CN111368833B - 一种基于机器视觉的板坯号检测全自动装钢方法 - Google Patents
一种基于机器视觉的板坯号检测全自动装钢方法 Download PDFInfo
- Publication number
- CN111368833B CN111368833B CN202010149620.7A CN202010149620A CN111368833B CN 111368833 B CN111368833 B CN 111368833B CN 202010149620 A CN202010149620 A CN 202010149620A CN 111368833 B CN111368833 B CN 111368833B
- Authority
- CN
- China
- Prior art keywords
- plate blank
- slab
- slab number
- character
- furnace
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种基于机器视觉的板坯号检测全自动装钢方法,包括:采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片;采用机器视觉技术对有效板坯号图片进行识别,获取板坯号;根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据;对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度;综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理。本发明可以实现炉前自动核对、装钢,能够有效加快炉前装钢节奏,提高整个产线的生产效率。
Description
技术领域
本发明涉及冶金机械及自动化、轧制技术领域,特别涉及一种基于机器视觉的板坯号检测全自动装钢方法。
背景技术
随着数字化、智能化向制造业的不断深入,冶金行业也迎来了改革的契机。其中加热炉系统的智能化是实现整个产线智能化的前提和基础。但是,目前加热炉恰恰是整条产线自动化水平最为薄弱的环节,一是由于加热炉上下游交互的环节较多,工序存在灵活多变的特点;二是由于加热炉的物料有多个去向,系统很难自动跟踪所有的异常;三是板坯加热本身就是很复杂的过程,难以用精准的模型进行描述,大多采用人工经验进行烧钢。综上所述,加热炉环节自动化水平的改善和提高将大大提高整条产线的生产节奏和定位。
在加热炉生产工艺流程中,装炉环节是影响节奏的“瓶颈”,一般均手动操作,加之核对环节人工常常出错,导致实际板坯和PDI(Primary Data Input,原始数据输入)数据无法对应,随后在出炉时向轧线下发的数据也出现异常,影响轧制模型的设定。当换规格生产时,问题尤为突出,轻则产品被判废,重则对机械设备产生损伤,造成生产事故。因此,严把装炉关卡,是解决上述问题的有效办法,增加板坯数据核对精准性的同时也加快了装钢节奏,提高了产量。
本发明基于此提出了基于机器视觉的板坯号检测全自动装钢策略,结束了炉前多道人工控制环节、板坯管理混乱的历史;解决了炉前核对、定位、装钢等动作均由人工操作,造成生产效率低、劳动强度大且容易产生混钢等现象,严重影响生产节奏和后期产品质量判定等问题;实现了从连铸到装炉的物料全自动跟踪和控制,摆脱多年影响生产节奏的“瓶颈”。
发明内容
本发明的目的在于提供一种基于机器视觉的板坯号检测全自动装钢方法,具体指对待装炉板坯进行板坯号的机器视觉识别,将其与MES计划、连铸数据库对接,确定准确的PDI数据,实现炉前的自动核对、装钢,加快装钢节奏,提高生产效率。
为解决上述技术问题,本发明的实施例提供如下方案:
一种基于机器视觉的板坯号检测全自动装钢方法,包括以下步骤:
采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片;
采用机器视觉技术对有效板坯号图片进行识别,获取板坯号;
根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据;
对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度;
综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理。
优选地,所述采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片的步骤包括:
调节图片采集速度,使其与板坯的行进速度相匹配;
对行进中板坯的四周表面进行扫描,获取位置动态变化的板坯号图片;
对获取的板坯号图片进行预处理,过滤无效板坯号图片,得到有效板坯号图片。
优选地,所述采用机器视觉技术对有效板坯号图片进行识别,获取板坯号的步骤包括:
对有效板坯号图片中的板坯号区域进行定位;
对板坯号区域进行滤波和字符分割;
对分割的单个字符进行识别,确认每个字符,组合得到板坯号。
优选地,所述对有效板坯号图片中的板坯号区域进行定位的步骤包括:
对采集到的有效板坯号图片进行大范围相关搜索,找到符合板坯号特征的若干区域作为候选区;
对所述侯选区进行分析和判断,选定一个最佳的候选区作为板坯号区域,并将其分割出来。
优选地,所述对板坯号区域进行滤波和字符分割的步骤包括:
根据预设的字符识别模板对板坯号区域进行滤波;
利用垂直投影法对板坯号区域进行字符分割。
优选地,所述对分割的单个字符进行识别的步骤包括:
基于模板匹配算法,将分割后的单个字符二值化,并将其尺寸缩放为字符库中模板的大小,然后与所有的模板进行匹配,选取最佳匹配作为结果。
优选地,所述对分割的单个字符进行识别的步骤包括:
基于人工神经元网络的算法:对待识别字符进行特征提取,利用所获得特征来训练神经元网络分配器;或者,直接把待识别字符输入神经元网络,由神经元网络自动实现特征提取直至识别出结果。
优选地,所述根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据的步骤包括:
建立数据库链路实现与MES数据库和连铸数据库的通信;
根据识别的板坯号,在MES数据库和连铸数据库中搜索板坯原始PDI数据;
若无法定位到唯一的原始PDI数据,则将识别的板坯号发布至HMI,由操作人员进行甄别。
优选地,所述对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度的步骤包括:
对板坯进行炉前各参数实测,包括长度、宽度、厚度、重量及板坯号;
将各实测参数与原始PDI数据进行比对,结合参数判定的规则库,给出各实测参数的可信度,包括合格、不合格、待定;
对于待定的情况,提示操作人员进行判断。
优选地,所述综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理的步骤包括:
综合板坯各实测参数的可信度,结合预定的装炉规则,自动分配装炉炉号和列号;所述装炉规则包括:交替、单炉、不交替、单排、双排;
若符合规则,下发板坯自动放行的信号,进行自动定位及后续的装钢;
若不符合规则,在HMI上给出报警提示,并标识出问题环节。
本发明的上述方案至少包括以下有益效果:
上述方案中,通过采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片;采用机器视觉技术对有效板坯号图片进行识别,获取精准的板坯号;根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据;对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度;综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理。本发明可以实现炉前自动核对、装钢,能够有效加快炉前装钢节奏,提高整个产线的生产效率。
附图说明
图1是本发明实施例提供的基于机器视觉的板坯号检测全自动装钢方法的流程图;
图2是发明实施例中板坯号检测装置的示意图;
图3是本发明实施例中板坯号识别流程示意图;
图4是本发明实施例中的板坯参数核对示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明的实施例提供了一种基于机器视觉的板坯号检测全自动装钢方法,如图1所示,该方法包括以下步骤:
采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片;
采用机器视觉技术对有效板坯号图片进行识别,获取板坯号;
根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据;
对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度;
综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理。
本发明通过对待装炉板坯进行板坯号的机器视觉识别,将其与MES计划、连铸数据库对接,确定准确的PDI数据,实现炉前的自动核对、装钢,能够有效加快炉前装钢节奏,提高整个产线的生产效率。
进一步地,所述采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片的步骤包括:
调节图片采集速度,使其与板坯的行进速度相匹配;
对行进中板坯的四周表面进行扫描,获取位置动态变化的板坯号图片;
对获取的板坯号图片进行预处理,过滤无效板坯号图片,得到有效板坯号图片。
在装炉前,通常对板坯的尺寸及重量进行测量,板坯号检测装置安装在上述测量装置前后,目的是采集完整的板坯数据,便于炉前进行核对。目前所有的装置均能完成动态采集数据,因此不能因板坯号扫描而停止或放慢板坯行进速度,影响装钢节奏。为了使板坯号检测装置与板坯行进速度达到平衡,即获取的板坯号图片数量足以支撑后续的处理和自学习分析,又使板坯的速度尽可能地适合生产节奏的需要,必须对装置捕获图片的速度与板坯的速度进行匹配,同时需要明确板坯号检测的开始和结束信号,这样能够过滤无效图片,也能发挥板坯号检测装置的最高效率。
图2是板坯号检测装置的一种示意图,当板坯号在侧面时,板坯号检测装置安装于板坯两侧。有的现场板坯号在板坯表面或端部,需要从辊道的操作或传动侧安装支架,使板坯号检测装置高于辊道一定高度才能获取更好的捕捉视野。
进一步地,所述采用机器视觉技术对有效板坯号图片进行识别,获取板坯号的步骤包括:
对有效板坯号图片中的板坯号区域进行定位;
对板坯号区域进行滤波和字符分割;
对分割的单个字符进行识别,确认每个字符,最终得到板坯号。
板坯号识别过程中,除正确使用字符库中固有信息外,同步使用模糊识别及语法自动修正功能,提高识别精度。
具体地,所述对有效板坯号图片中的板坯号区域进行定位的步骤包括:
对采集到的有效板坯号图片进行大范围相关搜索,找到符合板坯号特征的若干区域作为候选区;
对所述侯选区进行分析和判断,选定一个最佳的候选区作为板坯号区域,并将其分割出来。
自然环境下,板坯图像背景复杂、光照不均匀,如何在自然背景中准确地确定板坯号是整个识别过程的关键。首先对采集到的有效板坯号图片进行大范围相关搜索,找到符合板坯号特征的若干区域作为候选区,然后对这些侯选区做进一步分析、评判,最后选定一个最佳的区域作为坯号区域,并将其从图片中分割出来。
具体地,所述对板坯号区域进行滤波和字符分割的步骤包括:
根据预设的字符识别模板对板坯号区域进行滤波;
利用垂直投影法对板坯号区域进行字符分割。
完成板坯号区域的定位后,再将板坯号区域分割成单个字符,然后进行识别。字符分割一般采用垂直投影法,由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近,并且这个位置应满足板坯号的字符书写格式、字符尺寸限制和一些其他条件,利用垂直投影法对复杂环境下的板坯号图片中的字符分割有较好的效果。
具体地,所述对分割的单个字符进行识别的步骤包括:
基于模板匹配算法,将分割后的单个字符二值化,并将其尺寸缩放为字符库中模板的大小,然后与所有的模板进行匹配,选取最佳匹配作为结果。
或者,基于人工神经元网络的算法:一种是对待识别字符进行特征提取,利用所获得特征来训练神经元网络分配器;另一种是直接把待识别字符输入神经元网络,由神经元网络自动实现特征提取直至识别出结果。
一般来说,板坯号的编码具有一定的规则,因此在识别过程中,对板坯号的每一个字符识别结果应用专家模糊机理,排除那些不符合规律的识别结果,可以大幅提高字符识别率。冷坯和热坯均能识别,需要设置不同的参数,经过一段时间的神经网络训练学习,才能达到100%识别率。
整套系统根据多次识别结果,经过汇总和综合后,得出当前板坯的板坯号字符。在字符库特征对比过程中,需要根据每个应用现场定制规则,因为每个厂的板坯号制定原则不同,由此字符库的数据标准也不同。
图3是本发明实施例中板坯号识别流程示意图,图3中板坯号设于板坯侧面。板坯来料检测通过安装在辊道两边的检测器输出检测信号给识别系统的信号输入输出模块启动设备工作。系统同时发出指令信号给信号同步器输出给摄像机触发信号,摄像机抓拍图片后传送至视频检测模块,然后由计算机处理。系统对图片信息进行定位、字符分割、字符识别等一系列处理后输出头部板坯号识别信息。无论板坯的头尾通过检测器时,均重复上一工作循环,每块板坯识别两次,如该板坯没有板坯号信息,则系统显示错误信息并进行声、光报警,待现场做出判断处理后,继续下一识别循环。
进一步地,所述根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据的步骤包括:
建立数据库链路实现与MES数据库和连铸数据库的通信;
根据识别的板坯号,在MES数据库和连铸数据库中搜索板坯原始PDI数据;
若无法定位到唯一的原始PDI数据,则将识别的板坯号发布至HMI(Human MachineInterface,人机界面),由操作人员进行甄别。
一般现场装炉前都会有MES下发的计划,但有些产线由于流程及部门协调等问题,难于在装炉前下发板坯的PDI数据,若无法匹配PDI数据,则炉前板坯号识别也失去了意义。为确保识别的板坯号有源可循,系统增加了与连铸数据库的对接,这样增强了板坯号匹配库的集合,扩大了搜索的范围。
MES计划与连铸产品库的数据存储载体和结构不尽相同,因此必须在建立链接的基础上对其结构进行解析。一般而言,两者均以数据库对数据进行存储和管理,系统通过建立数据库链路的方式实现双方接口表的通信,但需要明确识别的板坯号在两个库中并不是独立的存在。若系统根据既定的规则,定位不到唯一的记录,则将数据发布至HMI,由操作人员进行甄别。此外,仍需要完成识别板坯号与MES计划的匹配,因为板坯号与操作人员所关注的计划中的板坯号可能会不同,进入产线更多地会使用计划编制的板坯号,在此需要完成识别板坯号与计划板坯号的匹配。
进一步地,所述对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度的步骤包括:
对板坯进行炉前各参数实测,包括长度、宽度、厚度、重量及板坯号;
将各实测参数与原始PDI数据进行比对,结合参数判定的规则库,给出各实测参数的可信度,包括合格、不合格、待定;
对于待定的情况,提示操作人员进行判断。
由于各实测参数的采集都需要一定的延时,因此需要根据仪表的延时时间来确定板坯的行进速度,确保板坯经过测量区域,各参数的实测值结果均上传。依据各参数的判定规则库,结合PDI数据,给出实测参数的可信度。
此部分涉及多个设备之间信号的传递,因此需要确保数据采集的实时性和准确性。一般采用检测仪表与加热炉系统基础自动化级通讯,以保证数据的传输速度,再由其向上级系统传递。对于实测数据,有的仪表自带滤波功能,会将处理后的有效数据进行上传,对于这部分数据不需要经过单独处理,只需要将其与行进中的板坯位置对应即可。而有的仪表不带处理系统,无法对检测数据进行甄别,需要上级系统对其进行滤波处理,否则无法获取有效数据,影响板坯的核对。
各生产线产品不同,因此板坯参数判定的规则库也有所不同,并且需要根据最终产品质量的判定进行优化。因此各参数判定的规则库也需要进行自学习,若不具备自动优化条件,则需要根据生产实际进行人工维护。因此,参数判定规则库提供了对外的人工接口。
图4是本发明实施例中的板坯参数核对示意图。如图4所示,识别的板坯号自动从计划列表中匹配了相应的PDI数据,并依据实测数据、PDI数据结合规则库,给出各参数的可信度(合格/不合格/待定)。某参数不合格,系统直接给出报警,并将信号下发基础自动化控制系统;某参数待定,则需要提示操作人员进行判断;若所有参数都合格,表示核对无异议。
进一步地,所述综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理的步骤包括:
综合板坯各实测参数的可信度,结合预定的装炉规则,自动分配装炉炉号和列号;所述装炉规则包括:交替、单炉、不交替、单排、双排;
若符合规则,下发板坯自动放行的信号,进行自动定位及后续的装钢;
若不符合规则,在HMI上给出报警提示,并标识出问题环节。
对于核对不合格的板坯,系统下发指令锁定辊道,停止向前运送板坯。通常,这种情况需要进行板坯炉前吊销,即该原料不合格,无法装炉,将其吊出辊道进入板坯库,进行后续处理。这种策略从源头杜绝了不合格原料进入产线,造成最终产品质量的不合格,浪费能源。
对于核对待定的板坯,系统仍然下发指令锁定辊道,停止向前运送板坯,等待人工确认。不同产线、不同品规要求不同,因此对这种待定板坯采取的措施也有所不同,待定的板坯一定是某些参数未严格达到合格范围,但偏差不大,或者不合格的参数最多1~2个。对于高品质产品要求的产线,待定的板坯也不能进入生产,确保最终的优质产品。若是对质量要求比较低的规格,则此类板坯可以进行强制核对,系统对核对的类别进行记录,便于今后追朔。
通过本发明所述方法,某产线提升了加热炉自动模式下的辊道运行速度,从手动时的0.4m/s,提升到自动运输时的0.6m/s,在此基础上提高了减速定位时的辊道速度。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于机器视觉的板坯号检测全自动装钢方法,其特征在于,包括以下步骤:
采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片;
采用机器视觉技术对有效板坯号图片进行识别,获取板坯号;
根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据;
对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度;
综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理;
其中,所述根据识别的板坯号,与MES数据库和连铸数据库进行匹配,获取板坯原始PDI数据的步骤包括:
建立数据库链路实现与MES数据库和连铸数据库的通信;
根据识别的板坯号,在MES数据库和连铸数据库中搜索板坯原始PDI数据;
若无法定位到唯一的原始PDI数据,则将识别的板坯号发布至HMI,由操作人员进行甄别;
其中,所述对板坯进行炉前各参数实测,与原始PDI数据进行比对,判断各实测参数的可信度的步骤包括:
对板坯进行炉前各参数实测,包括长度、宽度、厚度、重量及板坯号;
将各实测参数与原始PDI数据进行比对,结合参数判定的规则库,给出各实测参数的可信度,包括合格、不合格、待定;
对于待定的情况,提示操作人员进行判断;
其中,所述综合板坯各实测参数的可信度,结合预定的装炉规则,进行自动放行或报警处理的步骤包括:
综合板坯各实测参数的可信度,结合预定的装炉规则,自动分配装炉炉号和列号;所述装炉规则包括:交替、单炉、不交替、单排、双排;
若符合规则,下发板坯自动放行的信号,进行自动定位及后续的装钢;
若不符合规则,在HMI上给出报警提示,并标识出问题环节。
2.根据权利要求1所述的板坯号检测全自动装钢方法,其特征在于,所述采集行进中板坯在不同位置的板坯号图片,并进行预处理,得到有效板坯号图片的步骤包括:
调节图片采集速度,使其与板坯的行进速度相匹配;
对行进中板坯的四周表面进行扫描,获取位置动态变化的板坯号图片;
对获取的板坯号图片进行预处理,过滤无效板坯号图片,得到有效板坯号图片。
3.根据权利要求1所述的板坯号检测全自动装钢方法,其特征在于,所述采用机器视觉技术对有效板坯号图片进行识别,获取板坯号的步骤包括:
对有效板坯号图片中的板坯号区域进行定位;
对板坯号区域进行滤波和字符分割;
对分割的单个字符进行识别,确认每个字符,组合得到板坯号。
4.根据权利要求3所述的板坯号检测全自动装钢方法,其特征在于,所述对有效板坯号图片中的板坯号区域进行定位的步骤包括:
对采集到的有效板坯号图片进行大范围相关搜索,找到符合板坯号特征的若干区域作为候选区;
对所述候 选区进行分析和判断,选定一个最佳的候选区作为板坯号区域,并将其分割出来。
5.根据权利要求4所述的板坯号检测全自动装钢方法,其特征在于,所述对板坯号区域进行滤波和字符分割的步骤包括:
根据预设的字符识别模板对板坯号区域进行滤波;
利用垂直投影法对板坯号区域进行字符分割。
6.根据权利要求5所述的板坯号检测全自动装钢方法,其特征在于,所述对分割的单个字符进行识别的步骤包括:
基于模板匹配算法,将分割后的单个字符二值化,并将其尺寸缩放为字符库中模板的大小,然后与所有的模板进行匹配,选取最佳匹配作为结果。
7.根据权利要求5所述的板坯号检测全自动装钢方法,其特征在于,所述对分割的单个字符进行识别的步骤包括:
基于人工神经元网络的算法:对待识别字符进行特征提取,利用所获得特征来训练神经元网络分配器;或者,直接把待识别字符输入神经元网络,由神经元网络自动实现特征提取直至识别出结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149620.7A CN111368833B (zh) | 2020-03-06 | 2020-03-06 | 一种基于机器视觉的板坯号检测全自动装钢方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149620.7A CN111368833B (zh) | 2020-03-06 | 2020-03-06 | 一种基于机器视觉的板坯号检测全自动装钢方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368833A CN111368833A (zh) | 2020-07-03 |
CN111368833B true CN111368833B (zh) | 2021-06-04 |
Family
ID=71206965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010149620.7A Active CN111368833B (zh) | 2020-03-06 | 2020-03-06 | 一种基于机器视觉的板坯号检测全自动装钢方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368833B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114381596B (zh) * | 2022-01-19 | 2024-01-30 | 策立科技(厦门)有限公司 | 位置检测与定位装置、方法及其系统和系统的定位方法 |
CN114807587A (zh) * | 2022-06-08 | 2022-07-29 | 重庆钢铁股份有限公司 | 一种板坯自动装钢控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104250685A (zh) * | 2013-06-25 | 2014-12-31 | 宝山钢铁股份有限公司 | 一种基于板坯实测宽度的间距装炉控制方法 |
CN105671302A (zh) * | 2016-02-16 | 2016-06-15 | 山东钢铁股份有限公司 | 一种加热炉板坯自动定位方法及系统 |
CN109976280A (zh) * | 2019-04-11 | 2019-07-05 | 北京科技大学设计研究院有限公司 | 一种精确预报热轧板坯剩余在炉时间的方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663360B (zh) * | 2012-03-30 | 2013-10-23 | 中南大学 | 一种钢铁板坯编码自动识别方法以及钢铁板坯跟踪系统 |
CN103194575B (zh) * | 2013-04-03 | 2014-07-02 | 马钢(集团)控股有限公司 | 热轧加热炉出钢、装钢过程钢坯防倾翻装置及其控制方法 |
CN104034172B (zh) * | 2014-06-12 | 2015-12-30 | 攀钢集团西昌钢钒有限公司 | 自动向加热炉中连续装钢的方法 |
CN106540970B (zh) * | 2015-09-17 | 2018-04-24 | 鞍钢股份有限公司 | 一种热轧中间坯长度自动监控及色差报警方法 |
CN107798444B (zh) * | 2016-08-31 | 2021-04-27 | 鞍钢股份有限公司 | 一种热轧带钢mes系统并行调试数据采集方法 |
CN108107849A (zh) * | 2016-11-25 | 2018-06-01 | 李晓兵 | 一种宽带钢热连轧生产线自动控制系统 |
JP6780533B2 (ja) * | 2017-02-17 | 2020-11-04 | 日本製鉄株式会社 | 形状測定システム及び形状測定方法 |
JP2018187343A (ja) * | 2017-05-08 | 2018-11-29 | オレゴン ヘルス アンド サイエンス ユニバーシティ | 光コヒーレントトモグラフィ血管造影におけるバルク運動除去 |
CN109365547B (zh) * | 2018-10-09 | 2020-06-23 | 鞍钢股份有限公司 | 一种在线测量板坯宽度的方法 |
CN109543689A (zh) * | 2018-11-21 | 2019-03-29 | 北京同创信通科技有限公司 | 一种线上移动板坯标识智能识别系统及方法 |
-
2020
- 2020-03-06 CN CN202010149620.7A patent/CN111368833B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104250685A (zh) * | 2013-06-25 | 2014-12-31 | 宝山钢铁股份有限公司 | 一种基于板坯实测宽度的间距装炉控制方法 |
CN105671302A (zh) * | 2016-02-16 | 2016-06-15 | 山东钢铁股份有限公司 | 一种加热炉板坯自动定位方法及系统 |
CN109976280A (zh) * | 2019-04-11 | 2019-07-05 | 北京科技大学设计研究院有限公司 | 一种精确预报热轧板坯剩余在炉时间的方法 |
Non-Patent Citations (3)
Title |
---|
End-to-end recognition of slab identification numbers using a deep convolutional neural network;Sang JunLee 等;《Knowledge-Based Systems》;20170915;第132卷(第15期);第1-10页 * |
大数据过程质量控制系统在钢铁生产中的应用;白瑞国等;《北方钒钛》;20190315(第1期);第1-5页 * |
板坯连铸控制系统的设计与研究;周林;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20200115(第1期);第B023-196页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111368833A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368833B (zh) | 一种基于机器视觉的板坯号检测全自动装钢方法 | |
CN110490842B (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
CN104914111A (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 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN102157024A (zh) | 一种大张检查机机检数据在线二次检测核查的系统及方法 | |
CN206981462U (zh) | 基于三维视觉的冲压件表面缺陷检测装置 | |
CN108549317A (zh) | 连铸机铸坯定位控制系统和方法 | |
CN110044183B (zh) | 一种基于机器视觉的脱方检测自动上料方法 | |
CN112784938B (zh) | 一种面向工业大数据的工序批量产出智能计数方法 | |
CN117557570B (zh) | 一种轨道车辆异常检测方法及系统 | |
CN102999451A (zh) | 钢材计数系统及方法 | |
CN102236925A (zh) | 大张检查机机检数据离线二次检测核查的系统及方法 | |
CN104942027B (zh) | 一种利用计算机二级数据处理系统检测钢板板型的方法 | |
CN100434902C (zh) | 回转窑烧结熟料质量的计算机检测方法及检测装置 | |
CN109101001B (zh) | 一种复合探头价值链数据采集及监控方法 | |
CN114895634A (zh) | 一种基于机器视觉的产品生产线自动控制系统 | |
CN109916182A (zh) | 一种板坯加热炉自动装钢系统及自动装钢方法 | |
CN116542502B (zh) | 基于卷积神经网络的建筑物施工周期优化系统及方法 | |
CN109993741B (zh) | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 | |
CN115625317A (zh) | 一种用于压铸调控的表面水纹优化处理方法及系统 | |
CN103042822B (zh) | 印刷品双识码动态数字管控系统及方法 | |
TW202326114A (zh) | 長碼拉鏈的缺陷或瑕疵檢測系統 | |
CN114037752A (zh) | 一种基于多模型信息匹配的冷床区钢板跟踪方法 | |
CN210604354U (zh) | 一种布料图案和字符在线采集装置 | |
CN112033335A (zh) | 一种铁路轨距尺智能化监测预警系统及方法 |
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 |