CN113592816A - 基于机器视觉的钢包洁净度在线评级方法 - Google Patents
基于机器视觉的钢包洁净度在线评级方法 Download PDFInfo
- Publication number
- CN113592816A CN113592816A CN202110870150.8A CN202110870150A CN113592816A CN 113592816 A CN113592816 A CN 113592816A CN 202110870150 A CN202110870150 A CN 202110870150A CN 113592816 A CN113592816 A CN 113592816A
- Authority
- CN
- China
- Prior art keywords
- ladle
- image
- mechanical arm
- cleanliness
- workstation
- 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.)
- Withdrawn
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 46
- 239000010959 steel Substances 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000003749 cleanliness Effects 0.000 title claims abstract description 23
- 230000007547 defect Effects 0.000 claims abstract description 9
- 238000006073 displacement reaction Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims abstract description 8
- 238000005520 cutting process Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 5
- 229910052593 corundum Inorganic materials 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 229910001845 yogo sapphire Inorganic materials 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000009628 steelmaking Methods 0.000 description 3
- 229910000655 Killed steel Inorganic materials 0.000 description 2
- RQMIWLMVTCKXAQ-UHFFFAOYSA-N [AlH3].[C] Chemical compound [AlH3].[C] RQMIWLMVTCKXAQ-UHFFFAOYSA-N 0.000 description 2
- BYFGZMCJNACEKR-UHFFFAOYSA-N aluminium(i) oxide Chemical compound [Al]O[Al] BYFGZMCJNACEKR-UHFFFAOYSA-N 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000005275 alloying Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006911 nucleation Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明公开了基于机器视觉的钢包洁净度在线评级方法,包括以下步骤S1:在钢包外壁设置机械臂,机械臂的滑块上设置光学位移台;光学位移台上设置相互配合用于拍摄钢包表面的的显微镜头与摄像机;S2:设置控制机械臂的PLC,以及用于存储钢包外表数据的数据库服务器与处理钢包外表图像的工作站,将PLC、数据库服务器与工作站分别与与交换机相连构成数据交换网络;S3:通过数据库服务器将存储的钢包表面数据通过网络发送给工作站;S4:PLC控制机械臂沿钢包外表面移动,与此同时,摄像机拍摄经过的钢包表面图像;S5:摄像机将拍摄的钢包表面图像发送给工作站进行图像处理分析,记录图像的孔洞、割断与缩小缺陷。
Description
技术领域
本发明涉及钢包检测方法,尤其涉及基于机器视觉的钢包洁净度在线评级方法。
背景技术
由于大型宏观夹杂对钢的机械性能危害最大,其尺寸分布非常重要。据报道,1kg典型的低碳铝镇静钢含107~109个夹杂物(其中,仅含80~130Lm夹杂物400个,130~200Lm夹杂物10个,200~270Lm夹杂物少于1个)。显然,检测少量大型夹杂物是非常困难的。尽管大型夹杂物在数量上比小型夹杂物少得多,但其总体积分数可能较大,有时一个大型夹杂物能引起整个一炉钢的灾难性缺陷。因此,洁净钢不仅要控制钢中夹杂物平均含量,而且还要避免夹杂物尺寸超过对产品有害的临界尺寸。测试结果表明,大于30Lm的夹杂物由钢包内的1.61×10-4%降到中间包的0.58×10-4%。因此,尽管钢包内钢水总氧含量稍高且夹杂物总量较多,中间包内的钢水还是较洁净的。
钢包和中间包内Al2O3夹杂物尺寸分布非金属夹杂物来源很多,包括:(1)脱氧产物。例如低碳铝镇静钢内的主要夹杂物是Al2O3,该夹杂物因钢中溶解氧与加入的脱氧剂(如Al)化学反应而产生,Al2O3夹杂在富氧环境下生成,形状呈树枝状,其中可能也包括一些较小的Al2O3颗粒碰撞聚集物。(2)二次氧化产物。例如钢水中残留的[Al]被渣中FeO氧化或暴露在大气中氧化生成Al2O3。(3)出钢时带入的冶金炉渣。通常为球形液态夹杂。(4)其它来源的外来夹杂物。如飞灰、剥落的耐火砖衬和陶瓷炉衬颗粒。这类夹杂物通常尺寸大且形状不规则。它们常常作为Al2O3非均质形核的晶核并夹带某些颗粒。(5)化学反应产物。如用Ca改质处理夹杂物时,反应进行不正常时出现的产物。控制钢的洁净度贯穿炼钢工艺的各项操作,内容包括:脱氧和合金化的时间及地点、炉外精炼的程度和顺序、搅拌和倒包操作、保护浇铸装置、中间包几何形状及操作、各种冶金熔剂的吸收能力以及浇铸操作,钢的洁净度问题在各类相关文献中都是备受关注的。
随着炼钢冶炼产品的逐步升级,发现钢包内衬的洁净度对炼钢的钢水成分有重要影响,如何精准获得钢包内衬的洁净度,对提高钢水成分的精准命中,进而提高产品性能有重要意义,现有在判断钢包的洁净度时是存在洁净度评判不准确的技术问题,因此,难以准确获得钢包的洁净度,对钢水成分造成一定的影响。
因此,如何提高评判钢包的洁净度的准确性是目前亟待解决的技术问题。
发明内容
本发明克服了现有技术的不足,提供基于机器视觉的钢包洁净度在线评级方法。
为达到上述目的,本发明采用的技术方案为:基于机器视觉的钢包洁净度在线评级方法,包括以下步骤:S1:在钢包外壁设置机械臂,机械臂的滑块上设置光学位移台;光学位移台上设置相互配合用于拍摄钢包表面的的显微镜头与摄像机;S2:设置控制机械臂的PLC,以及用于存储钢包外表数据的数据库服务器与处理钢包外表图像的工作站,将PLC、数据库服务器与工作站分别与与交换机相连构成数据交换网络;S3:通过数据库服务器将存储的钢包表面数据通过网络发送给工作站;S4:PLC控制机械臂沿钢包外表面移动,与此同时,摄像机拍摄经过的钢包表面图像;S5:摄像机将拍摄的钢包表面图像发送给工作站进行图像处理分析,记录图像的孔洞、割断与缩小缺陷。
本发明一个较佳实施例中,采用直方图均衡法对RIO裁剪后的图像进行对比度增强处理,将对比度增强处理后的图像用于阅读显示。
本发明一个较佳实施例中,所述机械臂选用单轴机械臂。
本发明一个较佳实施例中,所述S5中图像处理包括对钢包表面图像进行RIO裁剪,将不包含钢包的图像区域删除。
本发明一个较佳实施例中,对RIO裁剪后的图像进行滤波处理,去除图像的噪声。
本发明一个较佳实施例中,对滤波后的图像进行二值化分割,将钢包从背景图像中分割出来。
本发明一个较佳实施例中,采用形态学闭合运算对二值分割后的图像进行分析。
本发明一个较佳实施例中,所述S3中,工作站根据钢包外表数据将机械臂所需运行的速度、方向与间隔时间发送给PLC。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)本发明利用单轴机械臂绕钢包外表运动,通过摄像机与拍摄记录钢包外表面状态图像,使用工作站对采集后的图像进行处理分析得到钢包外表面缺陷数据,实时完成图像的采集与处理,实现在线质检,检测速度快,整个质检过程自动完成。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图;
图1是本发明的优选实施例的图像处理流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的描述中,“实施例”、“一个实施例”、“一些实施例”、或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中,但不必是全部实施例。“实施例”、“一个实施例”、或“一些实施例”的多次出现不一定全都指代相同的实施例。
如图1所示,基于机器视觉的钢包洁净度在线评级方法,包括以下步骤:S1:在钢包外壁设置单轴机械臂,单轴机械臂的滑块上设置光学位移台;光学位移台上设置相互配合用于拍摄钢包表面的的显微镜头与摄像机;S2:设置控制单轴机械臂的PLC,以及用于存储钢包外表数据的数据库服务器与处理钢包外表图像的工作站,将PLC、数据库服务器与工作站分别与与交换机相连构成数据交换网络;S3:通过数据库服务器将存储的钢包表面数据通过网络发送给工作站,工作站根据钢包外表数据将机械臂所需运行的速度、方向与间隔时间发送给PLC;S4:PLC控制单轴机械臂沿钢包外表面移动,与此同时,摄像机拍摄经过的钢包表面图像;S5:摄像机将拍摄的钢包表面图像发送给工作站进行图像处理分析,记录图像的孔洞、割断与缩小缺陷。
优选的,在图像处理中包括对钢包表面图像进行RIO裁剪,将不包含钢包的图像区域删除,采用直方图均衡法对RIO裁剪后的图像进行对比度增强处理,将对比度增强处理后的图像用于阅读显示,此外,对RIO裁剪后的图像进行滤波处理,去除图像的噪声,对滤波后的图像进行二值化分割,将钢包从背景图像中分割出来,采用形态学闭合运算对二值分割后的图像进行分析。
本发明利用单轴机械臂绕钢包外表运动,通过摄像机与拍摄记录钢包外表面状态图像,使用工作站对采集后的图像进行处理分析得到钢包外表面缺陷数据,实时完成图像的采集与处理,实现在线质检,检测速度快,整个质检过程自动完成。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
以上依据本发明的理想实施例为启示,通过上述的说明内容,相关人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定技术性范围。
Claims (8)
1.基于机器视觉的钢包洁净度在线评级方法,包括以下步骤:
S1:在钢包外壁设置机械臂,机械臂的滑块上设置光学位移台;光学位移台上设置相互配合用于拍摄钢包表面的的显微镜头与摄像机;
S2:设置控制机械臂的PLC,以及用于存储钢包外表数据的数据库服务器与处理钢包外表图像的工作站,将PLC、数据库服务器与工作站分别与与交换机相连构成数据交换网络;
S3:通过数据库服务器将存储的钢包表面数据通过网络发送给工作站;
S4:PLC控制机械臂沿钢包外表面移动,与此同时,摄像机拍摄经过的钢包表面图像;
S5:摄像机将拍摄的钢包表面图像发送给工作站进行图像处理分析,记录图像的孔洞、割断与缩小缺陷。
2.根据权利要求1所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:采用直方图均衡法对RIO裁剪后的图像进行对比度增强处理,将对比度增强处理后的图像用于阅读显示。
3.根据权利要求1所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:所述机械臂选用单轴机械臂。
4.根据权利要求1所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:所述S5中图像处理包括对钢包表面图像进行RIO裁剪,将不包含钢包的图像区域删除。
5.根据权利要求4所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:对RIO裁剪后的图像进行滤波处理,去除图像的噪声。
6.根据权利要求5所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:对滤波后的图像进行二值化分割,将钢包从背景图像中分割出来。
7.根据权利要求6所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:采用形态学闭合运算对二值分割后的图像进行分析。
8.根据权利要求1所述的基于机器视觉的钢包洁净度在线评级方法,其特征在于:所述S3中,工作站根据钢包外表数据将机械臂所需运行的速度、方向与间隔时间发送给PLC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870150.8A CN113592816A (zh) | 2021-07-30 | 2021-07-30 | 基于机器视觉的钢包洁净度在线评级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870150.8A CN113592816A (zh) | 2021-07-30 | 2021-07-30 | 基于机器视觉的钢包洁净度在线评级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113592816A true CN113592816A (zh) | 2021-11-02 |
Family
ID=78252562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110870150.8A Withdrawn CN113592816A (zh) | 2021-07-30 | 2021-07-30 | 基于机器视觉的钢包洁净度在线评级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592816A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116274893A (zh) * | 2023-02-24 | 2023-06-23 | 北京瓦特曼智能科技有限公司 | 检测钢包内衬侵蚀量的方法、处理器、装置及存储介质 |
-
2021
- 2021-07-30 CN CN202110870150.8A patent/CN113592816A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116274893A (zh) * | 2023-02-24 | 2023-06-23 | 北京瓦特曼智能科技有限公司 | 检测钢包内衬侵蚀量的方法、处理器、装置及存储介质 |
CN116274893B (zh) * | 2023-02-24 | 2024-02-06 | 北京瓦特曼智能科技有限公司 | 检测钢包内衬侵蚀量的方法、处理器、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ren et al. | Detection of non-metallic inclusions in steel continuous casting billets | |
Kaushik et al. | State of the art in control of inclusions, their characterization, and future requirements | |
CN113592816A (zh) | 基于机器视觉的钢包洁净度在线评级方法 | |
CN112639138B (zh) | 精炼设备和方法 | |
JP2019530882A (ja) | 鋳放し鋼製造物内の内部欠陥の定量的測定のための方法およびシステム | |
CN112501377A (zh) | 一种转炉炼钢渣含量异常检测方法及系统 | |
Capurro et al. | Characterization of Nonmetallic Inclusions of Al‐Killed Ca‐Treated Steels by Automated SEM/EDS and Its Application to Industrial Case Studies | |
CN112458231B (zh) | 一种转炉下渣检测方法及系统 | |
Lyons et al. | Inclusion characterization of titanium stabilized ultra low carbon steels: impact of oxygen activity before deoxidation | |
Michelic et al. | Thermodynamic and Experimental Study on the Modification of nonmetallic inclusions through the contact with CaO-Al2O3-MgO slags | |
CN111879784A (zh) | 钢材洁净度评价新方法 | |
WO2022064973A1 (ja) | 高疲労強度鋼の素材となる鋳片の清浄度評価方法及び高疲労強度鋼の製造方法 | |
Janis et al. | Application of pulse distribution analysis with optical emission spectroscopy (PDA/OES) method during production of duplex stainless steel | |
JP2004198145A (ja) | 金属中のCaO含有介在物の分析方法 | |
JP2012097344A (ja) | 脱硫不良判定方法 | |
Du et al. | Characterization of Nonmetallic Inclusions in Low‐Alloyed Steels Using Pulse Distribution Analysis Optical Emission Spectroscopy and Offline Investigation Methods | |
CN114636802B (zh) | 一种冶炼过程中钢水纯净度的检测方法 | |
JP5369909B2 (ja) | Zr添加鋼のノズル閉塞抑制方法および微細酸化物分散鋼の製造方法 | |
JPH09287015A (ja) | 鋼中有害介在物の微細化方法 | |
Babu et al. | Overview of application of automated SEM/EDS measurements for inclusion characterization in steelmaking | |
Roy et al. | Controlling surface entrapment | |
JP2000214142A (ja) | 超音波探傷による金属材料の清浄度評価方法 | |
Ferreira et al. | Analysis and verification of process variables as causes for macroinclusions and scrapping in a special steel melt shop | |
Collard et al. | Reoxidation of Liquid Steel during Casting: Observation of Non-Metallic Inclusions on Carbon Steel Samples | |
JP2020112498A (ja) | ステンレス鋼材のスラグスポット発生量の予測評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211102 |