CN106404790A - 一种板坯低倍质量等级自动评定系统及评定方法 - Google Patents
一种板坯低倍质量等级自动评定系统及评定方法 Download PDFInfo
- Publication number
- CN106404790A CN106404790A CN201610471079.5A CN201610471079A CN106404790A CN 106404790 A CN106404790 A CN 106404790A CN 201610471079 A CN201610471079 A CN 201610471079A CN 106404790 A CN106404790 A CN 106404790A
- Authority
- CN
- China
- Prior art keywords
- computer
- plate blank
- quality grade
- slab
- camera
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 82
- 238000012854 evaluation process Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013481 data capture Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 230000000717 retained effect Effects 0.000 claims description 11
- 238000009628 steelmaking Methods 0.000 claims description 9
- 238000003801 milling Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000005204 segregation Methods 0.000 description 21
- 230000007547 defect Effects 0.000 description 14
- 229910000831 Steel Inorganic materials 0.000 description 11
- 239000010959 steel Substances 0.000 description 11
- 238000009749 continuous casting Methods 0.000 description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 239000000047 product Substances 0.000 description 5
- 238000005266 casting Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000007711 solidification Methods 0.000 description 3
- 230000008023 solidification Effects 0.000 description 3
- ROOXNKNUYICQNP-UHFFFAOYSA-N ammonium persulfate Chemical compound [NH4+].[NH4+].[O-]S(=O)(=O)OOS([O-])(=O)=O ROOXNKNUYICQNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 229910001870 ammonium persulfate Inorganic materials 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种板坯低倍质量等级自动评定系统，包括板坯输送装置、照相装置和评估过程控制系统；板坯输送装置包括输送小车、小车轨道和安装于小车轨道上的接触开关；照相装置包括相机托架和照相机，照相装置位于输送小车和接触开关之间的小车轨道上方；评估过程控制系统包括计算机、分别与计算机连接进行数据通讯的照相机数据采集卡、输送小车控制PLC、接触开关反馈PLC和照相机控制PLC；板坯低倍质量等级自动评定方法，通过计算机控制照相机对板坯上表面不同位置进行拍照后，利用计算机内置程序进行底部质量等级评定。本发明能够完全取代人工，实现对板坯内部低倍质量等级的自动评级，从而避免人工干扰，提高板坯内部低倍质量等级的判定准确率。
Description
技术领域
本发明涉及一种板坯低倍缺陷评级系统及评定方法，尤其涉及一种板坯低倍质量等级自动评定系统及评定方法。
背景技术
在诸多种板坯内部质量缺陷中，中心偏析和中心疏松是最为常见的两种缺陷。通常，这两种缺陷会导致终轧板材产品拉伸性能不合、低温冲击不合、断口分层等一系列问题，从而给产品的力学性能造成严重的影响。导致板坯中心产生偏析、疏松缺陷的主要原因是：板坯在二次冷却凝固过程中，由于喷水冷却不均，柱状晶生成不规则，产生了“搭桥”现象，上面的钢水不能流下来补充下面钢水的凝固收缩，使桥下面钢水凝固后有明显的缩孔和疏松；同时桥下面钢水的凝固收缩力把周围树枝晶间的富集S、P的液体吸入，使中心偏析明显增加。
为避免中心偏析、疏松缺陷较为严重的板坯流入轧钢工序，通常连铸现场会对相关浇次的板坯内部进行低倍检验，根据检验结果及时调整连铸工艺参数；国家低倍检验标准为1997年颁发的YB/T 4003-1997《连铸钢板坯低倍质量缺陷评级图》，但随着国内各钢铁企业连铸技术水平的提升以及高端产品开发的需求，现有的YB/T 4003-1997标准已不能满足各企业产品开发的需要，目前各企业根据自身炼钢生产线的不同推出了更加严格的低倍质量评级标准，虽然评级标准不同，但常用的低倍检验方法以及低倍质量等级的分类数量和称谓基本一致，主要包括：
（1）任意抽取当前浇次第二炉钢水浇铸出的一块板坯；
（2）垂直于拉坯方向用火焰切割枪从所选取的板坯上切下一部分通宽板坯，并将所切割下的板坯静置在空气中进行冷却；
（3）待所切割下板坯的温度降至室温时，将该板坯放置在铣床上，对该板坯的火切表面进行机械加工处理，即将火切表面皮下至少20mm深度的金属全部铣掉，确保加工表面的粗糙度达到0.4；
（4）用1:5的过硫酸铵溶液对加工完毕的表面进行腐蚀；
（5）当板坯表面的中心区域出现一条较为明显的黑色或灰色的偏析痕迹时，用照相机对该偏析痕迹进行拍照；
（6）在完成上述的一系列操作后，现场技术人员会对照片上的偏析痕迹进行分析，根据自身的低倍质量评级标准得出该板坯的偏析、疏松等级，进而判断出同一浇次的板坯内部质量能否满足后续轧制产品的要求，并决定是否需要对连铸工艺参数进行调整。
（7）板坯内部的偏析程度分为三类：A类、B类、C类，其板坯内部偏析缺陷的严重程度从轻到重依次是：C类＜B类＜A类；板坯内部的疏松程度分为6个级别：0.5级、1.0级、1.5级、2.0级、2.5级、3.0级，其板坯内部疏松缺陷的严重程度从轻到重依次是：0.5级＜1.0级＜1.5级＜2.0级＜2.5级＜3.0级。通常，偏析和疏松缺陷是同时进行评级的。其判断原则是：当偏析痕迹的颜色越浅，偏析痕迹越细，偏析痕迹越呈点状存在且越稀疏，则板坯内部的偏析、疏松缺陷就越轻微；当偏析痕迹的颜色越深，偏析痕迹越粗，偏析痕迹越呈越呈线状存在，则板坯内部的偏析、疏松缺陷就越严重。但是上述的判断工作都是现场技术人员通过肉眼观察来完成的。
上述板坯偏析、疏松等级的传统判断方法是依靠现场技术人员的长期工作经验，通过肉眼观察照片上偏析痕迹不同位置斑点的形状、颜色以及面积大小等诸多特征信息来得到判定结果；这种方法受评定者的主观因素影响较大，评定结果因不同的评定者而存在较大的差异，其精确率只能达到70%左右；为解决上述问题，现场的处理方法主要是加强技术培训，提高现场人员的技术水平，并尽量固定较少的人去完成板坯低倍等级的判定工作；但这种处理方法存在着以下缺点：（1）由于上述的评定方法主要来自于现场技术人员的工作经验，因此在传授方面存在较大的困难；（2）会增大专门负责板坯低倍评级技术人员的工作强度，间接影响板坯低倍评级的准确率，进而影响后续的连铸生产。
发明内容
本发明所要解决的技术问题是提供一种板坯低倍质量等级自动评定系统及评定方法，可以取代人工，实现对板坯内部低倍质量等级的自动评级，从而避免人工干扰，解决背景技术缺陷。
解决上述技术问题的技术方案是：
一种板坯低倍质量等级自动评定系统，包括板坯输送装置、照相装置和评估过程控制系统；
所述的板坯输送装置包括输送小车、小车轨道和安装于小车轨道上的接触开关；
所述照相装置包括相机托架和照相机，照相装置位于输送小车和接触开关之间的小车轨道上方；
所述的评估过程控制系统包括计算机、分别与计算机连接进行数据通讯的照相机数据采集卡、输送小车控制PLC、接触开关反馈PLC和照相机控制PLC；其中，照相机分别与照相机数据采集卡和照相机控制PLC相连，输送小车控制PLC与输送小车相连，接触开关反馈PLC与接触开关相连。
上述的一种板坯低倍质量等级自动评定系统，所述照相装置还包括安装于相机托架上的2台步进电机和安装于步进电机轴上的传送带，照相机安装于传送带上；当板坯输送小车与接触开关接触时，板坯位于照相装置下方，照相机镜头中心点在板坯上表面的投影位于板坯宽度中心线上；
所述评估过程控制系统还包括与计算机连接进行数据通讯的步进电机控制PLC，步进电机控制PLC同时与步进电机连接。
一种板坯内部低倍质量等级自动评定方法，包括如下步骤：
步骤1：通过输送小车控制PLC控制输送小车，将表面已铣好的板坯沿小车轨道向照相装置方向移动；
步骤2：当输送小车触碰到接触开关后，输送小车停止，此时，照相机镜头中心点在板坯上表面的投影位于板坯宽度中心线上；计算机通过照相机控制PLC自动启动照相机；
步骤3：照相机通过照相机数据采集卡实时将板坯上表面的图像传送到计算机；
步骤4：通过步进电机控制PLC启动两台步进电机，使步进电机上的传送带开始移动，带动照相机沿板坯长度方向移动，对板坯上表面不同位置进行拍照；通过照相机数据采集卡将照片传送回计算机；
步骤5：计算机根据内置程序，自动对所拍摄的图像进行分析后，得出板坯低倍质量等级；
步骤6：计算机从所拍摄的若干张照片中，自动挑选出所判定的最低的一个等级作为整个板坯的低倍质量等级。
上述的一种板坯低倍质量等级自动评定方法，所述步骤5计算机对板坯低倍质量等级的评定方法通过计算机内置程序完成，具体包括以下步骤：
（1）、计算机通过内置程序，自动对照片上板坯宽度中心线两侧10mm范围内的像素点进行保留，删除其它像素点，在消除照片上干扰因素的基础上，降低后续计算机的运算量，缩短相关分析时间；
（2）、计算机自动得出所保留像素点的灰度值，然后对相关灰度值进行均方化处理，消除外界光线对照片拍摄质量的影响；
（3）、计算机对所保留的所有像素点的灰度值进行归一化处理，使所有像素点的相对灰度值保持在0～1.0范围内；
（4）、计算机对保留的所有像素点的相对灰度值进行求和处理，得到像素点灰度值总和；然后通过该值对板坯低倍质量等级进行评定，即：
当0.01a＜≤12a时，计算机将板坯低倍质量等级评定为C类0.5；
当12a＜≤17a时，计算机将板坯低倍质量等级评定为C类1.0；
当17a＜≤25a时，计算机将板坯低倍质量等级评定为C类1.5；
当25a＜≤36a时，计算机将板坯低倍质量等级评定为C类2.0；
当36a＜≤53a时，计算机将板坯低倍质量等级评定为C类2.5；
当53a＜≤78a时，计算机将板坯低倍质量等级评定为C类3.0；
当78a＜≤116a时，计算机将板坯低倍质量等级评定为B类0.5；
当116a＜≤173a时，计算机将板坯低倍质量等级评定为B类1.0；
当173a＜≤258a时，计算机将板坯低倍质量等级评定为B类1.5；
当258a＜≤386a时，计算机将板坯低倍质量等级评定为B类2.0；
当386a＜≤579a时，计算机将板坯低倍质量等级评定为B类2.5；
当579a＜≤867a时，计算机将板坯低倍质量等级评定为B类3.0；
当867a＜≤1299a时，计算机将板坯低倍质量等级评定为A类0.5；
当1299a＜≤1948a时，计算机将板坯低倍质量等级评定为A类1.0；
当1948a＜≤2921a时，计算机将板坯低倍质量等级评定为A类1.5；
当2921＜≤4381a时，计算机将板坯低倍质量等级评定为A类2.0；
当4381a＜≤6570a时，计算机将板坯低倍质量等级评定为A类2.5；
当6570a＜≤9855a时，计算机将板坯低倍质量等级评定为A类3.0。
式中，a为评定相关系数，。
上述的一种板坯低倍质量等级自动评定方法，所述步骤（1）中计算机自动对照片上板坯宽度中心线两侧10mm范围内的300×40个像素点进行保留，删除其它像素点。
上述的一种板坯低倍质量等级自动评定方法，所述步骤（4）中评定相关系数a根据不同炼钢生产线而调整，其调整方法为：将炼钢生产线所积累的300张以上的板坯低倍质量照片及根据自身低倍质量评级标准而确定的质量等级信息输入到计算机中，计算机根据内置程序自动对上述信息进行分析后，自动得出评定相关系数a。
为适应不同的炼钢生产线，提高低倍质量评级的准确率，在应用本发明进行低倍质量等级评定前，需要将最近1-2个月内在连铸生产过程中拍摄积累的300张以上的板坯低倍质量照片以及根据自身的低倍质量评级标准而确定的低倍质量信息输入至计算机中，计算机根据内置程序自动对上述信息进行分析后，自动调整本发明所提到的评定相关系数a；通过调整评定相关系数a，使本发明的系统能够适应国内各家钢铁企业的板坯低倍质量评级标准，确保判断准确率能够达到90%以上；
本发明计算机自动对照片上板坯宽度中心线两侧10mm范围内的300×40个像素点进行保留，是基于计算机判断精度和计算量大小的双重考虑；通过现场测试表明：当计算机所选取的像素点数量小于300×40个时，其判断准确率将会受到较大的影响；而当计算机所选取的像素点数量大于300×40个时，计算机在对照片进行分析和判断时，计算量会明显增大，延长了分析时间，不能满足连铸现场的需要。因此本发明将所要保留的照片像素点设定为300×40个；此外，计算机在选取像素点时，会自动根据照片的宽幅进行自动选取，从而最大限度的保留照片上的有用信息，剔除干扰，确保判断的准确率。
本发明的有益效果是：
本发明能够完全取代人工，实现对板坯内部低倍质量等级的自动评级，从而避免人工干扰，提高了板坯内部低倍质量等级的判定准确率，进而为后续的生产准备及工艺优化，提升终轧产品质量打下了坚实的基础，并能够大幅降低现场技术人员的劳动强度；本发明对于提高板坯内部质量，确保终轧产品质量起到至关重要的作用，具有显著的经济效益，在行业内有极大的推广使用价值。
附图说明
图1为板坯输送装置和照相装置位置及结构示意图；
图2为过程控制系统示意图；
图中标记为：输送小车1、板坯2、相机托架3、步进电机4、传送带5、照相机6、接触开关7、小车轨道8、计算机9、照相机数据采集卡10、输送小车控制PLC 11、接触开关反馈PLC 12、步进电机控制PLC 13、照相机控制PLC 14。
具体实施方式
图1和图2显示，本发明一种板坯低倍质量等级自动评定系统，包括板坯输送装置、照相装置和评估过程控制系统；板坯输送装置包括输送小车1、小车轨道8和接触开关7，小车轨道8安装在地面上，输送小车1可沿小车轨道8行走，接触开关7安装在小车轨道8上；照相装置位于输送小车1和接触开关7之间的小车轨道8的上方，包括相机托架3、2台步进电机4、传送带5和照相机6，2台步进电机4安装在相机托架3上，传送带5安装在2台步进电机4的电机轴上由电机驱动，照相机6安装在传送带5上，当输送小车1与接触开关7接触时，板坯2位于照相装置下方，照相机6的镜头中心点在板坯2上表面的投影位于板坯2宽度的中心线上，确保相机拍摄照片的清晰度；评估过程控制系统包括计算机9、分别与计算机9连接进行数据通讯的照相机数据采集卡10、输送小车控制PLC 11、接触开关反馈PLC 12、步进电机控制PLC 13和照相机控制PLC 14，其中，照相机6分别与照相机数据采集卡10和照相机控制PLC14相连，计算机9通过照相机控制PLC14控制照相机6进行照片的拍摄，照相机6将拍摄的照片通过照相机数据采集卡10传送给计算机9；输送小车控制PLC 11与输送小车1相连，计算机9通过输送小车控制PLC 11控制输送小车1的启停；接触开关反馈PLC 12与接触开关7相连，当输送小车1与接触开关7触碰时，接触开关7将信号通过接触开关反馈PLC 12传给计算机9，计算机9通过接触开关反馈PLC 12控制输送小车1停止运行；步进电机控制PLC 13与步进电机4相连，计算机9通过步进电机控制PLC 13控制步进电机4的启停。
本发明一种板坯低倍质量等级自动评定方法，包含以下步骤：
步骤1：首先将表面已铣好的板坯2放置在输送小车1上，然后控制计算机9通过输送小车控制PLC 11向输送小车1发出启动信号，使输送小车1向照相装置方向移动；
步骤2：当输送小车1触碰到接触开关7后，接触开关7会通过接触开关反馈PLC 12向计算机9发出信号，计算机9接收到信号后向输送小车控制PLC 11发出停止信号，输送小车1停止运行；此时，照相机6的镜头中心点在板坯2上表面的投影位于板坯2宽度中心线上；计算机9通过照相机控制PLC14自动启动照相机6；
步骤3：照相机6通过照相机数据采集卡10实时将板坯2表面的图像传送到计算机9，现场技术人员根据图像的质量，通过计算机9向照相机控制PLC 14发出信号，实时调整照相机6的镜头焦距，使照片保持清晰；
步骤4：利用计算机9向步进电机控制PLC 13发出信号，启动两台步进电机4，使步进电机4上的传送带5开始移动，并带动照相机6沿板坯2长度方向移动；现场技术人员不断从计算机9上观测照相机6所拍摄的板坯表面；当移动到所要拍摄照片的位置后，技术人员利用计算机9向步进电机控制PLC 13发出信号，停止运行2台步进电机4，从而使照相机6稳定在板坯2的上方，然后通过计算机9向照相机控制PLC 14发送信号，控制照相机6拍摄下板坯2该表面位置的照片，再通过照相机数据采集卡10，将其传送回计算机9；如此重复，对板坯2表面不同位置进行拍照，并实时传送回计算机；
步骤5：计算机9根据内置程序，自动对所拍摄的照片进行分析后，得出板坯低倍质量等级，具体方法是：
（1）、计算机9通过内置程序，自动对照片上板坯宽度中心线两侧10mm范围内平均分布的300×40个像素点进行保留，删除照片上的其他像素点，从而在消除照片上干扰因素的基础上，降低后续计算机的运算量，缩短相关分析时间；
（2）、 计算机9自动得出所保留像素点的灰度值，然后对相关灰度值进行均方化处理，消除外界光线对照片拍摄质量的影响；
（3）、计算机9对所保留的所有像素点的灰度值进行归一化处理，使所有像素点的相对灰度值保持在0～1.0范围内；
（4）、计算机9对保留的所有像素点的相对灰度值进行求和处理，得到像素点灰度值总和。然后通过该值对板坯2的低倍质量等级进行评定，即：
当0.01a＜≤12a时，计算机将板坯低倍质量等级评定为C类0.5；
当12a＜≤17a时，计算机将板坯低倍质量等级评定为C类1.0；
当17a＜≤25a时，计算机将板坯低倍质量等级评定为C类1.5；
当25a＜≤36a时，计算机将板坯低倍质量等级评定为C类2.0；
当36a＜≤53a时，计算机将板坯低倍质量等级评定为C类2.5；
当53a＜≤78a时，计算机将板坯低倍质量等级评定为C类3.0；
当78a＜≤116a时，计算机将板坯低倍质量等级评定为B类0.5；
当116a＜≤173a时，计算机将板坯低倍质量等级评定为B类1.0；
当173a＜≤258a时，计算机将板坯低倍质量等级评定为B类1.5；
当258a＜≤386a时，计算机将板坯低倍质量等级评定为B类2.0；
当386a＜≤579a时，计算机将板坯低倍质量等级评定为B类2.5；
当579a＜≤867a时，计算机将板坯低倍质量等级评定为B类3.0；
当867a＜≤1299a时，计算机将板坯低倍质量等级评定为A类0.5；
当1299a＜≤1948a时，计算机将板坯低倍质量等级评定为A类1.0；
当1948a＜≤2921a时，计算机将板坯低倍质量等级评定为A类1.5；
当2921＜≤4381a时，计算机将板坯低倍质量等级评定为A类2.0；
当4381a＜≤6570a时，计算机将板坯低倍质量等级评定为A类2.5；
当6570a＜≤9855a时，计算机将板坯低倍质量等级评定为A类3.0。
式中，a为评定相关系数，；
评定相关系数a根据不同炼钢生产线而调整，其调整方法为：将炼钢生产线最近1-2个月内所拍摄积累的300张以上的板坯低倍质量照片及根据自身低倍质量评级标准而确定的质量等级信息输入到计算机中，计算机根据内置程序自动对上述信息进行分析后，自动得出评定相关系数a；
步骤6：计算机9从之前所拍摄的若干张照片中，自动挑选出所判定的最低的一个等级作为整个板坯2的低倍质量等级，以此来指导连铸工艺参数的调整。
为适应不同的炼钢生产线，提高低倍质量评级的准确率，在应用本发明进行低倍质量等级评定前，需要将最近1-2个月内在连铸生产过程中拍摄积累的300张以上的板坯低倍质量照片以及根据自身的低倍质量评级标准而确定的低倍质量信息输入至计算机中，计算机根据内置程序自动对上述信息进行分析后，自动调整本发明所提到的评定相关系数a；通过调整评定相关系数a，使本发明的系统能够适应国内各家钢铁企业的板坯低倍质量评级标准，确保判断准确率能够达到90%以上；
本发明计算机自动对照片上板坯宽度中心线两侧10mm范围内的300×40个像素点进行保留，是基于计算机判断精度和计算量大小的双重考虑；通过现场测试表明：当计算机所选取的像素点数量小于300×40个时，其判断准确率将会受到较大的影响；而当计算机所选取的像素点数量大于300×40个时，计算机在对照片进行分析和判断时，计算量会明显增大，延长了分析时间，不能满足连铸现场的需要。因此本发明将所要保留的照片像素点设定为300×40个；此外，计算机在选取像素点时，会自动根据照片的宽幅进行自动选取，从而最大限度的保留照片上的有用信息，剔除干扰，确保判断的准确率。
Claims (6)
1.一种板坯低倍质量等级自动评定系统，其特征在于：它包括板坯输送装置、照相装置和评估过程控制系统；
所述的板坯输送装置包括输送小车（1）、小车轨道（8）和安装于小车轨道（8）上的接触开关（7）；
所述照相装置包括相机托架（3）和照相机（6），照相装置位于输送小车（1）和接触开关（7）之间的小车轨道（8）的上方；
所述的评估过程控制系统包括计算机（9）、分别与计算机（9）连接进行数据通讯的照相机数据采集卡（10）、输送小车控制PLC（11）、接触开关反馈PLC（12）和照相机控制PLC（14）；其中，照相机（6）分别与照相机数据采集卡（10）和照相机控制PLC（14）相连，输送小车控制PLC（11）与输送小车（1）相连，接触开关反馈PLC（12）与接触开关（7）相连。
2.如权利要求1所述的一种板坯低倍质量等级自动评定系统，其特征在于：所述照相装置还包括安装于相机托架（3）上的2台步进电机（4）和安装于步进电机轴上的传送带（5），照相机（6）安装于传送带（5）上；当输送小车（1）与接触开关（7）接触时，板坯（2）位于照相装置下方，照相机（6）的镜头中心点在板坯（2）上表面的投影位于板坯（2）宽度中心线上；
所述评估过程控制系统还包括与计算机（9）连接进行数据通讯的步进电机控制PLC（13），步进电机控制PLC（13）同时与步进电机（4）连接。
3.一种板坯内部低倍质量等级自动评定方法，其特征在于：包括如下步骤：
步骤1：通过输送小车控制PLC（11）控制输送小车（1），将表面已铣好的板坯（2）沿小车轨道（8）向照相装置方向移动；
步骤2：当输送小车（1）触碰到接触开关（7）后，输送小车（1）停止，此时，照相机（6）的镜头中心点在板坯（2）上表面的投影位于板坯（2）宽度中心线上；计算机（9）通过照相机控制PLC（14）自动启动照相机（6）；
步骤3：照相机（6）通过照相机数据采集卡（10）实时将板坯（2）上表面的图像传送到计算机（9）；
步骤4：通过步进电机控制PLC（13）启动两台步进电机（4），使步进电机（4）上的传送带（5）开始移动，带动照相机（6）沿板坯长度方向移动，对板坯（2）上表面不同位置进行拍照；通过照相机数据采集卡（10）将照片传送回计算机（9）；
步骤5：计算机（9）根据内置程序，自动对所拍摄的图像进行分析后，得出板坯低倍质量等级；
步骤6：计算机（9）从所拍摄的若干张照片中，自动挑选出所判定的最低的一个等级作为整个板坯的低倍质量等级。
4.如权利要求3所述的一种板坯低倍质量等级自动评定方法，其特征在于：所述步骤5计算机（9）对板坯低倍质量等级的评定方法通过计算机内置程序完成，具体包括以下步骤：
（1）、计算机（9）通过内置程序，自动对照片上板坯宽度中心线两侧10mm范围内的像素点进行保留，删除其它像素点，在消除照片上干扰因素的基础上，降低后续计算机（9）的运算量，缩短相关分析时间；
（2）、计算机（9）自动得出所保留像素点的灰度值，然后对相关灰度值进行均方化处理，消除外界光线对照片拍摄质量的影响；
（3）、计算机（9）对所保留的所有像素点的灰度值进行归一化处理，使所有像素点的相对灰度值保持在0～1.0范围内；
（4）、计算机（9）对保留的所有像素点的相对灰度值进行求和处理，得到像素点灰度值总和；然后通过该值对板坯低倍质量等级进行评定，即：
当0.01a＜≤12a时，计算机将板坯低倍质量等级评定为C类0.5；
当12a＜≤17a时，计算机将板坯低倍质量等级评定为C类1.0；
当17a＜≤25a时，计算机将板坯低倍质量等级评定为C类1.5；
当25a＜≤36a时，计算机将板坯低倍质量等级评定为C类2.0；
当36a＜≤53a时，计算机将板坯低倍质量等级评定为C类2.5；
当53a＜≤78a时，计算机将板坯低倍质量等级评定为C类3.0；
当78a＜≤116a时，计算机将板坯低倍质量等级评定为B类0.5；
当116a＜≤173a时，计算机将板坯低倍质量等级评定为B类1.0；
当173a＜≤258a时，计算机将板坯低倍质量等级评定为B类1.5；
当258a＜≤386a时，计算机将板坯低倍质量等级评定为B类2.0；
当386a＜≤579a时，计算机将板坯低倍质量等级评定为B类2.5；
当579a＜≤867a时，计算机将板坯低倍质量等级评定为B类3.0；
当867a＜≤1299a时，计算机将板坯低倍质量等级评定为A类0.5；
当1299a＜≤1948a时，计算机将板坯低倍质量等级评定为A类1.0；
当1948a＜≤2921a时，计算机将板坯低倍质量等级评定为A类1.5；
当2921＜≤4381a时，计算机将板坯低倍质量等级评定为A类2.0；
当4381a＜≤6570a时，计算机将板坯低倍质量等级评定为A类2.5；
当6570a＜≤9855a时，计算机将板坯低倍质量等级评定为A类3.0。
式中，a为评定相关系数，。
5.如权利要求4所述的一种板坯低倍质量等级自动评定方法，其特征在于：所述步骤（1）中计算机（9）自动对照片上板坯宽度中心线两侧10mm范围内的300×40个像素点进行保留，删除其它像素点。
6.如权利要求4所述的一种板坯低倍质量等级自动评定方法，其特征在于：所述步骤（4）中评定相关系数a根据不同炼钢生产线而调整，其调整方法为：将炼钢生产线所积累的300张以上的板坯低倍质量照片及根据自身低倍质量评级标准而确定的质量等级信息输入到计算机（9）中，计算机（9）根据内置程序自动对上述信息进行分析后，自动得出评定相关系数a。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610471079.5A CN106404790B (zh) | 2016-06-24 | 2016-06-24 | 一种板坯低倍质量等级自动评定系统及评定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610471079.5A CN106404790B (zh) | 2016-06-24 | 2016-06-24 | 一种板坯低倍质量等级自动评定系统及评定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106404790A true CN106404790A (zh) | 2017-02-15 |
| CN106404790B CN106404790B (zh) | 2023-06-23 |
Family
ID=58006694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610471079.5A Active CN106404790B (zh) | 2016-06-24 | 2016-06-24 | 一种板坯低倍质量等级自动评定系统及评定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106404790B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110614282A (zh) * | 2018-06-19 | 2019-12-27 | 宝山钢铁股份有限公司 | 一种热轧板坯表面清理质量缺陷的自动检测装置 |
| CN111899230A (zh) * | 2020-07-15 | 2020-11-06 | 重庆大学 | 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636493A (zh) * | 2012-05-03 | 2012-08-15 | 齐齐哈尔华工机床有限公司 | 低倍试验自动成像检测分析处理系统 |
| CN202471607U (zh) * | 2012-02-24 | 2012-10-03 | 成都迈尔斯登科技有限公司 | 低倍数成像系统 |
| CN104101604A (zh) * | 2013-04-15 | 2014-10-15 | 宝山钢铁股份有限公司 | 用于连铸坯表面离线检测的试验台 |
| WO2015055060A1 (zh) * | 2013-10-16 | 2015-04-23 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
| CN105548207A (zh) * | 2016-02-02 | 2016-05-04 | 攀钢集团攀枝花钢铁研究院有限公司 | 连铸坯中心疏松或缩孔的定量测定方法 |
| CN205941386U (zh) * | 2016-06-24 | 2017-02-08 | 邯郸市邯钢集团信达科技有限公司 | 一种板坯低倍质量等级自动评定系统 |
-
2016
- 2016-06-24 CN CN201610471079.5A patent/CN106404790B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202471607U (zh) * | 2012-02-24 | 2012-10-03 | 成都迈尔斯登科技有限公司 | 低倍数成像系统 |
| CN102636493A (zh) * | 2012-05-03 | 2012-08-15 | 齐齐哈尔华工机床有限公司 | 低倍试验自动成像检测分析处理系统 |
| CN104101604A (zh) * | 2013-04-15 | 2014-10-15 | 宝山钢铁股份有限公司 | 用于连铸坯表面离线检测的试验台 |
| WO2015055060A1 (zh) * | 2013-10-16 | 2015-04-23 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
| CN105548207A (zh) * | 2016-02-02 | 2016-05-04 | 攀钢集团攀枝花钢铁研究院有限公司 | 连铸坯中心疏松或缩孔的定量测定方法 |
| CN205941386U (zh) * | 2016-06-24 | 2017-02-08 | 邯郸市邯钢集团信达科技有限公司 | 一种板坯低倍质量等级自动评定系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110614282A (zh) * | 2018-06-19 | 2019-12-27 | 宝山钢铁股份有限公司 | 一种热轧板坯表面清理质量缺陷的自动检测装置 |
| CN111899230A (zh) * | 2020-07-15 | 2020-11-06 | 重庆大学 | 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法 |
| CN111899230B (zh) * | 2020-07-15 | 2023-11-17 | 重庆大学 | 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106404790B (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104914111B (zh) | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 | |
| CN205941386U (zh) | 一种板坯低倍质量等级自动评定系统 | |
| CN110184599A (zh) | 一种激光送粉熔覆系统及激光送粉熔覆控制方法 | |
| CN112017145B (zh) | 一种高效的铁水预处理自动扒渣方法和系统 | |
| CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
| CN105092473B (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
| CN105171115B (zh) | 基于机器视觉的飞剪控制系统的飞剪控制方法 | |
| CN108838397B (zh) | 一种激光增材制造在线监测方法 | |
| CN108489986A (zh) | 一种增材制造在线检测及修复方法 | |
| CN108856664A (zh) | 一种连铸机结晶器自动加渣系统及控制方法 | |
| CN206146394U (zh) | 一种石材表面粗糙度的在线检测装置 | |
| CN106404790A (zh) | 一种板坯低倍质量等级自动评定系统及评定方法 | |
| CN110108726A (zh) | 一种用于芯片检测的全自动光学检测系统 | |
| KR20070009736A (ko) | 단조 공정의 최적화를 위한 방법 및 장치 | |
| CN110472722A (zh) | 基于机器视觉技术的钢坯计数装置和方法 | |
| CN110186570A (zh) | 一种增材制造激光3d打印温度梯度检测方法 | |
| CN114273988A (zh) | 一种基于三维设计优化的金属铸件精准打磨方法 | |
| KR20200123813A (ko) | 드로스 제거 장치, 드로스 제거 방법, 드로스 검출 장치 및 드로스 검출 방법 | |
| CN107803606A (zh) | 一种基于全过程标记的焊缝质量检测方法和装置 | |
| CN206863817U (zh) | 摄像机图像自动采集装置及摄像机标定系统 | |
| CN105537720B (zh) | 大板坯火焰喷枪切割高度控制系统及其使用方法 | |
| KR20090071186A (ko) | 슬라브 측면 흠 검출 장치 | |
| CN107303601A (zh) | 铸坯的冷却监控系统和方法 | |
| CN108956613A (zh) | 玻璃锡缺陷视觉鉴别系统 | |
| CN104923576A (zh) | 热轧生产线精轧工作辊辊面自动检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 056015 Fuxing Road 232, Fuxing District, Hebei, Handan Patentee after: Hegang digital Xinda (Handan) Technology Co.,Ltd. Country or region after: China Address before: 056015 Fuxing Road 232, Fuxing District, Hebei, Handan Patentee before: HANDAN HANGANG GROUP XINDA TECHNOLOGY CO.,LTD. Country or region before: China |