[發明專利]熱軋帶鋼邊部缺陷智能識別方法

在審

• 申請號: 202011489459.4
• 申請日: 2020-12-16
• 公開（公告）號: CN112597865A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王東城;段伯偉;徐揚歡;汪永梅;于華鑫;劉宏民
• 申請（專利權）人: 燕山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 劉翠芹

本發明提供一種熱軋帶鋼邊部缺陷智能識別方法，旨在提高熱軋帶鋼邊部缺陷檢測能力。本發明首先對常見的邊部缺陷進行科學分類，在此基礎上建立邊部缺陷圖像數據集，其次以卷積神經網絡為核心，設計了一種全新的網絡結構，并以此建立了熱軋帶鋼邊部缺陷智能識別模型，最終將該模型嵌入表檢系統參與指導生產。步驟包括：1、邊部缺陷圖像數據的采集與預處理；2、熱軋帶鋼邊部缺陷智能識別模型的建立；3、識別模型的訓練、驗證、調優和預測；4、最優識別模型與表檢系統的協同融合。本發明方法具有模型結構簡單、響應速度快、識別精度高等特點，對提高熱軋帶鋼表面質量具有重要意義。

技術領域

本發明屬于冶金軋制技術中熱軋帶鋼表面質量檢測領域，特別涉及一種熱軋帶鋼邊部缺陷智能識別方法。

背景技術

隨著我國工業和經濟的高速發展，高質量熱軋帶鋼的使用需求越來越大，表面質量作為熱軋帶鋼產品質量最重要的指標之一，不僅嚴重影響產品外觀與成材率，還對下游工序生產造成影響，為此，研究熱軋帶鋼表面質量缺陷在線識別檢測具有重要意義。邊部缺陷作為表面缺陷的一種，由于缺陷之間具有較強的相似性，使得現有的檢測模型和設備，很難對其達到較好的檢測效果。為此，本發明提出一種針對熱軋帶鋼邊部缺陷的智能識別方法，對提高帶鋼表面質量具有重要的意義。

目前熱軋帶鋼表面缺陷檢測領域已經發表了相關研究，例如：采用了8臺1024像素的線陣CCD攝像機作為圖像采集裝置，根據熱軋帶鋼表面特點提出缺陷檢測與識別算法流程，并應用于1700mm熱軋生產線上；基于Tetrolet變換與核保局投影降維的熱軋鋼板表面缺陷識別方法，對缺陷樣本庫取得了97.3846％的識別率。利用了決策樹和專家經驗分類的方法對硅鋼表面缺陷進行識別，該方法應用到了武鋼冷軋硅鋼生產線上，嚴重缺陷的在線整體識別率達到了76％。建立了熱軋帶鋼表面缺陷數據集(NEU)，其中包括了六種常見表面缺陷：裂紋、夾渣、斑塊、麻點、氧化鐵皮和劃痕，提出的抗噪聲缺陷識別算法的識別精度達到97.89％。

綜上所述，現有的表面缺陷檢測裝備、理論和技術對特征明確的典型缺陷已基本取得令人滿意的檢測效果，如裂紋、夾渣、斑塊、麻點、氧化鐵皮和劃痕缺陷。然而，對于宏觀形貌特征較為相似的熱軋帶鋼邊部缺陷，至今沒有有效的檢測方法，生產過程中需通過人工檢測的方式進行缺陷細分，嚴重降低了生產效率，增加了勞動強度。

本發明首先根據缺陷產生機理和相應的控制措施，將常見的邊部缺陷劃分為5類，其次構建了全新的卷積神經網絡結構，在此基礎上進一步建立熱軋帶鋼邊部缺陷智能識別模型。該模型具有識別速度快，檢測精度高，泛化能力較好的特點，對提高熱軋帶鋼表面質量具有重要意義。

發明內容

本發明目的在于提供一種熱軋帶鋼邊部缺陷智能識別方法。邊部是熱軋帶鋼表面缺陷多發區域，由于邊部缺陷形貌具有一定的相似性，容易出現錯檢現象。為提高邊部缺陷檢測精度，本發明首先對常見的邊部缺陷進行科學合理的分類，在此基礎上建立缺陷圖像數據集，其次以卷積神經網絡為核心，設計了一種新的網絡結構，并最終以此建立了熱軋帶鋼邊部缺陷智能識別模型。該模型識別邊部缺陷圖像速度快、精度高，對生產現場改善熱軋帶鋼邊部質量具有重要意義。

為達到上述目的，本發明提出的一種熱軋帶鋼邊部缺陷智能識別方法，其包括以下步驟：

a、熱軋帶鋼邊部缺陷圖像數據集的收集以及預處理，具體步驟為：

a1、根據邊部缺陷的形貌、產生機理及發生部位，將熱軋帶鋼邊部缺陷分為黑線Bl、氣孔Bb、裂紋Ck、夾渣Ic和翹皮Wp共5類；

a2、采集熱軋帶鋼邊部缺陷圖像：在熱軋帶鋼生產現場通過表檢儀采集邊部缺陷圖像數據，并將邊部缺陷圖像根據分類標準進行類別劃分；

a3、將分類好的邊部缺陷圖像數據保存到不同文件下，然后對圖像數據添加標簽；