CN113102713A - 一种基于机器视觉的连铸出坯方法及系统 - Google Patents
一种基于机器视觉的连铸出坯方法及系统 Download PDFInfo
- Publication number
- CN113102713A CN113102713A CN202110394273.9A CN202110394273A CN113102713A CN 113102713 A CN113102713 A CN 113102713A CN 202110394273 A CN202110394273 A CN 202110394273A CN 113102713 A CN113102713 A CN 113102713A
- Authority
- CN
- China
- Prior art keywords
- steel
- billet
- pusher
- sending
- continuous casting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000009749 continuous casting Methods 0.000 title claims abstract description 49
- 238000007599 discharging Methods 0.000 title claims abstract description 9
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 178
- 239000010959 steel Substances 0.000 claims abstract description 178
- 238000001816 cooling Methods 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims description 24
- 238000005520 cutting process Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 21
- 238000005452 bending Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005266 casting Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
- B22D11/20—Controlling or regulating processes or operations for removing cast stock
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
- G05B19/4147—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by using a programmable interface controller [PIC]
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Continuous Casting (AREA)
Abstract
本发明公开了一种基于机器视觉的连铸出坯方法及系统,实时获取钢坯位置和连铸拉速,确定钢坯信息;根据钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取冷床上每个垛位上的已有钢坯数量,计算冷床上每个垛位的缺少钢坯数量;根据预定推钢规则确定推钢机的起始位置和终止位置。检测推钢机位置;当推钢机到达起始位置时,发送打开起始位置对应的推钢流号的升降挡板打开指令;发送送坯指令,以将钢坯送至推钢区;发送关闭起始位置对应的推钢流号的升降挡板关闭指令;本发明可实现高效智能地自动推钢控制,避免出现人为原因的操作失误,导致堆坯、钢坯推弯、推钢机掉道等生产安全事故。
Description
技术领域
本发明属于电气设备控制技术领域,尤其涉及一种基于机器视觉的连铸出坯方法及系统。
背景技术
在现有的炼钢生产过程中,连铸生产属于人力密集型生产过程。而连铸生产的出坯工序包括:将连铸坯切割成定长坯体的切割过程、坯体输送过程、以及将坯体推送至待吊装位置(通常是冷床)的过程。
出坯工序中大部分工位由于监测和控制技术等限制,仍然需要采用人工方式进行生产控制。上述出坯工序的坯体输送过程中,由于连铸机流数多、浇铸拉速高、生产节奏快,在依靠人工操作机械进行推坯操作的过程中,操作工必须保持长时间的精神高度集中,工人劳动强度大容易疲劳,难以避免出现人为原因的操作失误,导致堆坯、钢坯推弯、推钢机掉道等生产安全事故。
发明内容
本发明的目的是提供一种基于机器视觉的连铸出坯方法及系统,通过自动化控制代替人工进行坯体输送过程,降低生产安全事故的发生几率。
本发明采用以下技术方案:一种基于机器视觉的连铸出坯方法,包括以下步骤:
实时获取钢坯位置和连铸拉速,确定钢坯信息;
根据钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取冷床上每个垛位上的已有钢坯数量,计算冷床上每个垛位的缺少钢坯数量;
根据预定推钢规则确定推钢机的起始位置和终止位置。
检测推钢机位置;
当推钢机到达起始位置时,发送打开起始位置对应的推钢流号的升降挡板打开指令;
发送送坯指令,以将钢坯送至推钢区;
发送关闭起始位置对应的推钢流号的升降挡板关闭指令。
进一步地,计算冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取切后辊道和输送辊道的辊道图像;
提取辊道图像中与检测点对应位置的像素亮度值;
当像素亮度值大于亮度阈值时,确定检测点所在辊道的钢坯信息。
进一步地,计算冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取钢坯切割结束时间。
进一步地,发出关闭起始位置对应的推钢流号的升降挡板关闭指令之后还包括:
发送推钢指令,推钢指令携带终止位置信息。
进一步地,获取冷床上每个垛位上的已有钢坯数量包括:
获取冷床的垛位图像;
根据垛位图像,确定每个垛位上的已有钢坯数量。
进一步地,发送推钢指令后还包括:
发送推钢机复位指令;其中,推钢机复位指令携带预定位置信息或下一个起始位置信息。
本发明的另一种技术方案:一种基于机器视觉的连铸出坯系统,用于执行上述的一种基于机器视觉的连铸出坯方法,包括:
获取模块,用于实时获取钢坯位置和连铸拉速,确定钢坯信息;
计算模块,用于根据钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取冷床上每个垛位上的已有钢坯数量,计算冷床上每个垛位的缺少钢坯数量;
确定模块,用于根据预定推钢规则确定推钢机的起始位置和终止位置。
检测模块,用于检测推钢机位置;
第一发送模块,用于当推钢机到达起始位置时,发送打开起始位置对应的推钢流号的升降挡板打开指令;
第二发送模块,用于发送送坯指令,以将钢坯送至推钢区;
第三发送模块,用于发送关闭起始位置对应的推钢流号的升降挡板关闭指令。
进一步地,计算冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取切后辊道和输送辊道的辊道图像;
提取辊道图像中与检测点对应位置的像素亮度值;
当像素亮度值大于亮度阈值时,确定检测点所在辊道的钢坯信息。
本发明的另一种技术方案:一种基于机器视觉的连铸出坯系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的一种基于机器视觉的连铸出坯方法。
本发明的有益效果是:本发明通过机器视觉技术获取冷床上每个垛位的钢坯数量,再结合钢坯位置和连铸拉速来确定每个垛位上最大的钢坯数量,同时根据每个垛位的容量结合预定推钢规则得到最佳的推钢方案,在推钢过程中检测各部件的实时位置,达到对整个系统的精确控制,进而实现高效智能地自动推钢控制,避免出现人为原因的操作失误,导致堆坯、钢坯推弯、推钢机掉道等生产安全事故。
附图说明
图1为本发明实施例一种基于机器视觉的连铸出坯方法的流程图;
图2为本发明实施例一种基于机器视觉的连铸出坯系统的模块结构图;
图3为本发明另一实施例一种基于机器视觉的连铸出坯系统的模块结构图;
图4为本发明实施例的一种基于机器视觉的连铸出坯方法应用的出坯系统结构示意图。
1.火切机;2.切后辊道;3.输送辊道;4.升降挡板;5.钢坯;6.冷床;7.推钢区;8.推钢机;9.图像采集设备。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明实施例公开了一种基于机器视觉的连铸出坯方法,如图1所示,包括以下步骤:S110、实时获取钢坯位置和连铸拉速,确定钢坯信息;S120、根据钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取冷床上每个垛位上的已有钢坯数量,计算冷床上每个垛位的缺少钢坯数量;S130、根据预定推钢规则确定推钢机的起始位置和终止位置。S140、检测推钢机位置;S150、当推钢机到达起始位置时,发送打开起始位置对应的推钢流号的升降挡板打开指令;S160、发送送坯指令,以将钢坯送至推钢区;S170、发送关闭起始位置对应的推钢流号的升降挡板关闭指令。
本发明通过机器视觉技术获取冷床上每个垛位的钢坯数量,再结合钢坯位置和连铸拉速来确定每个垛位上最大的钢坯数量,同时根据每个垛位的容量结合预定推钢规则得到最佳的推钢方案,在推钢过程中检测各部件的实时位置,达到对整个系统的精确控制,进而实现高效智能地自动推钢控制,避免出现人为原因的操作失误,导致堆坯、钢坯推弯、推钢机掉道等生产安全事故。
在本实施例中,对应的系统采用先进的远红外热像仪、高分辨率数字相机、激光测距仪等视觉作为检测手段,基于红外热成像技术、机器视觉技术和激光测距技术等视觉控制技术,采用非接触式在线检测每个流钢坯的位置、冷床上各个垛位中钢坯的数量,能够自动控制每个流的升降挡板和推钢机的动作,进而实现高效智能地自动推钢控制以及钢坯热送控制系统的诞生。
在本发明实施例中,计算冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:获取切后辊道和输送辊道的辊道图像;提取辊道图像中与检测点对应位置的像素亮度值;当像素亮度值大于亮度阈值时,确定检测点所在辊道的钢坯信息。
通过图像捕捉方式来确定轨道中是否存在有钢坯,可以采用图像识别技术达到识别钢坯的目的,避免使用热传感器等带来的设备干扰,通过图像像素亮度使得识别结果更加准确。
在本发明实施例中,计算冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:获取钢坯切割结束时间。
由于预定规则可以根据不同需求来设定,因此,当预定规则包含有钢坯的切割时间时,可以选择钢坯切割结束时间作为约束条件来确定钢坯推钢的先后顺序。
在本发明实施例中,预定规则设计为四优原则:先到优先、先切优先、下线优先、短距优先。先到优先,即优先对钢坯到达升降挡板时间较早的流进行推钢,即判断哪个流先到达升降挡板,则先对哪个流进行推钢。先切优先,优先从切割结束时间较早的流推钢。下线优先,即优先向缺少较少钢坯数量的垛位推钢。短距优先,即优先从推钢机从起点位置到终点位置距离最短的流推钢。再具体的生产过程中,可以根据不同的需求,设定不同的预定规则,也可以是将两种或两种以上的规则进行融合,并为不同的规则设计不同的权重、优先级等。
在本发明实施例中,发出关闭起始位置对应的推钢流号的升降挡板关闭指令之后还包括:发送推钢指令,推钢指令携带终止位置信息。在推钢生产工艺中,需要先将升降挡板关闭,进而避免钢坯从输送辊道意外弹出,所以还可以在升降挡板处安装位置监控设备,实现对升降挡板的位置监控,进而,当系统检测到升降挡板关闭到位时,再发送推钢指令,可以保证生产安全。推钢指令可以是对推钢机的直接控制指令,也可以是发送至PLC控制系统的控制指令,当为控制指令时,可以通过PLC在统一调节控制。
在本发明实施例中,获取冷床上每个垛位上的已有钢坯数量包括:获取冷床的垛位图像;根据垛位图像,确定每个垛位上的已有钢坯数量。在轧钢生产中,冷床上可以根据实际需要设置一个垛位或多个垛位,用来堆垛钢坯。通常情况下,是需要操作推钢机的操作工进行人工观察,在确定各个垛位的钢坯数量。但是,这种方式操作工不能精细确定每个垛位的钢坯数量具体值,只能大概判断,易受干扰。因此,可以采用图像获取设备来获取垛位的图像,再结合训练好的神经网络进行识别,精准确定每个垛位钢坯的数量。这样一来,可以保证为每个垛位分配的钢坯数量均匀性更好。
在本发明实施例中,发送推钢指令后还包括:发送推钢机复位指令;其中,推钢机复位指令携带预定位置信息或下一个起始位置信息。当向推钢机发送推钢指令后,且推钢机执行完毕该指令后,推钢机通常需要返回。但是具体的返回位置,各个生产车间的要求不同,有的甚至不返回,当下次需要时再操作返回。因此,本实施例中,将推钢机返回一个预定位置,该位置可以是预先选好的不影响其他生产工序的位置,而且,还可以将推钢机直接操作到下一个钢坯的起始位置,以节省操作时间。
本发明实施例,具体应用于连铸出坯系统,连铸出坯系统如图4所示,在图中左侧为连铸机的一流、二硫、三流和四流,分别用来出钢,在每一流的出口处均设置有火切机1,火切机1之后钢坯依次传输切后辊道2和输送辊道3,通过传送辊来控制钢坯5在切后辊道2和输送辊道3运行。
在输送辊道3的出口处设置有升降挡板4,通过调节升降挡板4的升降,可以控制钢坯输送到推钢区7,再通过推钢机8将钢坯5推送至冷床6。在生产中,采用图像采集设备9分别采集切后辊道2、输送辊道3和冷床6上钢坯的信息。当控制升降挡板4和推钢机8时,可以通过激光测距传感器等进行测量,已确定是否运动到位。
更为具体的,连铸出坯系统可以包括铸坯跟踪定位系统和CPS智能仿真控制系统两大部分。铸坯跟踪定位系统主要有机器视觉设备组成。如高分辨率机器视觉定位装置、智能识别行车防撞装置、冗余推钢机精准定位系统和高性能边缘计算机等组成。具体的,可以有两台机器视觉定位分别安装在辊道两侧,用来检测识别切后辊道和输送辊道指定区域钢坯。三套激光测距仪,功能是实时检测推钢机的位置和识别行车并通过算法控制实现行车防撞。高性能边缘计算机主机,采集各种机器视觉信号,自动识别判断指定区域的钢坯、行车及推钢机的位置信息,并将各种信息转换为数字信号,自行计算或通过网络方式将信号发送至铸机PLC系统,铸机PLC系统通过逻辑算法实现控制辊道和挡板进行送坯和停坯。
另外,CPS智能仿真控制系统可以由一台高性能计算机和AI算法软件组成。主机系统的功能是接收PLC和视觉定位系统的信息,通过神经网络自学习不断的计算和优化出坯算法,实现最优化出坯控制;计算结果转换为数字信号,发送至铸机本体PLC系统,实现对推钢机、辊道和挡板的自动控制;全过程实现虚拟现实仿真,通过画面就可以对出坯过程进行实时监控。
上述系统的一种基于机器视觉和AI控制的连铸出坯控制系统,可以实现出坯工序全流程智能化,且可实现数字化和可视化管控目标,能够促进生产效率的提高。该系统将操作人员从繁重且单一重复的操作模式里解放出来,将软件工程中的思想应用工业过程控制中,且随着人工智能技术的发展,机器视觉在工厂的应用逐步增多,可以解决许多传统设备无法处理的问题,利用机器代替人眼来做识别、测量、检测和分析理解,同时结合深度学习和AI优化算法来确定目标的特征,进而根据判别的结果来可靠的控制现场的设备动作。
其采用全网络通讯控制,且对现场设备无需进行任何改造,可以在连铸机正常生产不停机情况下进行改造,跟之前控制方式无缝完全兼容和深度融合;再来机器视觉精准性高,稳定好,可以避免人为因情绪波动或长期重复单一操作会产生疲劳感,引发的操作失误,实现24小时连续工作。系统运用物理检测和虚拟数字仿真的CPS技术并结合AI模型算法,对出坯区域、挡板区域、推钢区域和冷床区域钢坯进行实时检测,并在计算机进行全数字仿真建模,通过神经网络算法和自学习算法两种方式综合的控制模型实现最优推钢控制,进而控制辊道、升降挡板和推钢机等装置,实现基于机器视觉和AI智能控制的铸坯自动出坯功能,系统投运后可实现无人工干预的自动出坯率99%以上,颠覆传统解决方案,可在全行业推广应用。
在本发明实施例中,在出坯辊道上的指定区域,每个流分别设置一个或多个检测点。当某检测点有红热钢坯通过时,在红外相机拍摄的图像中该检测点附近的图像亮度值比背景亮度高,而没有钢坯通过时该检测点的亮度值与背景亮度相差不大。机器视觉检测算法据此判断该检测点是否存在钢坯。系统将有坯或无坯信号通过网络实时发送给PLC。最后PLC据此控制辊道进行送坯或停坯;
在本发明实施例中,视觉主要具有以下作用:
实时检测推钢机的位置;实时检测各个流的指定位置处是否有钢,有钢时则发出有钢信号;实时检测各个冷床上的各个垛位是否缺少钢坯以及缺少的数量;自动控制推钢机从推钢起点位置把前方的钢坯推到目标垛位。自动检测热送辊道上指定位置处是否有钢;远红外热像仪实时监测两个冷床。在冷床上指定区域设置若干个垛位,每个冷床可以设定一个或多个垛位。把任意两个相邻的流的中点作为推钢机的可能推钢起点位置,把冷床上每个垛位作为推钢机的可能目标位置。可以使用多台远红外热像仪实时监测冷床旁边的热送辊道(记作T1),另外的远红外热像仪实时监测第三个冷床旁边热送辊道的终点处(记作T2)。
当T1存在钢坯时向PLC发送辊道有钢信号,无钢时则不发信号。钢坯离开T1后T1处由有钢变为无钢状态,本系统向PLC发出T1无钢信号。当钢坯到达T2时,T2处由无钢变为有钢状态,本系统向PLC发出T2有钢信号。推钢机据此可以开始勾钢然后把钢坯送往冷床。当勾钢机到达冷床起点时,放下钢坯然后自动回到原位,等待下一次勾钢(推钢)。
本发明另一实施例公开了一种基于机器视觉的连铸出坯系统,用于执行上述的一种基于机器视觉的连铸出坯方法,如图2所示,包括:获取模块210,用于实时获取钢坯位置和连铸拉速,确定钢坯信息;计算模块220,用于根据钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取冷床上每个垛位上的已有钢坯数量,计算冷床上每个垛位的缺少钢坯数量;确定模块230,用于根据预定推钢规则确定推钢机的起始位置和终止位置。检测模块240,用于检测推钢机位置;第一发送模块250,用于当推钢机到达起始位置时,发送打开起始位置对应的推钢流号的升降挡板打开指令;第二发送模块260,用于发送送坯指令,以将钢坯送至推钢区;第三发送模块270,用于发送关闭起始位置对应的推钢流号的升降挡板关闭指令。
在本发明实施例中,计算冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取切后辊道和输送辊道的辊道图像;提取辊道图像中与检测点对应位置的像素亮度值;当像素亮度值大于亮度阈值时,确定检测点所在辊道的钢坯信息。
需要说明的是,上述模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明还公开了一种基于机器视觉的连铸出坯系统,包括存储器31、处理器32以及存储在存储器31中并可在处理器32上运行的计算机程序33,如图3所示,处理器32执行计算机程序33时实现上述的一种基于机器视觉的连铸出坯方法。
本发明另一实施例还公开了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的一种基于RDMA的数据传输方法。
计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
Claims (9)
1.一种基于机器视觉的连铸出坯方法,其特征在于,包括以下步骤:
实时获取钢坯位置和连铸拉速,确定钢坯信息;
根据所述钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取所述冷床上每个垛位上的已有钢坯数量,计算所述冷床上每个垛位的缺少钢坯数量;
根据预定推钢规则确定推钢机的起始位置和终止位置。
检测所述推钢机位置;
当所述推钢机到达所述起始位置时,发送打开所述起始位置对应的推钢流号的升降挡板打开指令;
发送送坯指令,以将钢坯送至推钢区;
发送关闭所述起始位置对应的推钢流号的升降挡板关闭指令。
2.如权利要求1所述的一种基于机器视觉的连铸出坯方法,其特征在于,计算所述冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取切后辊道和输送辊道的辊道图像;
提取所述辊道图像中与检测点对应位置的像素亮度值;
当所述像素亮度值大于亮度阈值时,确定所述检测点所在辊道的钢坯信息。
3.如权利要求2所述的一种基于机器视觉的连铸出坯方法,其特征在于,计算所述冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取钢坯切割结束时间。
4.如权利要求2或3所述的一种基于机器视觉的连铸出坯方法,其特征在于,发出关闭所述起始位置对应的推钢流号的升降挡板关闭指令之后还包括:
发送推钢指令,所述推钢指令携带所述终止位置信息。
5.如权利要求1所述的一种基于机器视觉的连铸出坯方法,其特征在于,获取所述冷床上每个垛位上的已有钢坯数量包括:
获取所述冷床的垛位图像;
根据所述垛位图像,确定每个所述垛位上的已有钢坯数量。
6.如权利要求4所述的一种基于机器视觉的连铸出坯方法,其特征在于,发送推钢指令后还包括:
发送推钢机复位指令;其中,所述推钢机复位指令携带预定位置信息或下一个起始位置信息。
7.一种基于机器视觉的连铸出坯系统,其特征在于,用于执行权利要求1-6任一所述的一种基于机器视觉的连铸出坯方法,包括:
获取模块,用于实时获取钢坯位置和连铸拉速,确定钢坯信息;
计算模块,用于根据所述钢坯信息确定冷床上每个垛位上钢坯的最大数量,获取所述冷床上每个垛位上的已有钢坯数量,计算所述冷床上每个垛位的缺少钢坯数量;
确定模块,用于根据预定推钢规则确定推钢机的起始位置和终止位置。
检测模块,用于检测所述推钢机位置;
第一发送模块,用于当所述推钢机到达所述起始位置时,发送打开所述起始位置对应的推钢流号的升降挡板打开指令;
第二发送模块,用于发送送坯指令,以将钢坯送至推钢区;
第三发送模块,用于发送关闭所述起始位置对应的推钢流号的升降挡板关闭指令。
8.如权利要求7所述的一种基于机器视觉的连铸出坯系统,其特征在于,计算所述冷床上每个垛位的缺少钢坯数量之后且根据预定推钢规则确定推钢机的起始位置和终止位置之前还包括:
获取切后辊道和输送辊道的辊道图像;
提取所述辊道图像中与检测点对应位置的像素亮度值;
当所述像素亮度值大于亮度阈值时,确定所述检测点所在辊道的钢坯信息。
9.一种基于机器视觉的连铸出坯系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的一种基于机器视觉的连铸出坯方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110394273.9A CN113102713A (zh) | 2021-04-13 | 2021-04-13 | 一种基于机器视觉的连铸出坯方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110394273.9A CN113102713A (zh) | 2021-04-13 | 2021-04-13 | 一种基于机器视觉的连铸出坯方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113102713A true CN113102713A (zh) | 2021-07-13 |
Family
ID=76716200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110394273.9A Pending CN113102713A (zh) | 2021-04-13 | 2021-04-13 | 一种基于机器视觉的连铸出坯方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113102713A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113798334A (zh) * | 2021-09-23 | 2021-12-17 | 重庆钢铁股份有限公司 | 一种推钢机自动控制方法 |
CN114406222A (zh) * | 2022-01-18 | 2022-04-29 | 山东钢铁集团永锋临港有限公司 | 一种连铸小方坯钢坯的跟踪监视控制方法 |
CN115339879A (zh) * | 2022-10-19 | 2022-11-15 | 昆明理工大学 | 一种基于机器视觉的长材小方坯智能输送跟踪方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002254150A (ja) * | 2001-03-05 | 2002-09-10 | Yaskawa Electric Corp | 連続鋳造設備の搬出ローラーテーブルにおける鋳片自動搬出時の鋳片移動検出方法 |
CN104759608A (zh) * | 2015-03-24 | 2015-07-08 | 莱芜钢铁集团电子有限公司 | 一种钢坯垛坯运行控制系统及方法 |
CN210937047U (zh) * | 2019-10-31 | 2020-07-07 | 攀钢集团攀枝花钢钒有限公司 | 基于红外热成像的连铸机辊道控制系统 |
CN111633192A (zh) * | 2020-06-23 | 2020-09-08 | 中冶京诚工程技术有限公司 | 多流方圆坯出坯系统及出坯方法 |
CN111659866A (zh) * | 2020-07-30 | 2020-09-15 | 北京中远通科技有限公司 | 连铸生产的出坯控制方法及出坯控制设备 |
CN111774544A (zh) * | 2020-07-08 | 2020-10-16 | 马钢集团设计研究院有限责任公司 | 一种方坯连铸机出坯系统及其出坯控制方法 |
CN112264595A (zh) * | 2020-10-23 | 2021-01-26 | 河北凯昌科技有限公司 | 一种多流单秤的连铸铸坯定重切割控制系统及控制方法 |
CN112404384A (zh) * | 2020-11-18 | 2021-02-26 | 河北凯昌科技有限公司 | 连铸铸坯移动追踪系统及方法 |
CN112570677A (zh) * | 2020-10-27 | 2021-03-30 | 唐山钢铁集团微尔自动化有限公司 | 一种坯料自动输送控制方法 |
-
2021
- 2021-04-13 CN CN202110394273.9A patent/CN113102713A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002254150A (ja) * | 2001-03-05 | 2002-09-10 | Yaskawa Electric Corp | 連続鋳造設備の搬出ローラーテーブルにおける鋳片自動搬出時の鋳片移動検出方法 |
CN104759608A (zh) * | 2015-03-24 | 2015-07-08 | 莱芜钢铁集团电子有限公司 | 一种钢坯垛坯运行控制系统及方法 |
CN210937047U (zh) * | 2019-10-31 | 2020-07-07 | 攀钢集团攀枝花钢钒有限公司 | 基于红外热成像的连铸机辊道控制系统 |
CN111633192A (zh) * | 2020-06-23 | 2020-09-08 | 中冶京诚工程技术有限公司 | 多流方圆坯出坯系统及出坯方法 |
CN111774544A (zh) * | 2020-07-08 | 2020-10-16 | 马钢集团设计研究院有限责任公司 | 一种方坯连铸机出坯系统及其出坯控制方法 |
CN111659866A (zh) * | 2020-07-30 | 2020-09-15 | 北京中远通科技有限公司 | 连铸生产的出坯控制方法及出坯控制设备 |
CN112264595A (zh) * | 2020-10-23 | 2021-01-26 | 河北凯昌科技有限公司 | 一种多流单秤的连铸铸坯定重切割控制系统及控制方法 |
CN112570677A (zh) * | 2020-10-27 | 2021-03-30 | 唐山钢铁集团微尔自动化有限公司 | 一种坯料自动输送控制方法 |
CN112404384A (zh) * | 2020-11-18 | 2021-02-26 | 河北凯昌科技有限公司 | 连铸铸坯移动追踪系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113798334A (zh) * | 2021-09-23 | 2021-12-17 | 重庆钢铁股份有限公司 | 一种推钢机自动控制方法 |
CN113798334B (zh) * | 2021-09-23 | 2023-10-20 | 重庆钢铁股份有限公司 | 一种推钢机自动控制方法 |
CN114406222A (zh) * | 2022-01-18 | 2022-04-29 | 山东钢铁集团永锋临港有限公司 | 一种连铸小方坯钢坯的跟踪监视控制方法 |
CN115339879A (zh) * | 2022-10-19 | 2022-11-15 | 昆明理工大学 | 一种基于机器视觉的长材小方坯智能输送跟踪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113102713A (zh) | 一种基于机器视觉的连铸出坯方法及系统 | |
CN110438284B (zh) | 一种转炉智能出钢装置及控制方法 | |
CN108055501A (zh) | 一种目标检测及跟踪的视频监控系统及方法 | |
CN103861877B (zh) | 一种中厚板热处理炉钢板位置跟踪控制系统及方法 | |
CN101902616A (zh) | 视频监控快速立体定位方法 | |
CN110044183B (zh) | 一种基于机器视觉的脱方检测自动上料方法 | |
CN102581244A (zh) | 一种连铸铸坯表面质量的在线控制系统及控制方法 | |
CN111683227A (zh) | 一种基于视频异常监测的皮带操作智能辅助方法和系统 | |
CN203373016U (zh) | 一种起重机的吊钩监测跟踪系统 | |
CN104148838B (zh) | 薄钢板焊缝小特征点视觉跟踪与实时质量检测装置 | |
CN205029437U (zh) | 变电站巡检机器人离线检测系统 | |
CN111659866B (zh) | 连铸生产的出坯控制方法及出坯控制设备 | |
CN210765379U (zh) | 一种用于转炉智能出钢的装置 | |
CN117784668A (zh) | 一种基于数据分析的面粉产线加工安全智能监管系统 | |
CN117299814A (zh) | 钢轧一体化管控方法、装置、设备及存储介质 | |
CN104164555A (zh) | 一种中厚板热处理线可视化和交互性顺序控制系统和方法 | |
CN107562007B (zh) | 基于扇形段位置传感器故障状态的控制方法及系统 | |
CN102398006B (zh) | 一种连铸铸坯速度检测装置及其检测方法 | |
CN115584375B (zh) | 一种基于图像识别的转炉自动出钢的方法及系统 | |
CN114549406B (zh) | 热轧线的管理方法、装置及系统、计算设备和存储介质 | |
CN115285618A (zh) | 一种agv智能机器人运行作业状态监测分析控制系统 | |
CN115446125A (zh) | 一种基于机器视觉的中厚板自动转钢控制方法 | |
CN114083091A (zh) | 一种基于云边端协同的窄深空间内部焊接预警监测方法 | |
CN113009914A (zh) | 一种铁水罐车的自动行走控制装置及方法 | |
CN102928093A (zh) | 一种基于红外的钢坯表面温度检测装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |
|
RJ01 | Rejection of invention patent application after publication |