CN113701652A - 一种钢卷内径智能高精度检测及缺陷诊断系统 - Google Patents
一种钢卷内径智能高精度检测及缺陷诊断系统 Download PDFInfo
- Publication number
- CN113701652A CN113701652A CN202111113518.2A CN202111113518A CN113701652A CN 113701652 A CN113701652 A CN 113701652A CN 202111113518 A CN202111113518 A CN 202111113518A CN 113701652 A CN113701652 A CN 113701652A
- Authority
- CN
- China
- Prior art keywords
- inner diameter
- steel coil
- detection
- standard
- image
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 155
- 239000010959 steel Substances 0.000 title claims abstract description 155
- 238000001514 detection method Methods 0.000 title claims abstract description 133
- 238000003745 diagnosis Methods 0.000 title claims abstract description 76
- 230000007547 defect Effects 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000012821 model calculation Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 44
- 238000009413 insulation Methods 0.000 claims description 27
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 9
- 230000017525 heat dissipation Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000003754 machining Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
- G01B11/12—Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种钢卷内径智能高精度检测及缺陷诊断系统,属于冶金行业卷材检测技术领域。本发明包括钢卷内径检测模块和钢卷内径缺陷诊断模块,通过图像获取单元对待测钢卷的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块进行缺陷诊断处理。本发明目的在于克服现有的现场钢卷内径检测精度低、难以进行在线缺陷诊断等的不足,拟提出了一种钢卷内径智能高精度检测及缺陷诊断系统,不仅能够无接触、高精度地在线检测钢卷内径,还能够在线诊断钢卷内径缺陷特征。
Description
技术领域
本发明涉及冶金行业卷材检测技术领域,更具体地说,涉及一种钢卷内径智能高精度检测及缺陷诊断系统。
背景技术
在冶金行业,卷取机卷取钢卷过程中,若发生卷取机芯轴扇形瓦松动、助卷机辊缝偏差过大等情况,则易导致钢卷内圈松散或内径偏小,无法满足开卷机芯轴直径的要求。若钢卷在上开卷机时,才发现其内径偏小,导致无法正常开卷,则直接会影响钢厂的正常生产节奏,降低生产效率,增大产品成本。这是目前众多钢厂亟需解决的现场问题。
当前,针对钢卷内径偏小的情况,现场通常采用的做法是人工采用盒尺方式完成测量,这种测量方式存在以下几点问题:(1)溯源性差:人工进行钢坯内径检测,需要在钢坯加工完成后实现。该检测属于离线完成,难以追溯钢坯在各加工环节的关键操作参数,更无法完成这些关键操作参数对钢坯内径的影响分析。(2)检测精度低:每次检测,无法保证测量位置正好落在内径直径上,即使落在直径上,也不能保证所测位置为直径最小处;而且,不同的测量人员对检测设备的熟练程度存在差异。因此,人工测量精度较低。(3)效率低:采用人工方式进行检测,工作量巨大,效率低下。因此,钢卷内径人工盒尺检测方式已经完全不适应现代化的生产模式。
经检索,关于钢卷内径测量方面的研究,已有专利文献公开,如中国专利文献,公开号为CN206095113U,公开了一种热轧钢卷内径检测装置,装置结构为带有刻度的圆筒、固定梁、活动梁、过渡板及圆轮。该专利方案首先测量最大距离值A,然后通过收缩,将两圆轮均收缩至钢卷内圈,记收缩量为B,即可测得钢卷内径D=A-B。不足之处是钢卷卷取温度一般在600℃左右,此装置无法进行钢卷的在线测量,影响发货及时性。且其通过圆轮在钢卷内圈旋转接触式测量,不仅测量精度较低,而且钢卷易出现压痕等,影响卷材产品的质量。
又如中国专利文献,公开号为CN206540501U,公开了一种手持式热轧钢钢卷内径测量装置,装置结构为测量杆、水平移动杆、传动机构及滑动杆。其不足之处是该装置仍是手持接触式测量,测量精度较低,且需待钢卷冷却后方可进行测量。
综上所述,目前现场人工盒尺测量方式以及现有专利方案,均存在较明显的局限性。如何设计出一套既能在线高精度检测钢卷内径,又能在线诊断钢卷内径缺陷特征的系统,成为亟待解决的技术问题。
发明内容
1.发明要解决的技术问题
本发明目的在于克服现有的现场钢卷内径检测精度低、难以进行在线缺陷诊断等的不足,拟提出了一种钢卷内径智能高精度检测及缺陷诊断系统,不仅能够无接触、高精度地在线检测钢卷内径,还能够在线诊断钢卷内径缺陷特征,建立标准参数库与出具诊断报告。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种钢卷内径智能高精度检测装置,包括隔热箱,隔热箱为一侧设有敞口的箱体结构,其中隔热箱内部安装有检测箱,检测箱内靠近隔热箱敞口的一侧壁上安装有智能机器视觉传感器,检测箱的底部通过支架固定在隔热箱底部。
作为本发明更进一步的改进,隔热箱的顶部为隔热箱上面板,隔热箱上面板上均匀间隔开设有多排多列的第一散热孔。
作为本发明更进一步的改进,隔热箱和检测箱均采用耐热、耐高温材料所制。
作为本发明更进一步的改进,检测箱的顶部为检测箱上面板,检测箱上面板上均匀间隔开设有多排多列的第二散热孔;检测箱的底部为检测箱下面板,检测箱下面板上设置有多个散热风扇。
一种钢卷内径智能高精度检测装置的检测及缺陷诊断系统,包括钢卷内径检测模块和钢卷内径缺陷诊断模块,其中钢卷内径检测模块包括图像获取单元、图像处理单元及模型计算单元,钢卷内径缺陷诊断模块包括指标判断单元、标准参数库创建单元及诊断报告输出单元,通过图像获取单元对待测钢卷的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块进行缺陷诊断处理,钢卷内径缺陷诊断模块用于在线诊断钢卷内径的缺陷特征,建立标准操作参数库以及出具诊断报告。
一种钢卷内径智能高精度检测及缺陷诊断系统的检测诊断方法,包括以下操作步骤:
S1:内径检测:将检测装置固定在检测工位上,检测装置开启,进入钢卷内径检测模块,通过图像获取单元对待测钢卷的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块;
作为本发明更进一步的改进,步骤S1中模型计算单元的计算处理过程是将钢卷内径图像进行边缘特征提取,得到钢卷内径轮廓圆上的多个点P的坐标值(Xi,Yi),(i=1,2,3…,n),利用最小二乘法建立以下计算模型:
其中(a,b)和R分别为最小二乘法拟合圆的圆心坐标和半径,利用公式1-1,解得拟合圆的圆心坐标(a,b)以及拟合圆半径R。
S2:缺陷诊断:将钢卷内径检测模块计算得到的各项指标数据与标准数据库内的数据进行一一比对分析,判断检测得到的各项指标数据是否符合标准指标;
作为本发明更进一步的改进,步骤S2中钢卷内径检测模块中将所提取图像的钢卷内径轮廓圆上离拟合圆圆心坐标(a,b)最远点和最近点的坐标分别设为(Xmax,Ymax),(Xmin,Ymin),圆度误差Re表示为:
若待测钢卷的圆度误差Re≤R0,则认为钢卷内径指标及圆度指标符合标准指标;若待测钢卷的圆度误差Re>R0,则认为钢卷内径指标和圆度指标不符合标准指标,其中R0为钢卷标准内径圆度指标。
S3:出具诊断报告:若上述各项数据符合标准指标,则采集并保存钢坯加工过程中的关键操作参数并加以修正后,创建钢坯各加工过程关键操作的标准关键操作参数库;若上述各项数据不符合标准指标,则同样采集并保存钢坯加工过程中的关键操作参数,并将这些参数与标准关键操作参数库中的参数进行一一比对分析,最后出具诊断报告。
作为本发明更进一步的改进,所述诊断报告包括第一输出机制与第二输出机制,其中第一输出机制包括输出钢坯各加工过程中符合标准关键操作参数库的几项数值;第二输出机制包括输出钢坯加工过程中不符合标准关键操作参数库的某项或某几项数值,并计算不符合的某项或某几项数值与其对应的标准参数值的偏离度,同时给出调整控制建议。
作为本发明更进一步的改进,标准关键操作参数库包括钢卷加工过程中粗轧、精轧、层流冷却以及卷取过程中相关工艺参数的数据指标。
3.有益效果
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
(1)本发明的一种钢卷内径智能高精度检测装置,通过智能机器视觉传感器内置在双层箱体内部,不仅能够在高温环境下,实现对钢卷快速有效、且无接触式地钢卷内径的高精度检测,还能够判定钢卷的内径指标。
(2)本发明的一种钢卷内径智能高精度检测装置的检测及缺陷诊断系统,能够实现钢卷快速有效、且无接触式地高精度检测,显著提高了操作安全性;同时通过建立钢卷内径值及圆度的评价模型,将内径检测结果与钢坯加工过程中的关键操作参数建立联系,并据此创建标准操作参数库,同时出具诊断报告,具有很强可溯源性。整个过程操作简单,系统高度智能化、自动化,将内径检测与缺陷诊断融合为一套系统,在该领域尚属首例,适宜推广应用。
附图说明
图1是本发明的一种钢卷内径智能高精度检测及缺陷诊断系统的结构示意图;
图2是本发明中隔热箱上面板的结构示意图;
图3是本发明中检测箱上面板的结构示意图;
图4是本发明中检测箱下面板的结构示意图;
图5是本发明中钢卷内径检测模块的流程示意图;
图6是本发明的一种钢卷内径智能高精度检测及缺陷诊断系统流程示意图;
图7是本发明中钢卷内径模型计算单元原理图。
示意图中的标号说明:
100、隔热箱;110、隔热箱上面板;111、第一散热孔;200、检测箱;210、智能机器视觉传感器;220、检测箱上面板;221、第二散热孔;230、检测箱下面板;231、散热风扇;300、支架;400、钢卷;500、钢卷内径轮廓圆。
具体实施方式
为进一步了解本发明的内容,结合附图对本发明作详细描述。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
下面结合实施例对本发明作进一步的描述。
实施例1
结合图1-图4所示,本实施例的一种钢卷内径智能高精度检测装置,包括设置在待测工位的隔热箱100,隔热箱100为一侧设有敞口的箱体结构,具体地,如图1所示,本实施例中隔热箱100为右侧边未封闭的五面体结构,隔热箱100的右侧敞口处右侧为待测的钢卷400。其中隔热箱100内部安装有检测箱200,检测箱200内靠近隔热箱100敞口的一侧壁上安装有智能机器视觉传感器210,该智能机器视觉传感器210具有能够对钢卷400内径进行图像获取、图像处理及模型计算的功能,所述智能机器视觉传感器210为现有技术,在此不再赘述。本实施例中钢卷400的内径图像由智能机器视觉传感器210自带的摄像头拍摄得到;图像处理包括对拍摄的钢卷400内径图像进行去噪和边缘特征提取等过程;模型计算包括利用设计的内径指标检测算法计算钢卷400的内径值和圆度等指标,内径指标的检测算法通过编写相应的编程程序,将其设置在智能机器视觉传感器210的处理器内,使得智能机器视觉传感器210能够根据所拍摄处理后的钢卷400内径图像进行钢卷400的内径值和圆度等指标的计算。通过智能机器视觉传感器210内置在双层箱体内部,不仅能够在高温环境下,实现对钢卷400快速有效、且无接触式地钢卷400内径的高精度检测,还能够判定钢卷400的内径指标(即钢卷400的内径值和圆度指标),有效提高了检测效率和检测精度。
本实施例中检测箱200的底部通过支架300固定在隔热箱100底部,由于检测装置所处区域环境复杂、温度较高。所以,需要对检测装置进行必要的隔热、冷却及保护措施。具体地,本实施例中隔热箱100的顶部为隔热箱上面板110,隔热箱上面板110上均匀间隔开设有多排多列的第一散热孔111,能够有效降低隔热箱100的内部温度,保证其内部的智能机器视觉传感器210能够在高温条件下正常工作。如图3和图4所示,本实施例中检测箱200的顶部为检测箱上面板220,检测箱上面板220上均匀间隔开设有多排多列的第二散热孔221;检测箱200的底部为检测箱下面板230,检测箱下面板230上设置有多个散热风扇231。检测箱200顶部的第二散热孔221以及底部散热风扇231的设计,能够起到有效降温冷却的作用,进一步保证了智能机器视觉传感器210的正常工作。此外,本实施例中隔热箱100和检测箱200所用材料均采用耐热、耐高温材料,隔热、冷却措施的设计,保证了检测设备的安全、稳定、可靠地运行。
本实施例的一种钢卷内径智能高精度检测装置的检测及缺陷诊断系统,包括钢卷内径检测模块和钢卷内径缺陷诊断模块,其中钢卷内径检测模块主要是指检测装置,其用于检测钢卷内径各项指标值,钢卷内径检测模块包括图像获取单元、图像处理单元及模型计算单元,钢卷内径缺陷诊断模块则主要指钢厂的PLC控制中心,其包括指标判断单元、标准参数库创建单元及诊断报告输出单元。通过图像获取单元对待测钢卷400的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷400内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷400内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块进行缺陷诊断处理,即检测装置中的智能机器视觉传感器210的处理器与钢厂的PLC控制中心相连,能够将智能机器视觉传感器210计算得到的钢卷400的内径值和圆度指标上传至钢厂的PLC控制中心进行缺陷诊断处理,钢卷内径缺陷诊断模块是在钢厂的PLC控制中心设置的一个单独的诊断模块,主要用于在线诊断钢卷400内径的缺陷特征,建立标准操作参数库以及出具诊断报告。
本实施例的一种钢卷内径智能高精度检测及缺陷诊断系统的检测诊断方法,包括以下操作步骤:
S1:内径检测:将检测装置固定在检测工位上,检测装置开启,进入钢卷内径检测模块,通过检测装置的图像获取单元(即智能机器视觉传感器210自带的摄像头)对待测钢卷400的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷400内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷400内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块,本实施例中模型计算单元计算得到的各项指标数据主要指钢卷400的内径值和圆度指标。通过智能机器视觉传感器210,可在高温环境下,对钢卷400内径实施非接触式在线检测,有效保证了检测装置的使用安全。
其中,模型计算单元的计算处理过程是将钢卷内径图像进行边缘特征提取,得到钢卷内径轮廓圆500上的多个点P的坐标值(Xi,Yi),(i=1,2,3…,n),利用最小二乘法建立以下计算模型:
其中(a,b)和R分别为最小二乘法拟合圆的圆心坐标和半径,利用公式1-1,解得拟合圆的圆心坐标(a,b)以及拟合圆半径R。
S2:缺陷诊断:将钢卷内径检测模块计算得到的各项指标数据与标准数据库内的数据进行一一比对分析,判断检测得到的各项指标数据是否符合标准指标,具体地,本实施例中指标判断单元核心是计算得到的钢卷400的内径值和圆度指标与标准数据库内的标准指标进行一一对比判断的机制,将内径检测模块计算得到的钢卷400的内径值和圆度指标上传至钢厂的PLC控制中心的标判断单元,与标准指标对比分析,诊断是否存在缺陷。
其中,钢卷内径检测模块中将所提取图像的钢卷内径轮廓圆500上离拟合圆圆心坐标(a,b)最远点和最近点的坐标分别设为(Xmax,Ymax),(Xmin,Ymin),圆度误差Re表示为:
对于任一待测钢卷内径的圆度误差,若待测钢卷的圆度误差Re<R0,则认为钢卷内径指标及圆度指标符合标准指标;若待测钢卷的圆度误差Re>R0,则认为钢卷内径指标和圆度指标不符合标准指标,其中R0为钢卷标准内径圆度指标。
S3:出具诊断报告:若上述各项数据符合标准指标,则采集并保存钢坯加工过程中的关键操作参数并加以修正后,创建钢坯各加工过程关键操作的标准关键操作参数库,其中钢坯加工过程中的关键操作主要是指粗轧、精轧、层流冷却和卷取四大操作步骤,采集粗轧、精轧、层流冷却和卷取四大操作步骤中相对应的关键操作参数数据。
若上述各项数据不符合标准指标,则同样采集并保存钢坯加工过程中的关键操作参数,并将这些参数与标准关键操作参数库中的参数进行一一比对分析,最后出具诊断报告。所述诊断报告包括第一输出机制与第二输出机制,其中第一输出机制包括输出钢坯各加工过程中符合标准关键操作参数库的几项数值;第二输出机制包括输出钢坯加工过程中不符合标准关键操作参数库的某项或某几项数值,并计算不符合的某项或某几项数值与其对应的标准参数值的偏离度,同时给出调整控制建议;其中第一输出机制和第二输出机制的标准关键操作参数库包括钢卷加工过程中粗轧、精轧、层流冷却以及卷取等过程中相关工艺参数的数据指标,最后结合第一输出机制与第二输出机制,综合出具最终的诊断报告。本实施例能够实现钢卷400快速有效、且无接触式地高精度检测,显著提高了操作安全性;同时通过建立钢卷400内径值及圆度的评价模型,将内径检测结果与钢坯加工过程中的关键操作参数建立联系,并据此创建标准操作参数库,同时出具诊断报告,具有很强可溯源性。整个过程操作简单,系统高度智能化、自动化,将内径检测与缺陷诊断融合为一套系统,在该领域尚属首例,适宜推广应用。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (10)
1.一种钢卷内径智能高精度检测装置,其特征在于:包括隔热箱(100),隔热箱(100)为一侧设有敞口的箱体结构,其中隔热箱(100)内部安装有检测箱(200),检测箱(200)内靠近隔热箱(100)敞口的一侧壁上安装有智能机器视觉传感器(210),检测箱(200)的底部通过支架(300)固定在隔热箱(100)底部。
2.根据权利要求1所述的一种钢卷内径智能高精度检测装置,其特征在于:隔热箱(100)的顶部为隔热箱上面板(110),隔热箱上面板(110)上均匀间隔开设有多排多列的第一散热孔(111)。
3.根据权利要求1所述的一种钢卷内径智能高精度检测装置,其特征在于:隔热箱(100)和检测箱(200)均采用耐热、耐高温材料所制。
4.根据权利要求2所述的一种钢卷内径智能高精度检测装置,其特征在于:检测箱(200)的顶部为检测箱上面板(220),检测箱上面板(220)上均匀间隔开设有多排多列的第二散热孔(221);检测箱(200)的底部为检测箱下面板(230),检测箱下面板(230)上设置有多个散热风扇(231)。
5.采用权利要求1-4任一一项所述的一种钢卷内径智能高精度检测装置的检测及缺陷诊断系统,其特征在于:包括钢卷内径检测模块和钢卷内径缺陷诊断模块,其中钢卷内径检测模块包括图像获取单元、图像处理单元及模型计算单元,钢卷内径缺陷诊断模块包括指标判断单元、标准参数库创建单元及诊断报告输出单元,通过图像获取单元对待测钢卷(400)的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷(400)内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷(400)内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块进行缺陷诊断处理,钢卷内径缺陷诊断模块用于在线诊断钢卷(400)内径的缺陷特征,建立标准操作参数库以及出具诊断报告。
6.根据权利要求5所述的一种钢卷内径智能高精度检测及缺陷诊断系统的检测诊断方法,其特征在于:包括以下操作步骤:
S1:内径检测:将检测装置固定在热态检测工位上,检测装置开启,进入钢卷内径检测模块,通过图像获取单元对待测钢卷(400)的内径图像进行拍摄后,图像处理单元对所拍摄的钢卷(400)内径图像进行去噪和边缘特征提取处理后,再通过模型计算单元计算处理后的钢卷(400)内径图像的各项指标,并将计算得到的各项指标数据上传至钢卷内径缺陷诊断模块;
S2:缺陷诊断:将钢卷内径检测模块计算得到的各项指标数据与标准数据库内的数据进行一一比对分析,判断检测得到的各项指标数据是否符合标准指标;
S3:出具诊断报告:若上述各项数据符合标准指标,则采集并保存钢坯加工过程中的关键操作参数并加以修正后,创建钢坯各加工过程关键操作的标准关键操作参数库;若上述各项数据不符合标准指标,则同样采集并保存钢坯加工过程中的关键操作参数,并将这些参数与标准关键操作参数库中的参数进行一一比对分析,最后出具诊断报告。
7.根据权利要求6所述的一种钢卷内径智能高精度检测及缺陷诊断系统的检测诊断方法,其特征在于:所述诊断报告包括第一输出机制与第二输出机制,其中第一输出机制包括输出钢坯各加工过程中符合标准关键操作参数库的几项数值;第二输出机制包括输出钢坯加工过程中不符合标准关键操作参数库的某项或某几项数值,并计算不符合的某项或某几项数值与其对应的标准参数值的偏离度,同时给出调整控制建议。
8.根据权利要求7所述的一种钢卷内径智能高精度检测及缺陷诊断系统的检测诊断方法,其特征在于:所述标准关键操作参数库包括钢卷加工过程中粗轧、精轧、层流冷却以及卷取过程中相关工艺参数的数据指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111113518.2A CN113701652B (zh) | 2021-09-23 | 2021-09-23 | 一种钢卷内径智能高精度检测及缺陷诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111113518.2A CN113701652B (zh) | 2021-09-23 | 2021-09-23 | 一种钢卷内径智能高精度检测及缺陷诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113701652A true CN113701652A (zh) | 2021-11-26 |
CN113701652B CN113701652B (zh) | 2024-06-07 |
Family
ID=78661519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111113518.2A Active CN113701652B (zh) | 2021-09-23 | 2021-09-23 | 一种钢卷内径智能高精度检测及缺陷诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113701652B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI806780B (zh) * | 2022-09-28 | 2023-06-21 | 中國鋼鐵股份有限公司 | 深度檢測與補償系統與方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140713A (ja) * | 2000-11-02 | 2002-05-17 | Omron Corp | 画像処理方法およびその装置 |
CN103207185A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 钢卷端部质量检测系统及方法 |
CN110118784A (zh) * | 2019-06-20 | 2019-08-13 | 山西大数据产业发展有限公司 | 基于机器视觉的钢卷表面质量缺陷检测系统 |
CN110160462A (zh) * | 2019-05-08 | 2019-08-23 | 北京理工大学 | 一种大型深孔零件镗削过程圆度与直线度的检测方法 |
CN110245663A (zh) * | 2019-06-26 | 2019-09-17 | 上海电器科学研究所(集团)有限公司 | 一种用于钢卷信息识别的方法 |
CN112508855A (zh) * | 2020-11-16 | 2021-03-16 | 无锡英特派金属制品有限公司 | 一种铱坩埚卷圆过程中的圆度判断方法 |
CN213455351U (zh) * | 2020-09-30 | 2021-06-15 | 涟源钢铁集团有限公司 | 钢卷内径测量机构 |
-
2021
- 2021-09-23 CN CN202111113518.2A patent/CN113701652B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140713A (ja) * | 2000-11-02 | 2002-05-17 | Omron Corp | 画像処理方法およびその装置 |
CN103207185A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 钢卷端部质量检测系统及方法 |
CN110160462A (zh) * | 2019-05-08 | 2019-08-23 | 北京理工大学 | 一种大型深孔零件镗削过程圆度与直线度的检测方法 |
CN110118784A (zh) * | 2019-06-20 | 2019-08-13 | 山西大数据产业发展有限公司 | 基于机器视觉的钢卷表面质量缺陷检测系统 |
CN110245663A (zh) * | 2019-06-26 | 2019-09-17 | 上海电器科学研究所(集团)有限公司 | 一种用于钢卷信息识别的方法 |
CN213455351U (zh) * | 2020-09-30 | 2021-06-15 | 涟源钢铁集团有限公司 | 钢卷内径测量机构 |
CN112508855A (zh) * | 2020-11-16 | 2021-03-16 | 无锡英特派金属制品有限公司 | 一种铱坩埚卷圆过程中的圆度判断方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI806780B (zh) * | 2022-09-28 | 2023-06-21 | 中國鋼鐵股份有限公司 | 深度檢測與補償系統與方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113701652B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104084426B (zh) | 基于热轧工艺控制的冷轧产品板型控制系统 | |
CN107442757A (zh) | 一种连铸坯定重定尺切割方法 | |
CN101657277A (zh) | 用于对连续铸造板坯上的表面缺陷进行识别和分类的方法 | |
KR101622444B1 (ko) | 조강재의 형상 검사 장치 및 조강재의 형상 검사 방법 | |
CN111666653B (zh) | 一种带钢精轧模型设定精度的在线评判方法 | |
CN113701652A (zh) | 一种钢卷内径智能高精度检测及缺陷诊断系统 | |
Feng et al. | Online defect detection method and system based on similarity of the temperature field in the melt pool | |
CN109013717B (zh) | 一种热连轧中间坯心部温度计算方法 | |
CN107063116A (zh) | 一种测量热轧钢卷卷形的装置 | |
CN100552371C (zh) | 一种热轧板坯镰刀弯及跑偏在线检测的方法 | |
RU2386504C2 (ru) | Способ и устройство для контроля технологического процесса изготовления горячим способом труб из стали | |
CN108655203A (zh) | 热连轧带钢镰刀弯缺陷的快速识别和监控方法 | |
CN114964024B (zh) | 一种钢管测量装置 | |
EP1329709B1 (en) | Method to detect defects in the shape of a rolled product and relative device | |
CN114486913A (zh) | 一种钢卷边部几何特征的检测方法 | |
WO2019184560A1 (zh) | 基于视觉系统的滚压包边质量检测方法及系统 | |
KR102204434B1 (ko) | 표면 결함 검사 장치 및 검사 방법 | |
CN205451374U (zh) | 工业安全检测的预警系统 | |
Husmann et al. | Use of image processing to evaluate radial-axial rolled rings | |
Supriadi et al. | Real-time monitoring system of dieless bellows forming using machine vision | |
CN102706280A (zh) | 一种基于激光测量的自动定心方法 | |
Li et al. | Research on straightness detection of steel strip edge based on machine vision | |
CN216246834U (zh) | 一种母线槽内部红外测温装置 | |
US20120283864A1 (en) | Automated cast coil evaluation system | |
TWI569231B (zh) | Detection Method of Industrial Safety Early Warning System |
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 |