基于融合策略的冷床钢板自动下料跟踪

冷床区范围较大、结构紧凑、安装金属探测仪困难且成本较高,常用的自动化二级跟踪策略无法有效地完成对该场景下钢板的跟踪。通过利用改进的SOLO实例分割算法构建冷床区钢板检测的视觉模型,识别得到冷床区各个钢板对象的坐标位置和长宽尺寸;再结合逻辑跟踪模型形成多模型匹配跟踪策略,能够识别到行车下料、冷床卡钢等特殊情况,实现自动下料跟踪和异常预警。结果表明,改进的SOLO实例分割方法在6种不同的环境场景下平均mAP(mean average precision)提升到98.14%,平均mIoU(mean intersection over union)提升到98.72%,并且实现了29.1 fps的处理速率,满足了生产条件中对于准确率和实时性的要求。     

热轧粗轧坯优化剪切技术的研发与应用

为解决粗轧钢坯剪切过程中切除量控制不准确导致成材率低的问题,研发了一套用于粗轧坯智能优化剪切的系统。该系统首先基于机器视觉技术,通过图像处理得到头尾轮廓并计算出最优剪切距离,再结合辊道速度实时跟踪钢板上剪切线的行进位置,在最佳时刻控制飞剪启动,实现优化剪切的目的。目前,该系统应用在国内某热轧线,结果表明,该技术能够实时有效地检测钢板头部和尾部轮廓,找到最佳剪切尺寸,从而保证不规则的头尾形状被彻底切除,剪切线控制在±5 mm时准确度可达到95.4%以上。     

粗轧板坯自动转钢系统研究与应用

宽厚板生产过程中,其粗轧工艺需控制交叉的锥形辊实现板坯长宽方向的对调,该过程严重依赖人工操作,节奏无法有效控制,制约生产线智能化改造进程。结合视觉检测和自动控制技术设计的粗轧板坯自动转钢系统可有效解决该问题,在粗轧机出入口分别安装视频监控相机,捕捉转钢辊道区域上板坯的状态,利用改进的包含去雾模块的PIDNet(proportional-integral-derivative network)模型提取板坯前景轮廓,通过组合式角度度量方法实时跟踪板坯旋转角度。过程中融合安全限位、位置优选、速度调控、过转修正等策略共同优化转钢控制,保证转钢的安全稳定,自主学习人工经验提升转钢效率。应用结果表明,系统可准确测量板坯角度并实现自动转钢功能,能够替代人工操作,节省能耗,实现智能化生产的目的。     

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。