[發明專利]一種冷軋帶鋼表面缺陷原因分析方法及系統

有效

• 申請號: 201410026959.2
• 申請日: 2014-01-21
• 公開（公告）號: CN103778445B
• 公開（公告）日: 2017-02-01
• 發明（設計）人: 孔建益;劉軍偉;石甜;楊壯;王興東
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 楊立

技術領域

本發明涉及一種冷軋帶鋼表面缺陷原因分析方法及系統。

背景技術

隨著帶鋼生產向著精益化、智能化方向發展，對帶鋼產品質量提出很高的要求，如何實時分析帶鋼表面缺陷原因，并指導生產已經變得尤為重要。

冷軋帶鋼生產過程包括“酸洗-軋鋼-退火-平整-精整”等，由于酸洗不良、軋輥表面缺陷或輥型設計不合理等造成很多表面缺陷，如孔洞、邊浪、邊裂、夾雜、氣泡等，嚴重影響產品質量。現有的缺陷原因分析方法大多是依靠經驗工作者對軋制在制品或成品的經驗分析，具有滯后性，人員依賴性，無法實時指導生產而軋制大量廢品；同時它無法兼顧上下工藝之間的關系，具有片面性。

帶鋼表面缺陷原因知識是隱藏于專家頭腦的隱性知識，且具有不確定性，一種缺陷可能有多種因素造成，一種因素又可能造成多種缺陷，如何發現隱含的、有效的、有價值的、可理解的因素，得到它們之間不確定的映射關系，并將其結構化、顯性化，都將是缺陷原因實時分析的前提。

缺陷原因只有和缺陷圖像特征對應起來，建立缺陷原因特征知識庫才便于實時缺陷原因檢索匹配，圖像預處理、缺陷目標分割、特征提取都將為獲取圖像特征知、建立缺陷原因特征庫提供技術支持。

發明內容

本發明的目的是提供一種冷軋帶鋼表面缺陷原因分析方法及系統，解決現有技術中存在的上述問題。

本發明解決上述技術問題的技術方案如下：一種冷軋帶鋼表面缺陷原因分析方法，包括以下步驟：

步驟1：組建基于學習向量量化神經網絡的缺陷原因特征知識庫；

步驟2：實時缺陷圖像輸入單元采集實時缺陷圖像，并將所述實時缺陷圖像發送到缺陷原因匹配單元；

步驟3：所述缺陷原因匹配單元通過所述學習向量量化神經網絡在所述缺陷原因特征知識庫中匹配出與所述實時缺陷圖像相對應的缺陷原因，并將所述缺陷原因發送到缺陷原因輸出單元；

步驟4：所述缺陷原因輸出單元通過輸入單元將所述缺陷原因進行顯示。

進一步，所述步驟1具體包括以下步驟：

步驟1.1：通過輸入單元將缺陷原因知識輸入到所述缺陷原因特征知識庫；

步驟1.2：通過輸入單元將缺陷圖像輸入到所述缺陷原因特征知識庫，并通過缺陷圖像特征提取法提取出所述缺陷圖像的缺陷圖像特征向量；

步驟1.3：缺陷原因特征訓練單元通過學習向量量化神經網絡和matlab工具對輸入的所述缺陷原因知識和缺陷圖像特征向量進行訓練，得到所述缺陷原因知識與所述缺陷圖像特征向量的映射關系，并將所述映射關系發送到原因特征共享編碼單元；

步驟1.4：所述原因特征共享編碼單元對所述映射關系進行編碼，并將編碼結果發送到數據庫單元；

步驟1.5：所述數據庫單元存儲所述編碼結果。

進一步，所述步驟3具體包括以下步驟：

步驟3.1：缺陷原因匹配單元通過缺陷圖像特征提取法提取出所述實時缺陷圖像的缺陷圖像特征向量；

步驟3.2：缺陷原因匹配單元通過所述學習向量量化神經網絡在所述缺陷原因特征知識庫中匹配出與所述實時缺陷圖像的缺陷圖像特征向量相對應的缺陷原因，并將所述缺陷原因發送到缺陷原因輸出單元。

一種冷軋帶鋼表面缺陷原因分析系統，包括實時缺陷圖像輸入單元、缺陷原因匹配單元、輸入單元、缺陷原因輸出單元和基于學習向量量化神經網絡的缺陷原因特征知識庫，所述實時缺陷圖像輸入單元、缺陷原因輸出單元和缺陷原因特征知識庫均與所述缺陷原因匹配單元電連接，所述缺陷原因特征知識庫、缺陷原因輸出單元和所述缺陷原因匹配單元均與所述輸入單元電連接；

所述實時缺陷圖像輸入單元用于采集實時缺陷圖像，并將所述實時缺陷圖像發送到缺陷原因匹配單元；

所述缺陷原因匹配單元用于通過學習向量量化神經網絡在所述缺陷原因特征知識庫中匹配出與所述實時缺陷圖像相對應的缺陷原因，并將所述缺陷原因發送到缺陷原因輸出單元；

所述缺陷原因輸出單元用于通過所述輸入單元將所述缺陷原因進行顯示。

進一步，所述缺陷原因特征知識庫包括缺陷圖像特征提取單元、缺陷原因特征訓練單元、原因特征共享編碼單元和數據庫單元；

所述輸入單元還用于將缺陷原因知識和缺陷圖像輸入到所述缺陷原因特征知識庫；

所述缺陷圖像特征提取單元用于通過缺陷圖像特征提取法提取出所述缺陷圖像的缺陷圖像特征向量，并將所述缺陷圖像特征向量發送到所述缺陷原因特征訓練單元；