CN109983324B - 用于定量测量铸态钢产品中的内部缺陷的方法及系统 - Google Patents

用于定量测量铸态钢产品中的内部缺陷的方法及系统 Download PDF

Info

Publication number
CN109983324B
CN109983324B CN201780070797.4A CN201780070797A CN109983324B CN 109983324 B CN109983324 B CN 109983324B CN 201780070797 A CN201780070797 A CN 201780070797A CN 109983324 B CN109983324 B CN 109983324B
Authority
CN
China
Prior art keywords
image
area
sub
steel product
internal defect
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.)
Active
Application number
CN201780070797.4A
Other languages
English (en)
Other versions
CN109983324A (zh
Inventor
S·O·亚伯拉罕
王宇峰
J·R·雷恩斯
R·L·博德纳尔
J·托马斯
S·S·汉森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SSAB Enterprises LLC
Original Assignee
SSAB Enterprises LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SSAB Enterprises LLC filed Critical SSAB Enterprises LLC
Publication of CN109983324A publication Critical patent/CN109983324A/zh
Application granted granted Critical
Publication of CN109983324B publication Critical patent/CN109983324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • 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
    • 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
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)
  • Investigating And Analyzing Materials By Characteristic Methods (AREA)

Abstract

一种用于定量测量铸态钢产品中的内部缺陷的方法包括用扫描装置光学扫描钢产品的表面的至少一部分以产生其数字图像。该方法还包括在阈值引擎中对图像进行阈值化以分离图像内的内部缺陷并分析阈值化图像以确定内部缺陷面积，其中内部缺陷面积包括阈值化图像的由内部缺陷所占据的至少一部分的面积。该方法还包括确定阈值化图像的部分的总面积，计算内部缺陷面积相对于总面积的分数，以及基于该分数计算钢产品中的内部缺陷的等效曼内斯曼标度分级。

Description

用于定量测量铸态钢产品中的内部缺陷的方法及系统
背景技术
连续铸造是这样一种方法：其中将钢水固化成“半成品”钢坯、初轧坯、梁坯或板坯，用于随后在钢热轧机中加工。钢坯具有正方形或圆形横截面，典型面积为约23,226mm2；板坯具有更大面积的矩形截面；梁坯是一种接近最后形状的产品，用于给中型和重型型材轧机供料；并且初轧坯具有矩形或圆形横截面，其横截面积大于钢坯，但小于板坯的横截面积。图1是示例性板坯连续铸造过程100的示意图。一旦钢在钢包102中被精炼以实现期望的化学成分和温度，则钢包102被运输到铸造机以进行铸造。在铸造期间，钢从钢包102的底部通过钢包护罩103流入称为中间包104的保持缸。中间包104允许钢储存器在一个钢包102耗尽并且新的钢包被打开时连续地供给模具108。通过这种布置，在铸造机以连续铸造另一系列熔炼量之前，可以连续铸造相同等级或紧密相关等级的液态钢的数个钢包102。一个钢包被称为一个熔炼量，并且以这种方式连续铸造的相同等级或密切相关等级的钢的钢包被称为一系列熔炼量。
以这种方式铸造的板坯的初始固化在模具108中开始，模具108是矩形盒子，其可以由铜或铜基合金制成。水套可以安装在模具的四侧上以便于固化。模具108可以仅约800-900mm长，并且在其底部，固化钢118(称为壳体)的厚度根据模具中的冷却性质而可以是几毫米厚。部分固化的产品116(称为铸坯)基本上类似于具有外部固体壳体和液体内部的水箱。铸坯116被连续地抽回到铸造机的二级冷却室中，该二级冷却室包括成段设置的多组支撑水冷辊114。水喷嘴112在辊114之间设置成逐渐地继续并完成对铸坯116的固化。一旦固化完成，铸坯116在切割点120处被切割成一定长度(例如，通过火炬切割)并且可以是钢坯、初轧坯、梁坯或板坯200中的一种。当铸坯116完全固化时，其可能已经从模具108的位置行进了数十米。因此，铸造机通常被设计成弯曲的机器允许空间并有助于更好的滚动支撑系统。弯曲的铸坯116在切割成一定长度之前在机器的水平部分中被拉直。在铸造完成之前，钢经历不同的热状态和相变化并经历不同程度的机械应力。由于所有这些过程，半成品可能由于热应力和机械应力而表现出某些表面和内部缺陷。缺陷是铸态产品中的瑕疵或裂缝，这可能会降低产品的性能并使其不适合其预期的应用。
图2示出了在铸态产品200中常见的各种类型的缺陷的示例。这种缺陷包括中间缺陷201，三分点缺陷202，中心线缺陷203，对角线缺陷204，矫直/弯曲缺陷205，夹送辊表面裂纹缺陷206，中间面纵向缺陷207，角部纵向缺陷208，中间面横向缺陷209，角部横向缺陷210和星形缺陷211。这些缺陷的严重程度取决于铸造特定条件。通过目视检查铸态产品，可以在随后的铸造序列之前检查和调整机器中可能存在这些缺陷的位置。然而，这种诊断可能是不充分的，这在很大程度上是由于该行业缺乏评估缺陷的定量方法。
历史上，内部板坯缺陷严重性已经通过将铸态产品的蚀刻横截面与曼内斯曼图表(Mannesmann charts)进行手工、主观和视觉比较来进行分级，该图表是在20世纪70年代开发的。图3示出了用于各种中心线偏析的曼内斯曼图表的示例，其按程度依次变化。如图所示，曼内斯曼图表提供了由整数1至5表示的五个等级的标度，对应于增加的偏析程度。对于其他类型的缺陷也存在类似的图表，诸如纵向(径向)内部裂缝、横向(中途)内部裂缝、窄侧内部裂缝、角部内部裂缝、云形夹杂物和点状夹杂物(参见图10至15)。因此，当操作员针对例如中心线偏析的程度评估产品时，操作员将视觉检查产品并基于操作者关于曼内斯曼图表上哪个图像与产品最相似的主观观点将产品分配在1和5之间的值。有时，如果离析程度正好落在两个曼内斯曼图表之间，则操作员将为产品分配半整数值，例如2.5。
研究表明，由于不同操作者对图表的不一致的主观解释，该技术是有缺陷的。例如，在2008年，管道和危险物质安全管理局(PHMSA)得出结论，曼内斯曼图表用于分级中心线偏析是非常主观的。作为示例，图4A和4B示出了由两个操作员进行的两组独立的循环测试的结果。如图所示，由两个操作员选择的分级变化很大，有时在曼内斯曼标度上达到满点(即25％的差异)。具体地，图4A中的第一组循环测试的相关系数仅为0.32，而图4B中的第二组测试的相关系数仅为0.47。因此，内部缺陷的视觉和高度主观评估缺乏可重复的结果使得过程和产品开发无效。此外，由于操作员通常根据整数或至多半整数对产品进行分级，因此曼内斯曼分级标度的粒度相对较低。
发明内容
提供本发明内容是为了以简化的形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。
本发明的各种实施例涉及一种用于定量测量铸态钢产品中的内部缺陷(例如偏析)的方法。该方法包括用扫描装置光学扫描钢产品表面的至少一部分以产生其数字图像。该方法还包括在阈值化引擎中对图像进行阈值化以分离图像内的内部缺陷以及分析阈值化图像以确定内部缺陷面积，其中内部缺陷面积包括阈值化图像的由内部缺陷占据的至少一部分的面积。该方法还包括确定阈值化图像的部分的总面积，计算内部缺陷面积相对于总面积的分数，以及基于分数计算钢产品的内部缺陷的等效曼内斯曼标度分级。
各种其他实施例涉及一种用于定量测量铸态钢产品中的内部缺陷的系统。该系统包括光学扫描仪，其适于扫描钢产品表面的至少一部分以产生其数字图像。该系统还包括阈值引擎，其与光学扫描仪通信耦接并适于对图像进行阈值化以分离图像内的内部缺陷。该系统还包括内部缺陷面积引擎，其与阈值引擎通信耦接。该内部缺陷面积引擎适于从阈值引擎接收阈值化图像以及分析阈值化图像以确定内部缺陷面积。该内部缺陷面积包括阈值化图像的由内部缺陷占据的至少一部分的面积。该内部缺陷面积引擎还适于确定阈值化图像的部分的总面积，以及计算内部缺陷面积相对于总面积的分数。该系统还包括标准化器，其与内部缺陷面积引擎通信耦接。该标准化器适于从内部缺陷面积引擎接收内部缺陷面积相对于总面积的分数，以及基于分数计算钢产品内部缺陷的等效曼内斯曼标度分级。
各种其他实施方式涉及一种用于定量测量铸态钢产品中的内部缺陷的方法。该方法包括用选自盐酸蚀刻剂构成的组中的蚀刻剂蚀刻钢产品的表面。该方法还包括用扫描装置光学扫描钢产品表面的至少一部分以产生其数字图像。该方法还包括在阈值引擎中对图像进行阈值化以分离图像内的内部缺陷并分析阈值化图像以确定内部缺陷面积，其中内部缺陷面积包括阈值化图像的一部分内由内部缺陷占据的面积，阈值化图像的该部分在中心线偏析情况下对应于表面的等轴区域；在中间(径向)裂缝、中间(横向)裂缝、云状夹杂物和点状夹杂物的情况下对应于铸态产品的中心线与顶部或底部表面之间的区域；在窄侧裂纹和角部裂纹的情况下对应于铸态产品表面的三分点和边缘(例如较短边缘)之间的区域。该方法还包括从阈值化图像计算表面的等轴区域的假设面积，计算内部缺陷面积相对于等轴区域的假设面积的分数，确定分数落在表示曼内斯曼标度与内部缺陷面积分数之间的关系的曲线上的位置，并根据分数落在曲线上的位置计算钢产品内部缺陷的等效曼内斯曼标度分级。
附图说明
包含在本说明书中并形成本说明书的一部分的附图示出了本发明的实施例，并且与说明书一起用于解释本发明的实施例的原理：
图1是连续铸造过程的示意图；
图2是表示铸造钢产品中常见的各种缺陷的示例的图；
图3是描述用于中心线偏析的曼内斯曼图表的示例的一系列照片；
图4A是示出由两个操作员使用传统的曼内斯曼分级技术进行的第一组循环测试的结果的第一图表；
图4B是示出由两个操作员使用传统的曼内斯曼分级技术进行的第二组循环测试的结果的第二图表；
图5是示出根据本发明的各种实施例的用于定量测量铸态钢产品内部缺陷的系统的示意图；
图6是根据本发明的各种实施例的一系列照片和图像，其描述在过滤和阈值化之前和之后用于图3的中心线偏析的曼内斯曼标度图像的部分的示例；
图7是显示根据本发明的各种实施例的可从铸态产品切割的示例性样品和子样品的图示；
图8示出了根据本发明的各种实施例针对中心线偏析绘制的根据曼内斯曼图表分级1-4的确定内部缺陷面积分数图，以及基于这些图表的示例参考曲线的图；
图9是绘制由两个操作员使用本发明实施例的系统和过程进行的循环测试的结果的图表。
图10是根据本发明的各种实施例的一系列照片和相应的图像，其示出了在过滤和阈值化之前和之后的纵向(径向)内部裂缝的曼内斯曼标度图像的示例；
图11是根据本发明的各种实施例的一系列照片和相应的图像，其示出了在过滤和阈值化之前和之后的横向(中间)内部裂缝的曼内斯曼标度图像的示例；
图12是根据本发明的各种实施例的一系列照片和相应的图像，其示出了在被过滤和阈值化之前和之后的窄边内部裂缝的曼内斯曼标度图像的示例；
图13是根据本发明的各种实施例的一系列照片和相应的图像，其示出了在过滤和阈值化之前和之后的三分点内部裂缝的曼内斯曼标度图像的示例；
图14是根据本发明的各种实施例的一系列照片和相应的图像，其示出了在被过滤和阈值化之前和之后的云状夹杂物的曼内斯曼标度图像的示例；
图15是根据本发明的各种实施例的一系列照片和相应的图像，其示出了在被过滤和阈值化之前和之后的点状夹杂物的曼内斯曼标度图像的示例；以及
图16是可以在其中实现实施例的各个方面的示例性计算系统环境的框图。
具体实施方式
现在将详细参考本发明的优选实施例，其示例在附图中示出。虽然将结合优选实施例描述本发明，但是应该理解，这些优选实施例并不旨在将本发明限制于这些实施例。相反，本发明旨在覆盖所有替代、修改和等同物，其可以包括在由权利要求限定的本发明的精神和范围内。此外，在本发明的详细描述中，阐述了许多具体细节以便提供对本发明的透彻理解。然而，对于本领域普通技术人员显而易见的是，可以在没有这些具体细节的情况下实践本发明。在其他情况下，没有详细描述公知的方法、过程和组件，以免不必要地模糊本发明的各方面。
可以根据过程、工艺和其他符号表示来呈现随后的详细描述的一些部分，其中一些可以涉及对计算机或数字系统存储器内的数据位的操作。这些描述和表示是数据处理领域的技术人员所使用的手段中的一些以最有效地将他们的工作实质传达给本领域其他技术人员。本文中的过程、工艺等通常被认为是导致期望结果的自我一致的步骤或指令序列。这些步骤是需要物理量的物理操纵的步骤。有时，尽管不是必须的，这些物理操纵可以采取能够在计算机系统或类似的电子计算装置中存储、传输、组合、比较和以其他方式操纵的电信号或磁信号的形式。出于方便的原因，并且参考通用用法，参考本发明将这些信号称为值、元素、符号、字符、术语、数字等。
然而，应该记住，所有这些术语都应被解释为参考物理操纵和量，并且仅仅是方便的标记，其将根据本领域常用的术语进一步解释。除非从本文的讨论中明确说明，否则应理解，在任何给定实施例的讨论中，利用术语进行讨论，诸如“确定”或“输出”或“发送”或“记录”或“定位”或“存储”或“显示”或“接收”或“识别”或“利用”或“生成”或“提供”或“访问”或“检查”或“通知”或“递送”等，有时可指操作和转换数据的计算机系统或类似电子计算设备的动作和过程。数据表示为计算机系统的寄存器和存储器内的物理(电子)量，并且被转换成类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理量的其他数据。
一般而言，各种实施例提供了用于以高度颗粒化的方式量化铸态钢产品中的内部缺陷(包括但不限于偏析)的自动且客观的系统和方法。在非常高的水平上，这通过首先定义曼内斯曼标度分级的参考曲线与产品表面的由内部缺陷占据的分数面积来实现。一旦定义了该曲线，就可以扫描和分析钢产品的表面以确定其分数内部缺陷面积，然后，可以根据所测量的分数内部缺陷面积落在曲线上的位置而在曼内斯曼标度上给产品分配相应的分级。
图5示出了根据本发明的各种实施例的用于定量测量铸态钢产品(诸如板坯、钢坯、初轧坯或梁坯)中的内部缺陷的系统500。系统500包括光学扫描仪510。光学扫描仪510可以是便携式扫描仪、平板扫描仪、非接触式扫描仪、相机等。系统500还可以包括与光学扫描仪510通信耦接的图像滤波器520，与图像滤波器520通信耦接的阈值引擎530，与阈值引擎530通信耦接的内部缺陷面积引擎540，与内部缺陷面积引擎540通信耦接的标准化器550，以及与标准化器550通信耦接的输出装置560。下面将参考系统500描述定量测量铸态钢产品中的内部缺陷的过程。
在分析特定的铸态钢产品之前，可能需要首先定义对这种钢产品进行分级所可以依据的连续标度。在各种实施例中，这可以涉及基于曼内斯曼标度的离散分级来定义连续函数。尽管可以将各种实施例描述为根据曼内斯曼标度或其等效参考曲线进行分级，但是应当理解，各种实施例可以适于根据本领域已知的其他分级标度进行分级。可以根据对曼内斯曼图表中提供的图像进行多步骤分析来定义基于曼内斯曼标度的连续函数。例如，来自图3中所示的曼内斯曼图表的图像可以提供至图像滤波器520以滤除来自相关图像的噪声。然后可以将图像提供给阈值引擎530，阈值引擎530将图像阈值化为二进制黑白图像，以便将内部缺陷与图像分离。图6示出了在过滤和阈值化之前(上)和之后(下)的用于图3的中心线偏析的曼内斯曼标度图像的一部分的示例。可以看出，在过滤和阈值化之后，内部缺陷-在这种情况下为偏析-已经基本上从原始图像中分离出来。在各种实施例中，可以以介于60％和70％之间的阈值水平对图像进行阈值化。在这些实施例的一些中，阈值水平可以是65％。
一旦曼内斯曼图表被过滤和阈值化，它们就可以被传递到内部缺陷面积引擎540。内部缺陷面积引擎540适于确定图像的由内部缺陷占据的分数(或百分比或比率)，诸如根据以下公式：
Figure BDA0002060572370000071
其中AD是内部缺陷面积，且AO是总面积。应当理解，对于特定类型的缺陷而言，缺陷通常存在于钢产品的某个面积中，因此通常不需要分析通常未发现这种内部缺陷的产品面积。此外，如果相对于预期会发现内部缺陷的面积分析太大的面积，则该分数的分母将如此之大以至于即使内部缺陷量的相对大的差异对于分数的总幅度的影响也只有很小的影响。因此，参照图6，在各种实施例中，分析和计算的“总面积”可以小于被分析表面的总面积。在一些实施例中，所分析的总面积可以是最有可能发现内部缺陷的面积。在一些实施例中(例如在中心线偏析的情况下)，总面积可包括距产品中心线约±0.425英寸的面积。在其他实施例中，总面积可以包括距产品中心线约±0.3英寸的面积。在其他实施例中，总面积可以包括距产品中心线约±0.25英寸的面积。在其他实施例中，总面积可以包括产品的假设等轴区域。在其他实施例中，在中间(径向)裂缝、中间(横向)裂缝、云形夹杂物和点状夹杂物的情况下，总面积可包括铸态产品的中心线与顶部或底部表面之间的区域；在窄侧裂纹和角部裂缝的情况下，总面积可包括铸态产品表面的三分点和边缘(例如，较短边缘)之间的区域。此外，应当理解，可以在图像过滤和/或阈值化之前或之后的任何时间确定待分析的总面积。一旦确定了曼内斯曼图表的内部缺陷面积分数，这些分数可用于定义内部缺陷面积分数与曼内斯曼标度的参考曲线(图8)。
图8示出了绘制所确定的用于中心线偏析的曼内斯曼图表的内部缺陷面积分数(FD)对那些分级(RM)(分级1-4)，以及基于那些绘图绘制的示例参考曲线的图。在所示的实施例中没有使用曼内斯曼标度的分级5，这是因为由于大多数钢厂的制造质量而且很少观察到具有该偏析水平的产品，并且还因为分级5是赋予以在中厚度区域具有连续裂纹的铸态产品。如图所示，该曲线具有0.94的相对较高的相关系数，并且大体遵循以下等式：
Figure BDA0002060572370000081
重新排列上述等式提供了以下等式，用于确定作为偏析面积分数的函数的曼内斯曼分级：
Figure BDA0002060572370000082
可以遵循类似的过程以确定其他类型的内部缺陷的参考曲线。例如，图10示出了用于纵向(径向)内部裂缝的在过滤和阈值化之前(左)和之后(右)的曼内斯曼标度图像的实例。基于对这些图像的分析，用于基于纵向(径向)内部裂缝的内部缺陷面积分数确定曼内斯曼分级的示例参考曲线可以如下公式化：
Figure BDA0002060572370000083
图11示出了用于横向(中间)内部裂缝的在过滤和阈值化之前(左)和之后(右)的曼内斯曼标度图像的实例。基于对这些图像的分析，用于基于横向(中间)内部裂缝的内部缺陷面积分数确定曼内斯曼分级的示例参考曲线可以如下公式化：
Figure BDA0002060572370000084
图12示出了用于窄侧内部裂缝的在过滤和阈值化之前(左)和之后(右)的曼内斯曼标度图像的实例。基于对这些图像的分析，基于窄边内部裂缝的内部缺陷面积分数用于确定曼内斯曼分级的示例参考曲线可以如下公式化：
Figure BDA0002060572370000091
图13显示了用于角部内部裂缝的在过滤和阈值化之前(左)和之后(右)的曼内斯曼标度图像的实例。基于对这些图像的分析，用于基于角部内部裂缝的内部缺陷面积分数确定曼内斯曼分级的示例参考曲线可以如下公式化：
Figure BDA0002060572370000092
图14示出了用于云形夹杂物的在过滤和阈值化之前(左)和之后(右)的曼内斯曼标度图像的实例。基于对这些图像的分析，用于基于云形夹杂物的内部缺陷面积分数确定曼内斯曼分级的示例参考曲线可以如下公式化：
Figure BDA0002060572370000093
图15示出了用于点状夹杂物的在过滤和阈值化之前(左)和之后(右)的曼内斯曼标度图像的实例。基于对这些图像的分析，用于基于点状夹杂物的内部缺陷面积分数确定曼内斯曼分级的示例参考曲线可以如下公式化：
Figure BDA0002060572370000094
应该理解，上面的等式3至9通常都采用
Figure BDA0002060572370000095
其中a和b是根据缺陷类型选择的常数。
已经建立了各种类型缺陷的参考曲线，可以更有效地分析铸态钢产品并对这些缺陷进行分级，诸如图2中所示的那些缺陷中的一种或多种。一旦从铸造机生产出铸态产品200，就可以准备产品200的表面250用于分析。这可能涉及例如用研磨机研磨表面250。还可以涉及例如在刻蚀缸中蚀刻表面250。在一些实施例中，蚀刻剂可包括盐酸蚀刻剂、过硫酸铵蚀刻剂等。应当理解，蚀刻应该以这样的方式进行以避免经蚀刻表面250上的污点，否则分析结果可能有偏差。类似地，产品200应加工为避免可能导致伪影的加工标记。
再次参考图5，一旦准备好进行分析，可以通过光学扫描仪扫描铸态产品200的表面250，以便产生其数字图像。如图7所示，在一些实施例中，可以从铸态产品200切割包含表面250的样品260，以便于处理和分析。样品260可包括来自产品200的具有不同尺寸的横向或纵向切口。为了进一步简化处理和分析，可以将样品260进一步切割成子样品270。
一旦将表面250扫描成数字图像(或者，在样品260被分成子样品270的情况下扫描成数字子图像)，则可以将图像提供给图像滤波器520以从其中滤除噪声。然后可以将图像提供给阈值引擎530，该阈值引擎530可以将图像阈值化为二进制黑白图像，以便将内部缺陷与图像分离-类似于曼内斯曼图表的图像被阈值化的方式，如图6所示。
一旦图像被过滤和阈值化，则可以将其传递到内部缺陷面积引擎540。内部缺陷面积引擎540再次适于确定图像的由内部缺陷所占据的分数(或百分比或比率)，例如等式1的分数。在多个子样品270被单独扫描的情况下，它们各自的内部缺陷面积分数可以表示为：
Figure BDA0002060572370000101
其中，ADi是子样品中内部缺陷的面积，且AOi是包含子样品中缺陷的区域的面积。
与曼内斯曼图表的分析一样，在各种实施例中，分析和计算的“总面积”可以小于被分析表面的总区域的面积。在一些实施例中，所分析的总面积可以是最有可能发现内部缺陷的面积。在一些实施例中，总面积可包括距产品中心线约±0.425英寸的面积。在其他实施例中，总面积可以包括距产品中心线约±0.3英寸的面积。在其他实施例中，总面积可以包括距产品中心线约±0.25英寸的面积。在其他实施例中，总面积可以包括产品的假设等轴区域。在其他实施例中，在中间(径向)裂缝、中间(横向)裂缝、云形夹杂物和点状夹杂物的情况下，总面积可包括铸态产品的中心线与顶部或底部表面之间的区域；在窄边裂缝和角部裂缝的情况下，总面积可包括铸态产品表面的三分点和边缘(例如较短边缘)之间的区域。
一旦确定了内部缺陷面积分数(或子分数)，就可以将该分数传递给标准化器550，其可以计算表面250内部缺陷的等效曼内斯曼分级。这可以例如通过将内部缺陷面积分数代入上述等式3至9中的对应于被分析的缺陷类型的一个适当等式来实现。在将产品200切割成多个子样品270的一些实施方式中，用于中心线偏析的平均内部缺陷面积分数(FDavg)可以如下公式化：
Figure BDA0002060572370000111
其中n是从产品200切割的子样品270的数量，ADi是子样品中的内部缺陷的面积，且AOi是包含子样品中的缺陷的区域的面积。在产品200被切割成多个子样品270的一些其他实施例中，总内部缺陷面积分数(FDtot)可以如下公式化：
Figure BDA0002060572370000112
然后可以通过将FDavg或FDtot的值代入等式3至9中的一个适当等式来确定等效曼内斯曼分级。可选择地，对应于子样品270中的每一个的子分数(FDi)可以被各自代入到等式3至9中的一个适当等式来获得相应的子分级(RMi)，然后可以对子分级进行平均。一旦确定了曼内斯曼等效分级，就可以将其传递给输出装置560，例如监测器、打印机、传输线(例如，用于与另一个人或装置通信)或存储装置(例如，用于存储在数据文件中)。FDavg值的范围可以处于1到4.9的范围并且FDtot值可以处于0到4的范围。
因此，各种实施例提供了用于以高度精细的方式量化铸态钢产品中的内部缺陷的自动化且客观的系统和流程。通过计算内部缺陷面积分数，然后将该分数拟合到代表已知离散分级系统的连续参考曲线，各种实施例能够从内部缺陷的量化中去除主观性-并因此消除高变化程度。例如，图9示出了由两个操作员使用本发明实施例的系统和过程进行的循环测试的结果。如图所示，除了非常有限的例外，两个操作员取得的结果高度一致，相关系数为0.96。两个操作员之间保留的变化可归因于每个操作员选择分析的产品表面部分(即，假设的等轴区域)的微小差异。如上所述，待分析面积的大小可以是标准化的和自动化的，这可以将相关系数驱动到或非常接近1。
使用用于评估内部缺陷的严重程度的所公开的分级系统中的一个或多个也提供了过程优化的潜力。例如，所评估的质量可用于优化各种生产参数，诸如软薄窗口、铸造速度等。此外，如果分析表明在产品的大致相同位置经常发生缺陷，那么可以相应地调整或修理铸造机的某些部件。产品的化学成分也可以进行优化，以确保产品具有良好的内部质量。
各种实施例的某些部分可以在计算系统环境中实现。图16示出了示例性计算系统环境20，诸如台式计算机、膝上型计算机、智能电话、平板电脑或具有执行诸如存储在非瞬态计算机可读介质中的指令的能力的任何其他此类装置。此外，虽然在单个计算系统20的背景下进行了描述和说明，但是本领域技术人员还将理解，下文描述的各种任务可以在具有经由局域或广域网络链接的多个计算系统20的分布式环境中实践，其中可执行指令可以与多个计算系统20中的一个或多个相关联和/或由多个计算系统20中的一个或多个执行。
在最基本的配置中，计算系统环境20通常包括至少一个处理单元22以及至少一个存储器24，其可以通过总线26链接。根据计算系统环境的精确配置和类型，存储器24可以是易失性的(例如RAM 30)，非易失性的(例如ROM 28，闪存等)或两者的某种组合。计算系统环境20可以具有附加特征和/或功能。例如，计算系统环境20还可以包括额外存储装置(可移除的和/或不可移除的)，包括但不限于磁盘或光盘、磁带驱动器和/或闪存驱动器。借助于例如硬盘驱动器接口32、磁盘驱动器接口34和/或光盘驱动器接口36，可以使这些额外存储器装置可访问计算系统环境20。如将理解的，这些将分别链接到系统总线26的装置允许读取和写入硬盘38，读取或写入可移除磁盘40，和/或读取或写入可移除光盘42，例如CD/DVDROM或其他光学介质。驱动器接口及其相关联的计算机可读介质允许对用于计算系统环境20的计算机可读指令、数据结构、程序模块和其他数据的非易失性存储。本领域技术人员将进一步理解可以存储数据的其他类型的计算机可读介质可以用于同一目的。这种介质装置的示例包括但不限于磁带盒、闪存卡、数字视频盘、伯努利盒式磁带、随机存取存储器、纳米驱动器、内存条、其他读/写和/或只读存储器和/或用于存储诸如计算机可读指令、数据结构、程序模块或其他数据之类的信息的任何其他方法或技术。任何这样的计算机存储介质可以是计算系统环境20的一部分。
许多程序模块可以存储在存储器/介质装置中的一个或多个中。例如，包含诸如在启动期间有助于在计算系统环境20内的元件之间传送信息的基本例程的基本输入/输出系统(BIOS)44可以存储在ROM 28中。类似地，RAM 30、硬盘驱动器38和/或外围存储器装置可用于存储包括操作系统46、一个或多个应用程序48、其他程序模块50和/或程序数据52的计算机可执行指令。此外，计算机可执行指令可以根据需要例如通过网络连接下载到计算装置的一个或多个中。
终端用户，例如，消费者可以通过诸如键盘54和/或指示装置56之类的输入装置将命令和信息输入到计算系统环境20中。此外，可以从诸如扫描仪55的其他外围输入装置接收信息，在各种实施例中，扫描仪55可以是光学扫描仪510。虽然未示出，但是其他输入装置可以包括麦克风、操纵杆、游戏手柄、扫描仪等。这些和其他输入装置通常通过外围接口58连接到处理单元22，该外围接口58反过来耦接至总线26。输入装置可以通过接口直接或间接地连接到处理器22，这些接口例如是并行端口、游戏端口、火线或通用串行总线(USB)。为了查看来自计算系统环境20的信息，监测器60或其他类型的显示装置也可以经由接口(例如经由视频适配器62)连接到总线26。除了监测器60之外，计算系统环境20还可以包括其他外围输出装置(未示出)，例如扬声器和打印机。
计算系统环境20还可以利用到一个或多个计算系统环境的逻辑连接。在这方面，应当理解，远程计算系统环境可以与计算系统环境20一样，是具有处理能力的任何类型装置。同样，应当理解，远程计算系统环境不需要实现为单个装置，而是可以以这样的方式实现使得由远程计算系统环境执行的任务被分发到通过通信网络链接的多个计算系统环境。
为了根据需要执行任务，远程计算系统环境可以包括上述相对于计算系统环境20描述的元件中的许多或全部。计算系统环境20和远程计算系统环境之间的通信可以通过负责网络路由的另一处理装置来交换，诸如网络路由器72。可以经由网络接口部件73来执行与网络路由器72的通信。因此，在这样的联网环境(例如，因特网、万维网、LAN或其他类似类型的有线或无线网络)内，将理解相对于计算系统环境20描述的程序模块或其部分可以存储在远程计算系统环境的一个或多个存储器存储装置中。
提供前面对所揭示实施例的描述是为了使所属领域的技术人员能够制作或使用本发明。对于本领域技术人员来说，对这些实施例的各种修改是显而易见的，并且在不脱离本发明的精神或范围的情况下，这里定义的一般原理可以应用于其他实施例。因此，本发明不限于这里所示的实施例，而是与符合本文公开的原理和新颖特征的最宽范围相一致。

Claims (61)

1.一种用于定量测量铸态钢产品中的内部缺陷的方法，包括：
用扫描装置光学扫描所述钢产品的表面的至少一部分以产生所述至少一部分的数字图像；
在阈值化引擎中对所述图像进行阈值化以分离所述图像中的内部缺陷；
分析阈值化图像以确定内部缺陷面积，其中所述内部缺陷面积包括所述阈值化图像的至少一部分中的由任何的所述内部缺陷所占据的面积；
确定所述阈值化图像的所述至少一部分的总面积；
计算所述内部缺陷面积相对于所述总面积的分数；以及
基于所述分数计算所述钢产品中的所述内部缺陷的等效曼内斯曼标度分级。
2.如权利要求1所述的方法，还包括：
在光学扫描所述表面的该部分之前蚀刻所述钢产品的所述表面。
3.如权利要求2所述的方法，其中，蚀刻所述钢产品的所述表面包括用盐酸蚀刻剂蚀刻所述表面。
4.如权利要求2所述的方法，其中，蚀刻所述钢产品的所述表面包括用过硫酸铵蚀刻剂蚀刻所述表面。
5.如权利要求2所述的方法，还包括：
在蚀刻所述表面之前研磨所述钢产品的所述表面。
6.如权利要求2所述的方法，还包括：
在蚀刻所述表面之前从所述钢产品中切割样品，所述样品包括所述表面。
7.如权利要求6所述的方法，其中，从所述钢产品切割所述样品包括从所述钢产品切割横截面。
8.如权利要求6所述的方法，其中，从所述钢产品切割所述样品包括从所述钢产品切割纵截面。
9.如权利要求6所述的方法，还包括：
将所述样品切割成多个子样品，所述子样品包括所述表面的子表面。
10.如权利要求9所述的方法，
其中，光学扫描所述钢产品的所述表面的至少一部分包括光学扫描所述子样品的所述子表面的至少一部分以产生多个对应数字子图像，
其中，在所述阈值化引擎中对所述图像进行阈值化以分离所述图像中的内部缺陷包括在所述阈值化引擎中对所述子图像进行阈值化以分离所述子图像中的内部缺陷，
其中，分析所述阈值化图像以确定所述内部缺陷面积包括分析阈值化子图像以确定对应内部缺陷子面积，其中所述内部缺陷子面积包括所述对应阈值化子图像的由所述内部缺陷所占据的至少一部分的面积，
其中，确定所述阈值化图像的所述至少一部分的总面积包括确定所述阈值化子图像的所述至少一部分的总子面积，
其中，计算所述内部缺陷面积相对于所述总面积的分数包括计算所述内部缺陷子面积相对于对应总子面积的子分数，以及
其中，基于所述分数计算等效曼内斯曼标度分级包括基于所述子分数中的每一个计算等效曼内斯曼标度子分级。
11.如权利要求10所述的方法，其中，所述等效曼内斯曼标度分级包括所述子分级的平均值。
12.如权利要求1所述的方法，其中，所述扫描装置包括便携式扫描仪。
13.如权利要求1所述的方法，其中，所述扫描装置包括平板扫描仪。
14.如权利要求1所述的方法，其中，所述扫描装置包括非接触式扫描仪。
15.如权利要求1所述的方法，其中，在所述阈值化引擎中对所述图像进行阈值化以分离所述图像内的内部缺陷包括以介于60％和70％之间的阈值水平对所述图像阈值化。
16.如权利要求1所述的方法，其中，在所述阈值化引擎中对所述图像进行阈值化以分离所述图像内的内部缺陷包括以65％的阈值水平对所述图像进行阈值化。
17.如权利要求1所述的方法，其中，所分析的所述阈值化图像的所述至少一部分对应于内部缺陷在与所述钢产品相同类型的其他钢产品中最常发现的区域。
18.如权利要求17所述的方法，其中，所分析的所述阈值化图像的所述至少一部分包括从所述钢产品的中心线延伸约0.425英寸的区域。
19.如权利要求17所述的方法，其中，所分析的所述阈值化图像的所述至少一部分包括从所述钢产品的中心线延伸约0.3英寸的区域。
20.如权利要求17所述的方法，其中，所分析的所述阈值化图像的所述至少一部分包括从所述钢产品的中心线延伸约0.25英寸的区域。
21.如权利要求1所述的方法，其中，所分析的所述阈值化图像的所述至少一部分对应于所述表面的等轴区域。
22.如权利要求1所述的方法，其中，所分析的所述阈值化图像的所述至少一部分对应于所述产品的中心线和所述表面的边缘之间的区域。
23.如权利要求1所述的方法，其中，所分析的所述阈值化图像的所述至少一部分对应于所述表面的三分点与所述表面的边缘之间的区域。
24.如权利要求1所述的方法，其中，基于所述分数计算等效曼内斯曼标度分级包括：
确定所述分数落在表示曼内斯曼标度分级对内部缺陷面积分数之间关系的曲线上的位置。
25.如权利要求24所述的方法，其中，所述曲线由以下等式表示：
Figure FDA0003054002630000031
其中RM是所述等效曼内斯曼标度分级，“a”和“b”是基于所述内部缺陷类型的常数，AD是所述内部缺陷面积，且AO是所述总面积。
26.如权利要求1所述的方法，其中，所述铸态钢产品包括板坯。
27.如权利要求1所述的方法，其中，所述铸态钢产品包括钢坯。
28.如权利要求1所述的方法，其中，所述铸态钢产品包括初轧坯。
29.如权利要求1所述的方法，其中，所述铸态产品包括梁坯。
30.如权利要求1所述的方法，还包括：
在对所述图像进行阈值化之前过滤所述图像。
31.一种用于定量测量铸态钢产品中的内部缺陷的系统，包括：
光学扫描仪，其适于扫描所述钢产品的表面的至少一部分以产生所述至少一部分的数字图像；
阈值引擎，其与所述光学扫描仪通信耦接并适于对所述图像进行阈值化以分离所述图像内的内部缺陷；
内部缺陷面积引擎，其与所述阈值引擎通信耦接并适于：
从所述阈值引擎接收阈值化图像；
分析所述阈值化图像以确定内部缺陷面积，其中所述内部缺陷面积包括所述阈值化图像的至少一部分中的由任何的所述内部缺陷所占据的面积；
确定所述阈值化图像的所述至少一部分的总面积；以及
计算所述内部缺陷面积相对于所述总面积的分数；以及
标准化器，其与所述内部缺陷面积引擎通信耦接并适于：
从所述内部缺陷面积引擎接收所述内部缺陷面积相对于所述总面积的所述分数；以及
基于所述分数计算所述钢产品中的所述内部缺陷的等效曼内斯曼标度分级。
32.如权利要求31所述的系统，还包括：
刻蚀缸，其包括用于蚀刻所述钢产品的所述表面的蚀刻剂。
33.如权利要求32所述的系统，其中，所述蚀刻剂包括盐酸蚀刻剂。
34.如权利要求32所述的系统，其中，所述蚀刻剂包括过硫酸铵蚀刻剂。
35.如权利要求32所述的系统，还包括：
研磨机，其用于在蚀刻所述表面之前研磨所述钢产品的所述表面。
36.如权利要求32所述的系统，其中，所述表面位于在所述表面被蚀刻之前从所述钢产品切割的样品上。
37.如权利要求32所述的系统，其中，所述样品包括从所述钢产品切割的横截面。
38.如权利要求32所述的系统，其中，所述样品包括从所述钢产品切割的纵截面。
39.如权利要求32所述的系统，其中，所述样品被切割成多个子样品，所述子样品包括所述表面的子表面。
40.如权利要求39所述的系统，
其中，所述光学扫描仪通过光学扫描所述子样品的所述子表面的至少一部分来扫描所述钢产品的所述表面的至少一部分以产生多个对应数字子图像，
其中，所述阈值引擎通过对所述子图像进行阈值化以分离所述子图像内的内部缺陷而对所述图像进行阈值化以分离所述图像内的内部缺陷，
其中，所述内部缺陷面积引擎通过分析阈值化子图像以确定对应内部缺陷子面积来分析阈值化图像以确定所述内部缺陷面积，其中所述内部缺陷子面积包括对应的所述阈值化子图像的由所述内部缺陷所占据的至少一部分的面积，
其中，所述内部缺陷面积引擎通过确定所述阈值化子图像的所述至少一部分的总子面积来确定所述阈值化图像的所述至少一部分的总面积，
其中，所述内部缺陷面积引擎通过计算所述内部缺陷子面积对于对应的所述总子面积的子分数来计算所述内部缺陷面积对于所述总面积的分数，以及
其中，所述标准化器通过基于所述子分数中的每个来计算等效曼内斯曼标度子分级而基于所述分数计算等效曼内斯曼标度分级。
41.如权利要求40所述的系统，其中，所述等效曼内斯曼标度分级包括所述子分级的平均值。
42.如权利要求31所述的系统，其中，所述光学扫描仪包括便携式扫描仪。
43.如权利要求31所述的系统，其中，所述光学扫描仪包括平板扫描仪。
44.如权利要求31所述的系统，其中，所述光学扫描仪包括非接触式扫描仪。
45.如权利要求31所述的系统，其中，所述阈值引擎适于以介于60％和70％之间的阈值水平对所述图像进行阈值化。
46.如权利要求31所述的系统，其中，所述阈值引擎适于以65％的阈值水平对所述图像进行阈值化。
47.如权利要求31所述的系统，其中，所分析的所述阈值化图像的所述至少一部分对应于内部缺陷在与所述钢产品相同类型的其他钢产品中最常发现的区域。
48.如权利要求47所述的系统，其中，所分析的所述阈值化图像的所述至少一部分包括从所述钢产品的中心线延伸约0.425英寸的区域。
49.如权利要求47所述的系统，其中，所分析的所述阈值化图像的所述至少一部分包括从所述钢产品的中心线延伸约0.3英寸的区域。
50.如权利要求47所述的系统，其中，所分析的所述阈值化图像的所述至少一部分包括从所述钢产品的中心线延伸约0.25英寸的区域。
51.如权利要求31所述的系统，其中，所分析的所述阈值化图像的所述至少一部分对应于所述表面的等轴区域。
52.如权利要求31所述的系统，其中，所分析的所述阈值化图像的所述至少一部分对应于所述铸态产品的中心线与顶部或底部表面之间的区域的面积。
53.如权利要求31所述的系统，其中，所分析的所述阈值化图像的所述至少一部分对应于所述表面的三分点与边缘之间的区域的面积。
54.如权利要求31所述的系统，其中，所述标准化器适于基于所述分数通过确定所述分数落在表示曼内斯曼标度与内部缺陷面积分数之间的关系的曲线上的位置来计算所述等效曼内斯曼标度分级。
55.如权利要求54所述的系统，其中所述曲线由以下等式表示：
Figure FDA0003054002630000061
其中RM是所述等效曼内斯曼标度分级，“a”和“b”是基于内部缺陷类型的常数，AD是所述内部缺陷面积，且AO是所述总面积。
56.如权利要求31所述的系统，其中，所述铸态钢产品包括板坯。
57.如权利要求31所述的系统，其中，所述铸态钢产品包括钢坯。
58.如权利要求31所述的系统，其中，所述铸态钢产品包括初轧坯。
59.如权利要求31所述的系统，其中，所述铸态钢产品包括梁坯。
60.如权利要求31所述的系统，还包括：
图像滤波器，其与所述光学扫描仪和所述阈值引擎通信耦接并适于在所述阈值引擎对所述图像进行阈值化之前对所述图像进行滤波。
61.一种用于定量测量铸态钢产品中的内部缺陷的方法，包括：
用选自由盐酸蚀刻剂和过硫酸铵蚀刻剂构成的组中的蚀刻剂蚀刻所述钢产品的表面；
用扫描装置光学扫描所述钢产品的表面的至少一部分以产生该至少一部分的数字图像；
在阈值引擎中对所述图像进行阈值化以分离所述图像中的内部缺陷；
分析阈值化图像以确定内部缺陷面积，其中所述内部缺陷面积包括在所述表面的预定义区域内的、由任何的所述内部缺陷所占据的面积；
计算所述预定义区域的面积；
计算所述内部缺陷面积相对于所述预定义区域的所述面积的分数；以及
确定所计算的分数落在表示曼内斯曼标度与内部缺陷面积分数之间关系的曲线上的位置；以及
基于所述分数落在所述曲线上的位置计算所述钢产品中的所述内部缺陷的等效曼内斯曼标度分级。
CN201780070797.4A 2016-09-22 2017-09-21 用于定量测量铸态钢产品中的内部缺陷的方法及系统 Active CN109983324B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/273,206 2016-09-22
US15/273,206 US10031087B2 (en) 2016-09-22 2016-09-22 Methods and systems for the quantitative measurement of internal defects in as-cast steel products
PCT/US2017/052791 WO2018057789A1 (en) 2016-09-22 2017-09-21 Methods and systems for the quantitative measurement of internal defects in as-cast steel products

Publications (2)

Publication Number Publication Date
CN109983324A CN109983324A (zh) 2019-07-05
CN109983324B true CN109983324B (zh) 2021-08-31

Family

ID=61620259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780070797.4A Active CN109983324B (zh) 2016-09-22 2017-09-21 用于定量测量铸态钢产品中的内部缺陷的方法及系统

Country Status (7)

Country Link
US (3) US10031087B2 (zh)
EP (2) EP3516376B1 (zh)
JP (2) JP6757549B2 (zh)
KR (2) KR102359105B1 (zh)
CN (1) CN109983324B (zh)
CA (1) CA3037922C (zh)
WO (1) WO2018057789A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10031087B2 (en) * 2016-09-22 2018-07-24 SSAB Enterprises, LLC Methods and systems for the quantitative measurement of internal defects in as-cast steel products
US11010887B2 (en) * 2018-09-17 2021-05-18 General Electric Company Automated distress ranking system
CN110070543B (zh) * 2019-05-28 2021-06-15 北京科技大学 基于数字化图像处理的全自动连铸坯中心偏析的评级系统
CN110503641A (zh) * 2019-08-22 2019-11-26 联峰钢铁（张家港）有限公司 一种改善连铸坯表面裂纹的方法和装置
CN111808367B (zh) * 2020-07-09 2023-05-30 浙江七色鹿色母粒有限公司 塑料ppr银纹翻白缺陷的改进方法
CN112669307A (zh) * 2021-01-06 2021-04-16 大冶特殊钢有限公司 基于机器视觉的低倍酸蚀缺陷自动识别与评级的方法及系统
CN113222941B (zh) * 2021-05-17 2022-11-11 中冶赛迪信息技术(重庆)有限公司 连铸铸坯的切割状态确定方法、系统、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5340994A (en) * 1991-11-29 1994-08-23 Yozan, Inc. Method for inspecting the length of a flexible thin object having binarizing and thinning steps
CN1106572C (zh) * 1999-12-28 2003-04-23 宝山钢铁股份有限公司 铸坯断面质量的自动评价方法
US7826642B2 (en) * 2002-06-24 2010-11-02 Shenkar College Of Engineering And Design Electro-optical method and apparatus for evaluating protrusions of fibers from a fabric surface
CN104837007A (zh) * 2014-02-11 2015-08-12 阿里巴巴集团控股有限公司 一种数字图像质量分级的方法和装置
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

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS55117903A (en) * 1979-03-06 1980-09-10 Sumitomo Metal Ind Ltd Check unit of steel billet surface
US4331872A (en) 1979-06-29 1982-05-25 Nippon Steel Corporation Method for measurement of distribution of inclusions in a slab by electron beam irradiation
US4519041A (en) * 1982-05-03 1985-05-21 Honeywell Inc. Real time automated inspection
DE3236416A1 (de) * 1982-10-01 1984-04-05 Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt Verfahren zur qualitaetsbeurteilung von stahloberflaechen
EP0186512B1 (en) 1984-12-28 1990-08-08 Nippon Steel Corporation Method for controlling solidification segregation of steel
JPS6347642A (ja) 1986-08-14 1988-02-29 Kawasaki Steel Corp 表面探傷における欠陥種類弁別方法
DE3736389A1 (de) 1987-07-22 1989-02-02 Mannesmann Ag Verfahren zur herstellung von proben fuer die reinheitsgradbestimmung von metallen
US5083867A (en) 1988-11-28 1992-01-28 Allegheny Ludlum Corporation Slab surface contour monitor
JPH05240805A (ja) * 1992-02-27 1993-09-21 Kawasaki Steel Corp 表面欠陥検査装置
US5537206A (en) 1993-11-02 1996-07-16 Nkk Corporation Method for analyzing steel and apparatus therefor
US5509460A (en) 1994-08-25 1996-04-23 Massachusetts Institute Of Technology Solid/liquid interface detection in continuous casting processes by γ-
EP0909598A4 (en) * 1996-05-13 1999-07-14 Ebis Corp METHOD AND DEVICE FOR CONTINUOUS CASTING
JPH11248641A (ja) * 1998-03-03 1999-09-17 Sumitomo Metal Ind Ltd 表面欠陥検査装置及び表面欠陥検査方法
US6625515B2 (en) 2000-12-21 2003-09-23 Dofasco Inc. Roll defect management process
PT1524047E (pt) 2003-10-16 2007-05-31 Concast Ag Processo e dispositivo para a leitura automática de produtos semi-acabados
JP4113149B2 (ja) * 2004-03-25 2008-07-09 日本冶金工業株式会社 鋼板のスラブ段階での最大非金属介在物の大きさを特定する方法
JP5085013B2 (ja) 2005-05-10 2012-11-28 山陽特殊製鋼株式会社 鋼の信頼性評価方法
FR2887028B1 (fr) * 2005-06-14 2007-12-21 Vai Sias Soc Par Actions Simpl Procede et dispositif optiques de detection de defauts de surface et de structure d'un produit long en defilememnt
EP1972930B1 (de) 2007-03-19 2019-11-13 Concast Ag Verfahren zur Erkennung von Oberflächenmerkmalen metallurgischer Erzeugnisse, insbesondere Strangguss- und Walzerzeugnisse, sowie eine Einrichtung zur Durchführung des Verfahrens
JP5104247B2 (ja) * 2007-08-20 2012-12-19 Ｊｆｅスチール株式会社 連続鋳造鋳片の製造方法
JP5396824B2 (ja) 2008-11-13 2014-01-22 Ｊｆｅスチール株式会社 スラブ表面欠陥検出方法およびスラブ表面欠陥検出装置
KR101045393B1 (ko) * 2009-05-28 2011-07-01 (주) 애인테크놀로지 철강공정 내부 크랙 및 중심편석 판정 방법
CN102470431B (zh) 2009-07-27 2014-09-10 现代制铁株式会社 评价连铸板坯中心偏析的方法
JP2011098382A (ja) 2009-11-06 2011-05-19 Sumitomo Electric Ind Ltd 連続鋳造材の表面検査方法
KR101159939B1 (ko) * 2010-01-28 2012-06-25 현대제철 주식회사 연속주조 슬라브의 중심편석 평가방법
CN101819150A (zh) 2010-04-21 2010-09-01 天津钢铁集团有限公司 一种连铸坯成分偏析的分析方法
CN101949851A (zh) 2010-08-16 2011-01-19 河北钢铁股份有限公司邯郸分公司 一种利用直读光谱仪快速检验铸坯偏析的方法
JP5957378B2 (ja) * 2012-12-28 2016-07-27 株式会社日立ハイテクノロジーズ 欠陥観察方法および欠陥観察装置
CN104101600B (zh) * 2013-04-15 2017-10-31 宝山钢铁股份有限公司 连铸坯断面微小裂纹检测方法
DE102013109915B4 (de) 2013-09-10 2015-04-02 Thyssenkrupp Steel Europe Ag Verfahren und Vorrichtung zur Überprüfung eines Inspektionssystems zur Erkennung von Oberflächendefekten
TWI525317B (zh) * 2013-10-08 2016-03-11 國立清華大學 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法
CN104197858B (zh) 2014-09-10 2017-05-03 重庆大学 一种定量描述品种钢连铸坯凝固组织形貌特征的方法
CN105606619B (zh) * 2016-01-19 2020-01-03 北京鼎新时代科技有限公司 一种铸坯修磨机的检测及优化修磨方法
US10031087B2 (en) 2016-09-22 2018-07-24 SSAB Enterprises, LLC Methods and systems for the quantitative measurement of internal defects in as-cast steel products

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5340994A (en) * 1991-11-29 1994-08-23 Yozan, Inc. Method for inspecting the length of a flexible thin object having binarizing and thinning steps
CN1106572C (zh) * 1999-12-28 2003-04-23 宝山钢铁股份有限公司 铸坯断面质量的自动评价方法
US7826642B2 (en) * 2002-06-24 2010-11-02 Shenkar College Of Engineering And Design Electro-optical method and apparatus for evaluating protrusions of fibers from a fabric surface
CN104837007A (zh) * 2014-02-11 2015-08-12 阿里巴巴集团控股有限公司 一种数字图像质量分级的方法和装置
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
automatic measurement of centreline segregation in continuously cast line pipe steel slabs;Lihong Su, et al.;<Energy Materials>;20141231;第575-581页 *

Also Published As

Publication number Publication date
CA3037922A1 (en) 2018-03-29
KR102359105B1 (ko) 2022-02-08
KR20190057076A (ko) 2019-05-27
US20210109033A1 (en) 2021-04-15
US10031087B2 (en) 2018-07-24
WO2018057789A1 (en) 2018-03-29
JP6967129B2 (ja) 2021-11-17
EP3516376A4 (en) 2020-05-27
EP3516376A1 (en) 2019-07-31
JP2021004883A (ja) 2021-01-14
CA3037922C (en) 2022-07-19
KR102182325B1 (ko) 2020-11-24
US10782244B2 (en) 2020-09-22
US20180328856A1 (en) 2018-11-15
EP4332890A3 (en) 2024-06-12
JP6757549B2 (ja) 2020-09-23
CN109983324A (zh) 2019-07-05
EP4332890A2 (en) 2024-03-06
KR20200133015A (ko) 2020-11-25
US11635389B2 (en) 2023-04-25
US20180080881A1 (en) 2018-03-22
JP2019530882A (ja) 2019-10-24
EP3516376B1 (en) 2024-02-28

Similar Documents

Publication Publication Date Title
CN109983324B (zh) 用于定量测量铸态钢产品中的内部缺陷的方法及系统
Shafeek et al. Assessment of welding defects for gas pipeline radiographs using computer vision
Wilczek et al. Porosity characterization of aluminium castings by using particular non-destructive techniques
CN116228771B (zh) 基于视觉分析矿物材料机床铸件检测方法
KR101045393B1 (ko) 철강공정 내부 크랙 및 중심편석 판정 방법
De Santis et al. Quantitative shape evaluation of graphite particles in ductile iron
CN114998253B (zh) 一种对于连铸坯内部裂纹评级的方法及系统
JP2010085096A (ja) 表面検査装置
CN114998254B (zh) 一种连铸坯中心偏析自动评级的方法及系统
CN102735597B (zh) 一种橡胶混炼过程评价方法
CN109584224B (zh) 一种用于对铸件的x射线图像进行分析和显示的方法
Buck et al. Rapid inclusion and defect detection system for large steel volumes
CN114841971A (zh) 金属块凹坑缺陷检测方法、系统及装置
CN110110429B (zh) 一种钢坯氧化烧损率测定与计算方法
CN113129259A (zh) 铸坯致密度检测方法、系统及电子设备
Quinn et al. Image-analysis techniques for investigation localized corrosion processes
KR101271795B1 (ko) 주편 하면 검사 시스템 및 검사 방법
JP5943402B1 (ja) 鋳造欠陥を定量化するための測定装置、方法、コンピュータプログラムおよびコンピュータ読み取り可能な記録媒体
KR102314635B1 (ko) 연속주조 슬라브의 중심편석 평가방법
JP2007083300A (ja) 材質記録装置
VALEK et al. The Quality Results of Slabs at Segregation Area
Xu et al. Quantitative evaluation of die casting surface defect severity by analyzing surface height
JP4874319B2 (ja) コイル製品の最適製造方法および最適製造装置
Sena et al. HD SCAN–ULTRASOUND SCANS SLAB QUALITY
Gusarova et al. HD scan: Detect and grade also the so far hidden cast defects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant