了原始残差网络ResNet18的层数和宽度,并将普通的卷积替换成深度可分离卷积,网络的参数量和运算量大量减少;同时,使用知识蒸馏(Knowledge Distillation,KD)方法迁移大型残差网络ResNet50的知识,并提出一种混合KL散度和交叉熵的损失函数让知识更好的迁移到LDS-ResNet14上,在压缩模型的同时提升了模型的精度和泛化能力。离线试验表明,提出的网络LDS-KD-ResNet14针对武钢CSP机组的8类带钢表面缺陷的平均识别精度为99.16%,相较于ResNet18精度提高0.67%,计算量仅为原来的12.1%。实际现场在线应用表明,针对武钢CSP热连轧机组的折叠、油污、夹杂和麻点这4类缺陷,模型缺陷检出率达到96.43%、缺陷识别率达到94.10%,单张图片的检测速度为16.5 ms,满足实际生产要求。     

基于ILLBP和ISSA的带钢表面缺陷识别

带钢表面缺陷存在着噪声、光照不均匀、纹理复杂以及局部区域对比度弱的问题。为此,提出了一种新的带钢表面缺陷识别算法。首先提出了ILLBP特征提取算法,在LBP算法中引入LTP的低阈值模式克服一定的噪声和光照影响,为了更好表征带钢表面缺陷复杂的纹理特征引入了ILBP中3种新的纹理结构,同时将LBP值的频率直方图改为了LBP局部梯度幅值和局部梯度方向的频率直方图,使其能更好地表征局部区域对比度强弱的关系;最后为了进一步提高带钢缺陷识别的准确率和减少冗余特征的影响,提出了一种改进的樽海鞘特征选择算法(ISSA)。在NEU数据集上仿真实验结果表明：算法(ILLBP+ISSA)能够克服光照不均匀、局部区域对比度弱、纹理复杂多样的影响,以及对噪声具有一定的鲁棒性。在高斯噪声信噪比为50 dB时带钢表面缺陷识别准确率能达到99.10%,40 dB时准确率能达到97.60%。     

基于独立成分分析的冷轧带钢表面缺陷识别

为了提高冷轧带钢表面缺陷识别率,提出基于独立成分分析（ICA）的缺陷图像特征提取方法。通过ICA建立缺陷图像的统计生成模型,从缺陷库中自适应地估计ICA基向量,将缺陷图像向基向量张成的空间投影,从而将图像变换到ICA域,图像在ICA域内的表示即为相应的特征向量。这种特征元素之间统计独立,是图像的稀疏编码。试验表明,本方...     

高强带钢表面缺陷分析

通过分析热轧高强钢带表面边部典型缺陷的形貌特征及与成分、连铸工艺、轧钢工艺的相关性,阐述了产生缺陷的机理,指导高强钢带成分设计、连铸及轧钢工艺制度的制定,有效地提高钢带表面质量。铸坯边部缺陷的产生与化学成分、连铸工艺有关,在轧钢工序绝大部分缺陷会得到减轻和修复,严重的缺陷在后续的轧制过程暴露,合理设计钢种的化学成分及优化连铸工艺能够有效预防铸坯边角部、表面缺陷的发生。轧钢过程产生边部缺陷与材料本身塑性有关,可以通过优化调整各轧机实际压下量予以改进。     

基于SAE-DBN混合深度网络的热轧带钢表面缺陷预报

热轧带钢表面质量缺陷严重制约了产品质量高端化,其带钢表面质量缺陷具有多元化、随机性等特征,不同缺陷的形成机理不同,造成带钢表面质量缺陷的工艺复杂,难以实现对表面质量缺陷的有效控制。为解决热轧带钢质量缺陷难以实现在线诊断的问题,针对热轧生产过程发生频率较高的氧化铁皮印压入、边部翘皮、边部裂纹缺陷展开诊断预报研究。基于表面缺陷机理分析,明确了轧制过程影响带钢表面质量缺陷产生的原因变量,将其作为热轧板带表面质量缺陷预判模型的输入数据源。然后,基于深度置信网络和深度稀疏自编码器,提出一种基于SAE-DBN(spare auto encoder-deep belief nets,稀疏自编码器-深度置信网络)混合深度网络的热轧带钢表面缺陷预报模型。在DBN诊断模型的基础上,训练单个SAE得到最优网络权重。将得到的网络权重赋值给DBN模型的首层RBM(restricted Boltzmann machine,受限玻耳兹曼机),以此种方式初始化网络权值和偏置,以此进一步提高模型的预报能力和学习效率,改善深度自编码器稳健性不足的情况。采用热轧带钢生产过程实际数据对模型进行验证,结果表明SAE-DBN混合...     

带钢表面黑线缺陷产生原因及解决办法

天津荣程联合钢铁集团有限公司(以下简称荣钢)带钢表面产生缺陷(黑线)缺陷,分析出其产生原因为连铸结晶器流场不活跃,产生严重的铸坯表面纵裂。通过调整连铸机结晶器保护渣性能,加强二次冷却效果,消除了带钢产品表面缺陷,提升了连铸坯表面质量。     

带钢表面缺陷检测方法研究进展

带钢是一种重要的钢铁材料,工业生产过程中带钢表面会产生各种不同的缺陷。带钢表面缺陷对产品有重要影响,其特征复杂、多样且不易获取,因此带钢表面缺陷检测一直是研究的重点内容。对带钢表面缺陷检测技术方法的研究进展进行了论述与分析。结合带钢表面缺陷种类,对传统的带钢表面检测方法如人工检测、红外检测、涡流检测和漏磁检测等优缺点进行比较分析,得出这些方法存在检测速度低、无法达到实时在线检测和需要人为干预等缺点。最后对机器视觉的检测方法开展了归纳总结,对基于深度学习的机器视觉识别表面缺陷的原理和方法进行了详述并对未来发展趋势进行了展望。     

带钢表面检验中的缺陷分类

文章论述了一种使用质量检测软件决策树对带钢表面缺陷进行分类的方法。     

基于遗传算法的带钢表面缺陷特征降维优化选择

针对带钢表面的划痕、黑斑、翘皮、辊印、褶皱和压印6种典型缺陷,提取了样本图像的灰度、纹理和几何形状特征等32维特征向量。基于遗传算法对32维特征向量进行降维优化选择,选择了其中的20维以进行缺陷图像类型的分类。利用BP神经网络对降维前后的6种典型带钢表面缺陷分类进行对比识别,并同主成分降维方法进行了对比,验证了所提取的...     

超宽带钢典型板形缺陷向量提取方法

提出了从带钢板形数据中提取典型板形缺陷向量的方法,即先对带钢板形缺陷进行初级分类,再根据带钢应力之间的相似度提取出单位典型板形向量,最后采用k均值聚类算法求解出典型比值系数.针对提取出的带钢单位典型板形向量而设计出的单侧倒角工作辊,经过大规模的轧制试验,所轧宽带钢板形质量较好,综合平坦度均小于5 IU（1 IU=10_-5）,基本消除边中复合浪为主的复杂浪形缺陷.     

一种带钢表面缺陷实时检测系统的研制及应用

提出了一种使用现场可编程门阵列(FPGA)实现有缺陷数据和无缺陷数据比较的带钢表面缺陷实时检测方法,克服了由于光源不均造成的错检;并通过系统的优化设计,降低了对数据通信和处理系统的性能要求, 提高了系统的性价比。     

基于缺陷信息群决策的带钢表面质量评价方法

首先将带钢表面质量评价抽象为缺陷属性权重确知、属性值以模糊语言形式给出的多属性决策问题。然后针对实际生产中不同质检人员对表面质量评价结果存在某种偏离或趋势这一现象,合理综合多位质检人员的意见,定义了评价尺度区间,构造合成互补判断矩阵,求出该矩阵排序向量,对钢卷表面质量进行排序。最后给出实例,计算结果表明该方法可行、有效、易于计算且具有一定的推广性。     

304不锈钢精密钢带表面“炉灰”缺陷分析

 在304不锈钢精密带光亮退火生产环节，钢带表面易出现金属粉的现象，导致产品表面质量存在不稳定性。针对304不锈钢精密钢带表面出现的“炉灰”缺陷，利用扫描电子显微镜观察其形貌，并用能谱仪对缺陷处局部成分进行了点扫描和面扫描检测。结果表明，304精密钢带“炉灰”缺陷微观形貌为白色微颗粒。结合能谱微区分析结果和相关研究分析，推测“炉灰”缺陷主要是由于304不锈钢基体组织中硼元素质量分数过高，钢带在光亮退火过程中硼原子易与保护气氛中分解的活性较高的氮原子结合，生成氮化硼析出而形成的。通过控制不锈钢基体中硼元素质量分数不大于0.001 5%，从而达到有效降低304不锈钢精密钢带“炉灰”缺陷的目的。     

基于深度学习的圆钢表面缺陷检测系统

圆钢表面缺陷是影响圆钢质量的重要因素。随着钢铁生产轧制节奏提升和智能化升级,人工检测、传统表面缺陷检测等方法已经难以同时满足多种类缺陷、高速在线检测等方面的需求。因此,设计了适用于圆钢表面缺陷检测的成像系统,提出分类优先网络与目标检测网络融合的圆钢表面缺陷检测方法,并将一种非缺陷样本加入网络模型的训练以提升检测精度。试验结果及应用效果表明,该方法针对凹坑、裂纹、耳子、划伤、翘皮等表面缺陷的准确识别率达到95.61%,能有效减少缺陷误报、漏报的问题。     

Application of automatic surface inspection system in cold-rolled strip production

The detection and classification of real-time surface defects play an important role in automotive sheet inspection and production. In this paper,an automatic surface inspection system( ASIS) based on signal processing in Baosteel NO. 4 cold-rolled plant is briefly presented. We demonstrate that the strip surface defect properties such as image,type,pitch,and position can be accurately calculated and classified by the automatic surface inspection system.In the manufacturing of the high-quality cold-rolled strips,it is necessary that the real-time surface defects can be detected and transferred by the automatic surface inspection system combined with annealing lines and recoiling lines.     

基于LVQ神经网络的冷轧带钢表面缺陷分类方法

将LVQ神经网络用于冷轧带钢表面缺陷的自动分类中,解决了以往分类方法在多缺陷模式类型情况下耗时多和准确率低的问题.对现场采集到的14种主要缺陷类型进行了实验.实验结果表明,基于LVQ神经网络的分类器训练与分类的时间短,在多缺陷种类分类的过程中准确率能得到保证.     

热轧带材多缺陷和单缺陷表面质量综合预报

针对目前热轧带材表面质量缺陷类型多、产生机理不同,不能实现在线诊断的问题,提出融合各降维层深度置信网络模型的热轧带材多缺陷和单一缺陷表面质量问题综合预报技术.考虑传统深度置信网络在模型层数和节点数方面的不足,提出并建立了融合各降维层的深度置信网络模型,降低由于网络算法节点个数及层数不确定性造成的预报误差,并利用相关性将...