CN110070543B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110070543B CN110070543B CN201910452925.2A CN201910452925A CN110070543B CN 110070543 B CN110070543 B CN 110070543B CN 201910452925 A CN201910452925 A CN 201910452925A CN 110070543 B CN110070543 B CN 110070543B
- Authority
- CN
- China
- Prior art keywords
- segregation
- center segregation
- rating
- continuity
- length
- 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.)
- Expired - Fee Related
Links
- 238000005204 segregation Methods 0.000 title claims abstract description 111
- 238000009749 continuous casting Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000005498 polishing Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 229910000831 Steel Inorganic materials 0.000 claims description 28
- 239000010959 steel Substances 0.000 claims description 28
- 239000002253 acid Substances 0.000 claims description 13
- 238000005266 casting Methods 0.000 claims description 11
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000002436 steel type Substances 0.000 claims 2
- 230000004323 axial length Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005530 etching Methods 0.000 description 5
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 4
- 238000000227 grinding Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23F—NON-MECHANICAL REMOVAL OF METALLIC MATERIAL FROM SURFACE; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL; MULTI-STEP PROCESSES FOR SURFACE TREATMENT OF METALLIC MATERIAL INVOLVING AT LEAST ONE PROCESS PROVIDED FOR IN CLASS C23 AND AT LEAST ONE PROCESS COVERED BY SUBCLASS C21D OR C22F OR CLASS C25
- C23F1/00—Etching metallic material by chemical means
- C23F1/10—Etching compositions
- C23F1/14—Aqueous compositions
- C23F1/16—Acidic compositions
- C23F1/28—Acidic compositions for etching iron group metals
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Continuous Casting (AREA)
Abstract
本发明公开了一种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，所述方法首先对准备分析的连铸坯宽度的四分之一位置进行打磨，并对相应截面进行腐蚀，对腐蚀后截面中心偏析最为严重处进行采样，将采样图像进行二值化处理，以区分偏析部分和周围基体，然后统计偏析点个数，每个偏析点等效长轴长、面积和外接矩形的长宽等数据，按照长度方向为x方向，将各个偏析点的等效长轴长投影到x方向，计算中心偏析的连续度，以连续度作为中心偏析评级的评定标准进行评级或者按照以偏析点的尺寸按照Rapp的标准进行评级。本发明最大程度上减小了人为评级过程中的不确定性因素所导致的误差，实现了对中心偏析的客观，自动评级。
Description
技术领域
本发明属于钢铁连铸坯中心偏析测量及评价领域，涉及一种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。
技术背景
偏析是钢铁材料连铸坯常见的一种缺陷，通常认为与强度及韧性性能有着比较密切的联系。对连铸坯中心偏析的表征方法通常为将所观测连铸坯区域进行打磨，用冷酸或者热酸进行浸蚀，目测并与标准图样比对并进行评级。国际比较权威的标准图样为Mannesmann图谱[1]，在文献[1].Mannesmann SMS Demag AG,“Classification ofdefects in materials-Standard charts and sample guide,”(Report,Mannesmann SMSDemag AG,2009)中具体记载了相应的评级方法。这种评级方法不仅存在较大的人为判断因素，而且图谱展示的图片，采样区域大小不一，没有标示标尺，图片亮度差异大，如图1所示，令人在实际操作中感到困惑。
而且铸坯中心偏析对成品钢板的性能影响很大，在文献[2]陈训浩.中心偏析原因、危害、评定及预防(上)[J].冶金标准化与质量,1998(04):11-16.中指出，中心偏析会造成钢板分层、断口不合格使钢材报废，还会增加裂纹和疏松的敏感性，降低钢材的韧性，使得钢材各种性能波动较大等危害。如果能够快速准确进行铸坯中心偏析的评定，在评级较差时就可以反馈到连铸工艺，改进连铸工艺或者进行柔性化生产，评级差的铸坯生产对性能要求低的钢材，评级好的铸坯生产对性能要求高的钢材，既提高了企业生产效率又提高了效益。所以中心偏析的自动化评定系统至关重要。
发明内容：
本发明摒弃了传统方法中专家通过肉眼比对图谱所带来的认为误差，并且利用数字化图像处理方式得出连铸坯中心偏析的连续度，并依据连续度进行客观准确的评级。
本发明所述方法通过对连铸坯的中心偏析部分进行定量化统计，自动提取所述中心偏析的相关特征量，对所述中心偏析进行自动评级；
进一步地，所述连铸坯的钢种为非管线钢时，所述评级方法通过中心偏析的相关特征量来计算中心偏析的连续度，按照评级等级与连续度的对应关系进行自动评级，所述中心偏析的相关特征量为每个偏析点的等效长轴长；
进一步地，按照长度方向为x方向，将各个偏析点的等效长轴长投影到x方向，计算投影段占总长度100mm的比例作为中心偏析的连续度；
进一步地，所述连铸坯的钢种为管线钢时，所述评级方法以中心偏析的相关特征量，按照Rapp的标准进行自动评级，所述中心偏析的相关特征量包括偏析点的个数、每个偏析点的偏析面积以及外接矩形的长宽；
进一步地，所述评级方法具体包括：
S1：选取连铸坯宽度的四分之一位置进行打磨；
S2：打磨之后进行热酸腐蚀；
S3：在腐蚀结束后，选取中心偏析严重的部分进行多次采样拍照；
S4：对S3中采样的图像进行处理，具体包括降噪、滤波和二值化处理；
S5：对S4中二值图中的黑色部分的长轴长、面积和外界矩形的长宽进行统计；
S6：依据提取的特征量对不同的钢种进行中心偏析自动评级；
S7：将中心偏析的特征量和评级结果进行数值化并输入数据库，通过数据对比以对连铸工艺参数进行优化；
进一步地，所述S6依据提取的特征量对中心偏析进行评级具体为：将二值化处理后的图片中偏析部分和周围基体区分，统计图片中偏析部分偏析点的个数，每个偏析点的等效长轴长、面积和外接矩形的长宽数据，按照长度方向为x方向，将各个偏析点的等效长轴长投影到x方向，计算投影段占总长度100mm的比例作为中心偏析的连续度；
进一步地，所述以连续度作为中心偏析评级的评定标准进行评级的方法具体为：以不同Mannesmann等级中心偏析的连铸坯作为实验数据，按照S1-S5的方法进行处理和数据统计，获得不同Mannesmann等级所对应的中心偏析连续度；
进一步地，所述中心偏析连续度与Mannesmann等级对应关系如下：
连续度0-0.05，含有0.05，对应Mannesmann等级为一级；
连续度0.05-0.15，含有0.15，对应Mannesmann等级为二级；
连续度0.15-0.35，含有0.35，对应Mannesmann等级为三级；
连续度0.35-0.75，含有0.75，对应Mannesmann等级为四级；
连续度0.75以上，对应Mannesmann等级为五级；
进一步地，所述S3中采样拍照具体为：以铸坯宽度方向为x方向，厚度方向为y方向，每次采样长度在x方向上长度为100mm，y方向长度至少50mm，且包含中心偏析在内，采样所用设备为照相机或者工业显微镜，采样所用设备固定在光源相对稳定的区域，并且在采样过程中不移动采样工具或者样品；
进一步地，所述S4中所述的二值图中，黑色代表偏析，白色代表基体；
进一步地，所述S1具体为：对连铸坯取样时选取两侧的四分之一位置在整个厚度方向进行取样，所述取样长度为250mm；
本发明的有益效果如下：
1)、获取中心偏析的图像后，之后的所有步骤全部自动化，最大程度上减小了人为评级过程中的不确定性因素所导致的误差，实现了对中心偏析的客观，自动评级；
2)、中心偏析的特征量、连续度和评级结果可数值化输入数据库，可以通过数据对比以便对连铸工艺参数进行改进等优点。
附图说明
图1为本发明背景技术中所述Mannesmann标准图谱中的偏析4级和5级，图中4级为A，五级为B；
图2为本发明具体实施方式中所述A图、B图、C图和D图的Mannesmann评级图谱中的图像；
图3为本发明具体实施方式中试样检测面照片；
图4为本发明所述方法中应用到的评级系统软件界面；
图5为本发明所述方法中应用到的评级系统软件读入图像并处理界面；
图6为本发明所述方法中应用到的评级系统软件进行数据提取界面；
图7为本发明所述方法中二值化处理结果图。
具体实施方式
下面结合实施实例对本发明进行详细描述。
本发明摒弃了传统方法中专家通过肉眼比对图谱所带来的认为误差，并且利用数字化图像处理方式得出连铸坯中心偏析的连续度，并依据连续度进行客观准确的评级。
本发明所述方法采用打磨，腐蚀，采集，图像处理技术中心偏析进行定量化统计，并对中心偏析进行评级以联系连铸工艺参数，改进连铸工艺参数，是一套完整的软硬件结合的方法。
所述方法具体如下：对连铸坯取样后进行磨制并进行热酸腐蚀，随后对100mm宽度，包含中心偏析在内的厚度方向至少50mm的表面拍照，形成如图3所示的照片。
利用数字图像处理技术的方法显示中心偏析范围，具体方法为系统将照片静噪、滤波后自动选取合理阈值进行二值化处理，黑色代表偏析，白色代表基体，如图7所示。
利用系统对二值图中的偏析进行统计，包括偏析点个数，每个偏析点的长轴长，外接矩形的长宽。将图像的长度方向定为横坐标X，将每个偏析点的长轴长在X轴上进行投影，投影的和与图像的长度100mm的比值为中心偏析的连续度。基于统计和计算出的数据对中心偏析进行评级，并与该铸坯的制造工艺参数相联系，用以改进铸坯的制造工艺参数。
当进行中心偏析评级的钢种为管线钢时，由于管线钢对于偏析的颗粒物大小、颗粒的个数较为关注，因此必须采用Rapp的标准，通过偏析点个数，每个偏析点外接矩形的长宽和面积，进行自动评级。
当进行中心偏析评级的钢种为非管线钢时，由于除了管线钢以外的其他钢种，对于偏析的颗粒物大小不关注，因此采用通过连续度进行评级更加符合实际情况，具体通过每个偏析点的长轴长对应连续度，按照连续度与Mannesmann评级的对应关系进行自动评级。
本发明的目的是通过下述技术方案实现的。
一种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，该方法的实现需要通过以下工艺过程和步骤：
a取样：
选取待检测铸坯截面宽度方向左右四分之一处，取长度250mm,厚度为全厚度的两块样品。
b试样磨光：
试样加工时，必须去除由切割造成的变形和热影响区，确保检验面不受其影响。检验面距切割面的尺寸为：不小于15mm。首先使用刨床或铣床把检验面刨(或铣)平，然后，用磨床磨光，检验面的粗糙度为：Ra≤1.6μm。
c热酸腐蚀:
酸液成分：盐酸(50％)
温度：80℃
腐蚀时间：30分钟
使用热酸腐蚀，全部工序时间约为30分钟。需将钢样的加工面向下浸泡在酸液中即可，30分钟后，取出样品，在凉水中清洗，吹干即可。
c检测面拍照：
光线采用固定光源，工业相机保持镜头中心与试样检测中心对齐，镜头平面与试样检测面平行，对焦，拍照。
d二值化处理及评级：
用自编软件对低倍照片进行图像降噪、滤波、二值化处理，提取特征量并进行评级。
实施例1
我国自1997年8月4日发布YB/T 4003—1997《连铸钢板坯低倍组织缺陷评级图》的标准以来，国内冶金行业都参照此标准对连铸板坯中心偏析进行评级。
但是该评级图谱中图片质量较差，无法进行特征量提取，所以采用了在国际同行中较为认可的曼内斯曼评级图谱作为研究对象，曼内斯曼评级图谱中关于铸坯中心偏析评级分为5个级别，级别越高代表质量越差。图2是从曼内斯曼评级图谱中提取出来的4张图片，将过本系统处理并评级结果见表1。此实例中没有class 1是因为该级别偏析程度较轻，图片中几乎提取不出特征量，故实例中没有。
表1Mannesmann等级与系统评级结果
评定结果与Mannesmann标准在C图和D图有差异，通过观察，可以发现C图中心偏析实际上比D图严重一些，所以本系统对中心偏析的评定与实际更加吻合。
实施例2
a取样：选取待检测铸坯截面宽度方向左右四分之一处，取长度250mm,厚度为全厚度的两块样品。
b试样磨光：试样加工时，必须去除由切割造成的变形和热影响区，确保检验面不受其影响。检验面距切割面的尺寸为：不小于15mm。首先使用刨床或铣床把检验面刨(或铣)平，然后，用磨床磨光，检验面的粗糙度为：Ra≤1.6μm。
c热酸腐蚀:
酸液成分：盐酸(50％)
温度：80℃
腐蚀时间：30分钟
使用热酸腐蚀，全部工序时间约为30分钟。需将钢样的加工面向下浸泡在酸液中即可，30分钟后，取出样品，在凉水中清洗，吹干即可。
c检测面拍照：
光线采用固定光源，工业相机保持镜头中心与试样检测中心对齐，镜头平面与试样检测面平行，对焦，拍照，并截取100mm×50mm检测面照片，如图3所示。
d二值化处理及评级：
使用自编软件对低倍照片进行图像降噪、滤波、二值化处理。软件界面如图4所示。依次点击读入图像并处理——数据提取——结果输出三个按钮，即可对图像进行处理，形成二值图，提取偏析特征值，并进行评级，最后对二值图，提取的特征值数据和评级结果进行保存。点击读入图像并处理按钮的界面如图5所示。点击数据提取按钮的界面如图6所示。最后保存的二值图片如图7所示。提取的偏析点的特征量，如表2所示。评级结果如表3所示。
表2统计量
表3
Claims (7)
1.一种基于数字化图像处理的全自动连铸坯中心偏析的评级方法，其特征在于，所述方法通过对连铸坯的中心偏析部分进行定量化统计，自动提取所述中心偏析的相关特征量，对所述中心偏析进行自动评级，所述连铸坯的钢种为非管线钢时，所述评级方法通过中心偏析的相关特征量来计算中心偏析的连续度，按照评级等级与连续度的对应关系进行自动评级，所述中心偏析的相关特征量为每个偏析点的等效长轴长，所述连铸坯的钢种为管线钢时，所述评级方法以中心偏析的相关特征量，按照Rapp的标准进行自动评级，所述中心偏析的相关特征量包括偏析点的个数、每个偏析点的偏析面积以及外接矩形的长宽，按照长度方向为x方向，将各个偏析点的等效长轴长投影到x方向，计算投影段占总长度100mm的比例作为中心偏析的连续度。
2.根据权利要求1所述的评级方法，其特征在于，所述评级方法具体包括：
S1：选取连铸坯宽度的四分之一位置进行打磨；
S2：打磨之后进行热酸腐蚀；
S3：在腐蚀结束后，选取中心偏析严重的部分进行多次采样拍照；
S4：对S3中采样的图像进行处理，具体包括降噪、滤波和二值化处理；
S5：对S4中二值图中的黑色部分的长轴长、面积和外界矩形的长宽进行统计；
S6：依据提取的特征量对不同的钢种进行中心偏析自动评级；
S7：将中心偏析的特征量和评级结果进行数值化并输入数据库，通过数据对比以对连铸工艺参数进行优化。
3.根据权利要求2所述的评级方法，其特征在于，所述S6依据提取的特征量对中心偏析进行评级具体为：将二值化处理后的图片中偏析部分和周围基体区分，统计图片中偏析部分偏析点的个数，每个偏析点的等效长轴长、面积和外接矩形的长宽数据。
4.根据权利要求2所述的评级方法，其特征在于，以连续度作为中心偏析评级的评定标准进行评级的方法具体为：以不同Mannesmann等级中心偏析的连铸坯作为实验数据，按照S1-S5的方法进行处理和数据统计，获得不同Mannesmann等级所对应的中心偏析连续度。
5.根据权利要求4所述的评级方法，其特征在于，所述中心偏析连续度与Mannesmann等级对应关系如下：
连续度0-0.05，含有0.05，对应Mannesmann等级为一级；
连续度0.05-0.15，含有0.15，对应Mannesmann等级为二级；
连续度0.15-0.35，含有0.35，对应Mannesmann等级为三级；
连续度0.35-0.75，含有0.75，对应Mannesmann等级为四级；
连续度0.75以上，对应Mannesmann等级为五级。
6.根据权利要求2所述的评级方法，其特征在于，所述S3中采样拍照具体为：以铸坯宽度方向为x方向，厚度方向为y方向，每次采样长度在x方向上长度为100mm，y方向长度至少50mm，且包含中心偏析在内，采样所用设备为照相机或者工业显微镜，采样所用设备固定在光源相对稳定的区域，并且在采样过程中不移动采样工具或者样品。
7.根据权利要求2所述的评级方法，其特征在于，所述S4中所述的二值图中，黑色代表偏析，白色代表基体，所述S1具体为：对连铸坯取样时选取两侧的四分之一位置在整个厚度方向进行取样，取样长度为250mm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910452925.2A CN110070543B (zh) | 2019-05-28 | 2019-05-28 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910452925.2A CN110070543B (zh) | 2019-05-28 | 2019-05-28 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110070543A CN110070543A (zh) | 2019-07-30 |
| CN110070543B true CN110070543B (zh) | 2021-06-15 |
Family
ID=67371747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910452925.2A Expired - Fee Related CN110070543B (zh) | 2019-05-28 | 2019-05-28 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110070543B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| KR20110088072A (ko) * | 2010-01-28 | 2011-08-03 | 현대제철 주식회사 | 연속주조 슬라브의 중심편석 평가방법 |
| CN108856668A (zh) * | 2018-07-19 | 2018-11-23 | 首钢集团有限公司 | 一种连铸坯中心偏析的控制方法 |
| CN109191459A (zh) * | 2018-09-30 | 2019-01-11 | 东北大学 | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 |
Family Cites Families (4)
| 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 |
| CN107498015A (zh) * | 2017-08-08 | 2017-12-22 | 唐山不锈钢有限责任公司 | 一种预报板坯连铸中心偏析的方法 |
| CN107677677B (zh) * | 2017-09-19 | 2020-03-03 | 北京科技大学 | 一种连铸坯偏析程度定量化表征方法 |
| CN109712141A (zh) * | 2019-01-07 | 2019-05-03 | 重庆赛宝工业技术研究院 | 连铸钢方坯中心偏析缺陷检验量化评级方法 |
-
2019
- 2019-05-28 CN CN201910452925.2A patent/CN110070543B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110088072A (ko) * | 2010-01-28 | 2011-08-03 | 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 |
| CN108856668A (zh) * | 2018-07-19 | 2018-11-23 | 首钢集团有限公司 | 一种连铸坯中心偏析的控制方法 |
| CN109191459A (zh) * | 2018-09-30 | 2019-01-11 | 东北大学 | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 |
Non-Patent Citations (3)
| Title |
|---|
| Automatic Measurement of Centreline Segregation in Continuously Cast Line Pipe Steel Slabs;Lihong Su et al;《Energy Materials 2014》;20141130;第575-581页 * |
| Requirements of the MAOP Rule and its Implications to Pipe Procurement;Steve Rapp;《INGAA Foundation Best Practices in Pipe Procurement and Manufacturing》;20100609;正文第9页 * |
| X70M管线钢板坯中心偏析控制与分析;邢新;《金属世界》;20170331;第34-41页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110070543A (zh) | 2019-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sharifzadeh et al. | Detection of steel defect using the image processing algorithms | |
| CN113325001A (zh) | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 | |
| CN117252864B (zh) | 基于标识解析的钢铁生产器件光滑度检测系统 | |
| CN111860176B (zh) | 一种非金属夹杂全视场定量统计分布表征方法 | |
| CN117274252B (zh) | 基于标识解析的钢铁产品表面瑕疵检测系统 | |
| WO2020130786A1 (en) | A method of analyzing visual inspection image of a substrate for corrosion determination | |
| CN113781458A (zh) | 一种基于人工智能的识别方法 | |
| CN114998254B (zh) | 一种连铸坯中心偏析自动评级的方法及系统 | |
| CN113222937A (zh) | 一种核燃料芯块外观周面缺陷的检测方法及检测装置 | |
| CN114998253B (zh) | 一种对于连铸坯内部裂纹评级的方法及系统 | |
| CN110070543B (zh) | 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 | |
| CN107677677B (zh) | 一种连铸坯偏析程度定量化表征方法 | |
| CN114565314A (zh) | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 | |
| CN110189301B (zh) | 一种发电机定子铁心钢片叠装平台的异物检测方法 | |
| CN114841971A (zh) | 金属块凹坑缺陷检测方法、系统及装置 | |
| CN117333480B (zh) | 一种铸材表面瑕疵边缘视觉检测方法、系统、装置及介质 | |
| CN117451727B (zh) | 一种喷嘴加工过程的质量控制方法 | |
| JPS6385432A (ja) | 線状欠陥の検査方法 | |
| CN118154548B (zh) | 用于轴承加工的缺陷自动识别方法及系统 | |
| CN117495846B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
| CN118429219B (zh) | 一种注塑模具表面缺陷视觉检测方法 | |
| CN117132828B (zh) | 一种铜管加工过程固体废料的自动分类方法及系统 | |
| CN118898602A (zh) | 一种注塑模架精加工质量缺陷检测分析系统及方法 | |
| CN118587185A (zh) | 用于实验室的金属3d打印夹具校验方法及系统 | |
| CN118762021A (zh) | 一种基于机器视觉的塑料制品表面缺陷检测方法及系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210615 |