CN105741052A - 一种板带钢缺陷收集方法 - Google Patents
一种板带钢缺陷收集方法 Download PDFInfo
- Publication number
- CN105741052A CN105741052A CN201610124329.8A CN201610124329A CN105741052A CN 105741052 A CN105741052 A CN 105741052A CN 201610124329 A CN201610124329 A CN 201610124329A CN 105741052 A CN105741052 A CN 105741052A
- Authority
- CN
- China
- Prior art keywords
- defect
- strip
- group
- detect
- finished product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 43
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 23
- 239000010959 steel Substances 0.000 title claims abstract description 23
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 239000000463 material Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000011143 downstream manufacturing Methods 0.000 abstract 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 229910052742 iron Inorganic materials 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30116—Casting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种板带钢缺陷收集方法，其通过检测当前板带钢工序的成品存在的第一缺陷；进而检测上游板带钢工序的成品是否存在与所述第一缺陷具有关联关系的第二缺陷，若是，确定第一缺陷和第二缺陷为同一组遗传性缺陷，否则，返回重新确定第一缺陷；对确定的该组遗传性缺陷统一命名；确定该组遗传性缺陷对应的特征信息；将该组遗传性缺陷及其对应的特征信息收录到缺陷数据库并将该组遗传性缺陷及其对应的特征信息添加到生产工序系统中传递到下游工序，从而实现在生产工序中提前发现板带钢的缺陷，并及时判断该缺陷在后续各工序环节的演变情况，为下游各工序生产时给出有益信息。
Description
技术领域
本发明涉及板带钢生产工艺技术领域，更具体的说，本发明涉及一种板带钢缺陷收集方法。
背景技术
随着汽车板产品对冷轧高质量板带钢表面要求的日益提高，使得板带钢表面质量已经成为了重要的技术评价指标。而板带钢的表面质量问题已成为制约各个钢铁企业板板带钢产品生产、销售的一个“瓶颈”，在很大程度上制约了各钢铁企业的发展。而通过分析缺陷信息，判断和查找缺陷产生原因，及时准确的消除缺陷产生的根源，综合判定带钢的表面质量等级，以实现控制和提高板带钢产品的表面质量一直是钢铁企业努力追寻的目标。
现有的板带钢的缺陷收集方法中，前工序按照自己的特点对板带钢的表面缺陷收集、命名、标识、检测、记录，后工序也同样按照自己的特点对板带钢的表面缺陷进行收集、命名、标识、检测、记录，即前后工序的缺陷收集各自独立，不利于后续工序提前发现板带钢的缺陷。
发明内容
鉴于上述问题，本发明实施例提供一种板带钢缺陷收集方法，以实现在生产工序中提前发现板带钢的缺陷，并及时判断该缺陷在后续各工序环节的演变情况，为下游各工序生产时给出有益信息。
为了解决上述技术问题，本发明实施例提供的一种板带钢缺陷收集方法，其包括：
一种板带钢缺陷收集方法，其包括：
检测当前板带钢工序的成品存在的第一缺陷；
检测上游板带钢工序的成品是否存在与所述第一缺陷具有关联关系的第二缺陷，若是，确定第一缺陷和第二缺陷为同一组遗传性缺陷，否则，返回重新确定第一缺陷；
对确定的该组遗传性缺陷统一命名；
确定该组遗传性缺陷对应的特征信息；
捋该组遗传性缺陷及其对应的特征信息收录到缺陷数据库并捋该组遗传性缺陷及其对应的特征信息添加到生产工序系统中传递到下游工序。
另外，还包括：对确定的该组遗传性缺陷添加对应的颜色标识。
其中，所述颜色标识采用色调、饱和度、亮度的色彩模式。
其中，所述颜色标识可采用亮度为120、饱和度为240、色调在0至239间的等差变化的色彩模式。
其中，确定当前板带钢工序的成品存在的第一缺陷是在当前板带钢工序的成品位置大范围取缺陷实物样板，确定每块缺陷实物样板上的缺陷得到相应的第一缺陷。
其中，检测上游板带钢工序是否存在与所述第一缺陷具有关联关系的第二缺陷具体包括：
根据第一缺陷所在的缺陷实物样板在当前板带钢工序的成品卷的位置确定在上游板带钢工序的对应位置，在上游板带钢工序的对应位置查询是否存在与第一缺陷具有关联关系的第二缺陷。
其中，所述特征信息包括以下至少一项信息：
缺陷名称、缺陷图片、缺陷所在样板在成品中的位置、缺陷大小、缺陷严重等级。
其中，所述缺陷为成品表面缺陷。
根据本发明实施例提供的板带钢缺陷收集方法，其通过检测当前板带钢工序的成品存在的第一缺陷；进而检测上游板带钢工序的成品是否存在与所述第一缺陷具有关联关系的第二缺陷，若是，确定第一缺陷和第二缺陷为同一组遗传性缺陷，否则，返回重新确定第一缺陷；对确定的该组遗传性缺陷统一命名；确定该组遗传性缺陷对应的特征信息；捋该组遗传性缺陷及其对应的特征信息收录到缺陷数据库并捋该组遗传性缺陷及其对应的特征信息添加到生产工序系统中传递到下游工序，从而实现在生产工序中提前发现板带钢的缺陷，并及时判断该缺陷在后续各工序环节的演变情况，为下游各工序生产时给出有益信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面捋对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是根据本发明板带钢缺陷收集方法的一个具体实施例流程图。
具体实施方式
下面捋结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其为根据本发明板带钢缺陷收集方法的一个具体实施例流程图，在本实施例中以缺陷为板带钢缺陷为例进行说明，即本实施例的板带钢缺陷收集方法主要包括如下步骤：
步骤S101，检测当前板带钢工序的成品表面存在的第一缺陷；
具体实现时，确定当前板带钢工序的成品表面存在的第一缺陷是在当前板带钢工序的成品位置大范围取缺陷实物样板，确定每块缺陷实物样板表面上的缺陷得到相应的第一缺陷；
步骤S102，检测上游板带钢工序的成品是否存在与所述第一缺陷具有关联关系的第二缺陷，若是，在步骤S103，确定第一缺陷和第二缺陷为同一组遗传性缺陷，进一步执行步骤S104，否则，返回步骤S101，重新确定第一缺陷；
需要说明的，步骤S102检测上游板带钢工序是否存在与所述第一缺陷具有关联关系的第二缺陷可采用下述方式，即：
根据第一缺陷所在的缺陷实物样板在当前板带钢工序的成品卷的位置确定在上游板带钢工序的对应位置，在上游板带钢工序的对应位置查询是否存在与第一缺陷具有关联关系的第二缺陷，实际中也可以采用其他方式，这里不做具体限定；
通过上述步骤S101至S103，主要是为了跟踪上下游工序间缺陷的演变过程，以明确工序间缺陷的范畴，最终确定为同一组的遗传性缺陷，需要说明的，这里所述的遗传性缺陷是指源自上游工序，经过本工序后，其特征发生规律性改变。
然后在步骤S104，对确定的该组遗传性缺陷统一命名，即捋各工序间的同一类型缺陷进行统一命名，具体命名时，当确定一组遗传性缺陷后，可使用成品位置的名称对该组遗传性缺陷命名，这里不做具体限定；
需要说明的，为了给质检人员提供良好的可视化效果，提高识别效率，在步骤S105，对确定的每组遗传性缺陷添加对应的颜色标识，即为每组遗传性缺陷分色系建立色彩标识，采用的颜色最好可以进行量化描述，以保证颜色的准确性，作为一个具体的实施例，可使用HSL体系的色彩模式，即颜色标识采用色调、饱和度、亮度的色彩模式，例如亮度固定在120，维持中等水平；饱和度固定在240，保持在最高值，以达到颜色醒目的效果；色调值在0-239间，为了使每组缺陷间有较明显的差异，推荐自0开始，每增加20使用一次，可以定义12组缺陷。也可根据实际情况分配，这里不做具体限定；
步骤S106，确定该组遗传性缺陷对应的特征信息；
具体实现时，特征信息可以是各种与该组遗传性缺陷关联的信息，例如，特征信息可包括以下至少一项信息：缺陷名称、缺陷图片、缺陷所在样板在成品中的位置、缺陷大小、缺陷严重等级等，这里不做具体限定；
步骤S107，捋该组遗传性缺陷及其对应的特征信息收录到缺陷数据库并捋该组遗传性缺陷及其对应的特征信息添加到生产工序系统中传递到下游工序。
需要说明的，上述收录到数据库的过程因不同的收录系统而异，但最好捋前述的该组遗传性缺陷的名称、颜色标识作为其中一个项目，另外，还需要添加该组遗传性缺陷的特征信息，例如缺陷严重等级等，根据收录系统规定的操作方式捋缺陷样本添加至缺陷数据库，再通过系统的自学习应用到实际检测过程中。
另外，上述实施例中在上游工序检测到遗传性缺陷后，应大致可以推测到下游工序下线后的形态，即可实现及时判断该缺陷在后续各工序环节的演变情况，为下游各工序生产时给出有益信息，进而为下游工序的质量检查工作提供了有利保障，而且也提高遗传性缺陷在上下游工序间的检测效率及精准度，同时也便于下游工序采取有效的处理措施，实际中，质检人员要捋此类缺陷进行重点描述，并添加到生产工序系统中，而下游工序人员可以根据此描述进行有针对性的操作，减少了冗余环节。
在上述所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应捋该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。
Claims (8)
1.一种板带钢缺陷收集方法，其特征在于，包括：
检测当前板带钢工序的成品存在的第一缺陷；
检测上游板带钢工序的成品是否存在与所述第一缺陷具有关联关系的第二缺陷，若是，确定第一缺陷和第二缺陷为同一组遗传性缺陷，否则，返回重新确定第一缺陷；
对确定的该组遗传性缺陷统一命名；
确定该组遗传性缺陷对应的特征信息；
将该组遗传性缺陷及其对应的特征信息收录到缺陷数据库并将该组遗传性缺陷及其对应的特征信息添加到生产工序系统中传递到下游工序。
2.根据权利要求1所述的方法，其特征在于，还包括：对确定的该组遗传性缺陷添加对应的颜色标识。
3.根据权利要求2所述的方法，其特征在于，所述颜色标识采用色调、饱和度、亮度的色彩模式。
4.根据权利要求3所述的方法，其特征在于，所述颜色标识采用亮度为120、饱和度为240、色调在0至239间的等差变化的色彩模式。
5.根据权利要求1所述的方法，其特征在于，确定当前板带钢工序的成品存在的第一缺陷是在当前板带钢工序的成品位置大范围取缺陷实物样板，确定每块缺陷实物样板上的缺陷得到相应的第一缺陷。
6.根据权利要求1所述的方法，其特征在于，检测上游板带钢工序是否存在与所述第一缺陷具有关联关系的第二缺陷具体包括：
根据第一缺陷所在的缺陷实物样板在当前板带钢工序的成品卷的位置确定在上游板带钢工序的对应位置，在上游板带钢工序的对应位置查询是否存在与第一缺陷具有关联关系的第二缺陷。
7.根据权利要求1所述的方法，其特征在于，所述特征信息包括以下至少一项信息：
缺陷名称、缺陷图片、缺陷所在样板在成品中的位置、缺陷大小、缺陷严重等级。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述缺陷为成品表面缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610124329.8A CN105741052A (zh) | 2016-03-04 | 2016-03-04 | 一种板带钢缺陷收集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610124329.8A CN105741052A (zh) | 2016-03-04 | 2016-03-04 | 一种板带钢缺陷收集方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105741052A true CN105741052A (zh) | 2016-07-06 |
Family
ID=56249954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610124329.8A Pending CN105741052A (zh) | 2016-03-04 | 2016-03-04 | 一种板带钢缺陷收集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105741052A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101030082A (zh) * | 2006-03-01 | 2007-09-05 | 上海宝信软件股份有限公司 | 钢卷缺陷数据的收集和翻送方法 |
| CN102637258A (zh) * | 2012-04-01 | 2012-08-15 | 首钢总公司 | 一种建立在线表面质量检测系统缺陷库的方法 |
| CN104415976A (zh) * | 2013-09-11 | 2015-03-18 | 上海宝信软件股份有限公司 | 冷轧生产线跨机组产品质量关联分析方法 |
| CN104751288A (zh) * | 2015-03-30 | 2015-07-01 | 北京首钢自动化信息技术有限公司 | 一种钢卷分段多维在线质量判定系统及其方法 |
-
2016
- 2016-03-04 CN CN201610124329.8A patent/CN105741052A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101030082A (zh) * | 2006-03-01 | 2007-09-05 | 上海宝信软件股份有限公司 | 钢卷缺陷数据的收集和翻送方法 |
| CN102637258A (zh) * | 2012-04-01 | 2012-08-15 | 首钢总公司 | 一种建立在线表面质量检测系统缺陷库的方法 |
| CN104415976A (zh) * | 2013-09-11 | 2015-03-18 | 上海宝信软件股份有限公司 | 冷轧生产线跨机组产品质量关联分析方法 |
| CN104751288A (zh) * | 2015-03-30 | 2015-07-01 | 北京首钢自动化信息技术有限公司 | 一种钢卷分段多维在线质量判定系统及其方法 |
Non-Patent Citations (3)
| Title |
|---|
| JORG HACKMANN等: "钢铁生产中质量问题的追溯", 《冶金管理》 * |
| 吕志民 等: "冶金全流程工艺质量在线监控和离线分析诊断系统", 《冶金自动化》 * |
| 王晓燕: "钢卷缺陷位置判定技术在冷轧MES 中的应用", 《冶金自动化》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103543394B (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
| Brandenburger et al. | Big data solution for quality monitoring and improvement on flat steel production | |
| JP5484392B2 (ja) | 偏光フィルム原反の品質判定システム及び方法 | |
| CN111401419A (zh) | 基于改进RetinaNet的员工着装规范检测方法 | |
| CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
| CN103577831B (zh) | 用于基于反馈来生成训练模型的方法和装置 | |
| CN105445607A (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
| CN108596632A (zh) | 一种基于订单属性和用户行为的反作弊识别方法及系统 | |
| CN111062934B (zh) | 一种织物图像缺陷实时检测方法 | |
| EP3779874A3 (en) | System and method for automated surface assessment | |
| CN106598289A (zh) | 书写页面的扩充方法和系统 | |
| CN115018827B (zh) | 一种建材焊缝质量自动检测方法 | |
| CN104156913A (zh) | 金属圆柱工件表观缺陷自动光学检测方法 | |
| CN109584208B (zh) | 一种针对工业结构缺陷智能识别模型的检验方法 | |
| CN104598914A (zh) | 一种肤色检测的方法及装置 | |
| CN110956207A (zh) | 一种光学遥感影像全要素变化检测方法 | |
| CN113935988A (zh) | 基于机器视觉的箱体表面缺陷检测识别方法及装置 | |
| CN109063317B (zh) | 一种冷轧带材板形在线云图绘制方法 | |
| CN115471466A (zh) | 一种基于人工智能的钢材表面缺陷检测方法及系统 | |
| CN116109577A (zh) | 一种印刷标签缺陷检测系统及方法 | |
| CN110017998B (zh) | 车辆检测方法、装置和设备 | |
| CN109584212B (zh) | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 | |
| CN105741052A (zh) | 一种板带钢缺陷收集方法 | |
| CN109190489A (zh) | 一种基于修复自动编码器残差的异常人脸检测方法 | |
| CN116777872A (zh) | 一种基于语义分割的涂胶尺寸测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160706 |