CN115301747B - 一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法 - Google Patents
一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法 Download PDFInfo
- Publication number
- CN115301747B CN115301747B CN202211187380.5A CN202211187380A CN115301747B CN 115301747 B CN115301747 B CN 115301747B CN 202211187380 A CN202211187380 A CN 202211187380A CN 115301747 B CN115301747 B CN 115301747B
- Authority
- CN
- China
- Prior art keywords
- tracking
- cooling bed
- early warning
- information
- roller way
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B43/00—Cooling beds, whether stationary or moving; Means specially associated with cooling beds, e.g. for braking work or for transferring it to or from the bed
- B21B43/006—Transfer from bed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/78—Control of tube rolling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B43/00—Cooling beds, whether stationary or moving; Means specially associated with cooling beds, e.g. for braking work or for transferring it to or from the bed
- B21B43/04—Cooling beds comprising rolls or worms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Factory Administration (AREA)
- Control Of Conveyors (AREA)
Abstract
本发明提供一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法,通过该系统和方法,对每支钢管从冷床上线到冷床下线的物料位置信息进行跟踪,自动判断物料在运转过程中是否出现异常下线。同时还解决了由于物料异常占位、单工位双物料、宽辊道钢管运输掉队现象造成的生产事故。
Description
技术领域
本发明属于冶金行业、机器视觉技术应用领域,尤其涉及一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法。
背景技术
无缝钢管生产包括管坯准备及检查、管坯加热、穿孔、轧管、钢管再加热、定(减)径、冷床冷却、热处理、成品管矫直、精整、检验(无损、理化、台检)、入库等生产工序,任何环节出现故障都会影响到整个生产的正常进行。
无缝钢管物料逐支跟踪系统的主要目标是对每支坯料从上线到成品下线的全过程,通过高精度的在线识别技术和工业机器人技术的应用确保物料跟踪的精准;同时,运用先进的检测手段和数据管理平台,对原料状态、关键工艺和成品检测等数据进行采集,为实现产品质量管控和全线生产实绩统计管理提供数据支持。
无缝钢管生产过程中物料位置及流向的具有不确定性和复杂性,因而其物料逐支跟踪仅仅通过基础自动化的数据和人工记录实现管理难度非常大。尤其是在冷床区域,该区域有以下几个特点:
1.区域面积大;
2.钢管温度高;
3.钢管运动过程中,外表面与冷床接触摩擦;
4.钢管表面不能损伤;
5.钢管存在异常下线;
由于冷床区域具有以上特点,所以实现物料逐支跟踪的难度非常大。冷床区域物料温度高,使用物理标识的方法难以实现,比如:粘贴二维码标签、磁吸RFID、条码喷涂;无缝钢管表面不能损坏,激光刻标的方式也不可以采用;钢管存在异常下线的情况,仅仅通过基础自动化检测信号及物料逻辑跟踪的方式是无法自动判断钢管是否下线。
发明内容
本发明所要解决的技术问题是如何自动多目标识别跟踪冷床上钢管的物料位置信息;多目标识别跟踪方法主要目标是对每支钢管从冷床上线到冷床下线的物料位置信息进行跟踪,自动判断物料在运转过程中是否出现异常下线。同时还解决了由于物料异常占位、单工位双物料、宽辊道钢管运输掉队现象造成的生产事故。
本发明是通过如下技术方案来实现的:
一种基于多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,冷床区物料跟踪系统包括物料异常下线判断系统、单齿双物料预警系统、第一齿防堆料系统、出口辊道异常占位预警系统、下料倒臂防掉管预警系统、宽辊道组排物料掉队自动跟随系统和基础自动化系统,其中,所述物料异常下线判断系统,所述单齿双物料预警系统,所述第一齿防堆料系统,所述出口辊道异常占位预警系统,所述下料倒臂防掉管预警系统和所述宽辊道组排物料掉队自动跟随系统均具有视觉图像采集模块,用于识别与跟踪冷床区物料。
如前述的多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,所述视觉图像采集模块为多个工业相机。
如前述的多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,所述多个工业相机分别设置于各所述冷床的入口、出口、辊道、宽辊道和下料倒臂对应区域位置。
如前述的多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,所述对应区域位置布置至少两个工业相机。
一种基于多目标识别与跟踪的冷床区物料跟踪的方法,其特征在于,所述方法包括:物料异常下线判断、单齿双物料预警、第一齿防堆料、出口辊道异常占位预警、下料倒臂防掉管预警和宽辊道组排物料掉队自动跟随。
根据前述的方法,其特征在于,物料异常下线判断包括:1)通过工业相机进行图像采集,确认物料进入冷床区域的实际状态是否与逻辑跟踪信息的结果一致;2)冷床继续运行,每次步进动作以后,冷床入口、出口的四个所述工业相机进行图像采集,得到视觉检测信息;3)物料在冷床区域,根据图像采集结果和逻辑跟踪信息进行比对,在冷床区物料跟踪系统中进行分析判断剔料的信息。4)若无剔料现象,则继续逐支跟踪物料;若图像采集结果存在空齿,但逻辑跟踪信息表示有物料,则记录物料剔料信息,反馈至冷床区物料跟踪系统,并逐支跟踪物料;若图像采集结果有物料,而逻辑跟踪信息表示没有物料,则逐支跟踪出错,提醒进行人工干预,修正逻辑跟踪信息后,逐支跟踪物料。
根据前述的方法,其特征在于,所述单齿双物料预警,所述第一齿防堆料,所述出口辊道异常占位预警和所述下料倒臂防掉管预警是通过所述工业相机对所述冷床的对应区域进行视觉图像采集,并将所述视觉图像采集的信息反馈至所述冷床区物料跟踪系统,所述冷床区物料跟踪系统控制基础自动化系统执行相应操作。
根据前述的方法,其特征在于,所述宽辊道组排物料掉队自动跟随,包括对所述组排物料中各物料的至少一端部对齐。
根据前述的方法,其特征在于,所述组排物料的所述端部对齐包括通过宽辊道挡板自动或者手动对齐。
本发明的有益效果是,保证钢管在冷床上线和下线过程中自动跟踪识别,对钢管异常下线进行识别和判断,达到了物料逐支跟踪的目标,保证了钢管生产过程中的安全性,减少了故障排除时间,提高了生产效率。
附图说明
图1为本发明的为多目标识别与跟踪的冷床区物料跟踪系统应用示意图。
图2为本发明的物料异常下线判断流程图。
具体实施方式
下面结合实施例对本发明作进一步说明。
实施例
在无缝钢管生产过程中,冷床是不可或缺的辅助设备,它的作用是将经过轧制生产出来的无缝钢管进行冷却,一般在工厂中通常会采用多个冷床流水线生产模式。如图1所示,在对钢管冷却下料过程中,钢管会通过3个冷床进行冷却和下料收集,其中,3个冷床包括冷床一1#、冷床二2#和冷床三3#,其中,在冷床一1#入口A侧设置有第一辊道G1,在冷床一1#出口B和冷床二2#入口C侧设置有第二辊道G2,在冷床二2#出口D和冷床三3#入口E侧设置有第三辊道G3,在冷床三3#出口F侧,设置有下料倒臂23和宽辊道G4,宽辊道G4为双辊道;在每个冷床的入口和出口区域和每个辊道和下料倒臂23的对应区域,均设置有工业相机,用于采集对应区域的图像信息反馈至控制系统;控制系统包括物料异常下线判断系统,单齿双物料预警系统,第一齿防堆料系统,出口辊道异常占位预警系统,下料倒臂防掉管预警系统,宽辊道组排钢管掉队自动跟随系统以及基础自动化系统。
具体的,基于多目标识别与跟踪的冷床区物料跟踪方法包括:物料异常下线判断,单齿双物料预警,第一齿防堆料,出口辊道异常占位预警,下料倒臂防掉管预警,宽辊道组排钢管掉队自动跟随。
其中,物料异常下线判断通过物料异常下线判断系统实现,以在冷床一1#判断为例,在冷床二2#、冷床三3#的判断方式与冷床一1#的判断方式基本相同,如图1所示,在冷床一1#入口A和出口B的东西两侧(该东西两侧不代表地理意义上的东西方位,仅代指图1上的相对位置)各布置一台工业相机,共4台,即相机一1、相机二2、相机三3和相机四4;相机一1、相机二2的拍摄范围为冷床一1#入口三齿范围,相机三3、相机四4的拍照范围为1#号冷床出口三齿范围。根据齿距330mm计算,相机拍摄范围为1000mm。
在自动化生产无缝钢管时,通过基础自动化信号控制钢管的生产流程,以及通过逻辑跟踪信号,确定无缝钢管的生产信息,例如逻辑跟踪信号包括钢管型号、管径和生产顺序等信息。
以在冷床一1#区域,根据基础自动化信号及逻辑跟踪信息,确定当前钢管进入冷床一1#区域的物料信息;钢管在冷床一1#区间,如果出现剔料现象,则通过冷床出入口的视觉AI识别和逻辑跟踪信息比对的方式来进行自动判断,并给出预警。
如图2所示,物料异常下线判断流程如下:
1)通过工业相机进行图像采集,确认物料进入冷床区域的实际状态是否与逻辑跟踪信息的结果一致;
2)冷床继续运行,每次步进动作以后,冷床入口、出口的四个相机,即相机一1、相机二2、相机三3和相机四4进行图像采集,得到视觉检测信息;
3)钢管在冷床区域,根据图像采集结果和逻辑跟踪信息进行比对,在冷床区域视觉跟踪系统中进行分析判断剔料信息(即异常下线信息)。
4)若无剔料现象,则继续逐支跟踪钢管;若图像采集结果存在空齿,但逻辑跟踪信息表示有钢管,则记录钢管剔料信息,反馈至控制系统,并逐支跟踪钢管;若图像采集结果有钢管,而逻辑跟踪信息表示没有钢管,则逐支跟踪出错,提醒进行人工干预,修正逻辑跟踪信息后,逐支跟踪钢管。
在冷床二2#和冷床三3#区域内的物料异常下线判断与冷床一1#区域内的判断方式相同,分别通过设置在冷床二2#和冷床三3#的入口和出口处的相机五5、相机六6、相机七7、相机八8、相机九9、相机十10、相机十一11和相机十二12进行图像采集,获得视觉检测信息来判断是否存在物料异常下线。
单齿双物料预警是通过单齿双物料预警系统实现的,冷床区域在生产过程会出现单齿双物料的故障,如果出现该现象,会导致钢管在冷床步进过程中影响钢管质量;通过相机一1、相机二2、相机三3、相机四4、相机五5、相机六6、相机七7、相机八8、相机九9、相机十10、相机十一11、相机十二12对冷床前三齿和末三齿进行图像采集,在单齿双物料预警系统中进行分析判断,如果物料在上冷床后和下冷床前存在单齿双物料的现象,反馈至控制系统,控制系统向基础自动化系统发出预警提示,并采用人工干预的方式排除故障。
第一齿防堆料通过冷床第一齿防堆料系统实现,冷床第一齿在冷床运行的过程中,出现堆料现象(第一齿有料的情况下,回转臂再次动作,将下一支物料运输到已经有料的第一齿位置),造成这一现象的主要原因是检测元件安装位置不合适、检测元件失灵、检测元件断电等。冷床第一齿防堆料系统可以通过安装在冷床入口两侧的工业相机(相机一1、相机二2、相机五5、相机六6、相机九9、相机十10)进行图像采集,将清晰的图像传输至防堆料系统中进行处理,物料特征分析算法判断冷床入口第一齿是否存在物料。如果存在物料,则将信息反馈至控制系统,控制系统将禁止进料信息发送至基础自动化系统,以保证冷床第一齿不发生堆料故障。
出口辊道异常占位预警是通过出口辊道异常占位预警系统实现,冷床运行的过程中,出现冷床出口辊道异常占位现象(冷床出口辊道有料的情况下,回转臂再次动作,将冷床末齿的物料运输到已经有料的冷床输出辊道上),造成这一现象的主要原因是检测元件安装位置不合适、检测元件失灵、检测元件断电等。
冷床出口辊道异常占位预警系统可以通过安装在冷床出口辊道首尾的工业相机(相机十三13、相机十四14、相机十五15、相机十六16)进行图像采集,将清晰的图像传输至冷床出口辊道异常占位预警系统进行处理,物料特征分析算法判断冷床出口辊道是否存在物料。如果存在物料,则控制系统通过网络将禁止下料信息发送至基础自动化系统,以保证冷床出口辊道不发生异常占位故障。
下料倒臂防掉管预警是通过下料倒臂防掉管预警系统实现,主要应用于冷床三3#区域,该下料倒臂防掉管预警系统属于跨系统综合分析系统,是单齿双物料预警系统和出口辊道异常占位系统融合应用的功能模块,冷床三3#运行的过程中,在冷床三3#出口F出现单齿双物料或者下料倒臂异常占位现象(下料倒臂23有料的情况下,冷床再次步进,将冷床末齿的物料运输到已经有料的下料倒臂23上),造成这一现象的主要原因是检测元件安装位置不合适、检测元件失灵、检测元件断电等。该故障后会导致下料倒臂23出现掉管现象。
具体的,通过安装在冷床三3#末齿的工业相机(相机十二12、相机十一11)进行图像采集,将清晰的图像传输至冷床单齿双物料预警系统进行处理,物料特征分析算法判断3号冷床末齿是否存在单齿双物料现象。如果存在物料,则控制系统通过网络将禁止下料信息发送给基础自动化系统,并采取人工干预的方式排除故障;下料倒臂异常占位现象可以通过安装在下料倒臂两侧的工业相机(相机十七17、相机十八18)进行图像采集,将清晰的图像传输至冷床下料倒臂防掉管预警系统进行处理,物料特征分析算法判断冷床下料倒臂是否存在物料。如果存在物料,则控制系统通过网络将禁止下料信息发送给基础自动化系统,以保证冷床下料倒臂不发生异常占位故障。
宽辊道组排钢管掉队自动跟随是通过宽辊道组排钢管掉队自动跟随系统实现;多根钢管在宽辊道G4上运输过程中,形成组排钢管,组排钢管可能出现钢管掉队的现象(即组排钢管通过排管锯处理前,组排钢管中各钢管的至少一端部未对齐的现象),生产过程中的处理方法为由自动操作切换至手动操作后,宽辊道G4进行倒转,在宽辊道挡板处(图未示出,一般设置在宽辊道端部位置)进行组排钢管对齐后,组排钢管继续再前进至排管锯。
宽辊道组排钢管掉队自动跟随系统可以有效的预警掉队现象的发生,并且配合基础自动化控制,实现钢管掉队后自动跟随,恢复正常的生产。具体实现方法如下:
在宽辊道对应位置安装工业相机,如图1所示:相机十九19、相机二十20、相机二十一21、相机二十二22的所在位置。各辊道启动,工业相机开始拍照采集各辊道及钢管的现场实际图像,根据固定周期采集的照片,分析组排钢管中的钢管是否掉队,若发现钢管掉队,控制系统通过网络向基础自动化系统发出预警。控制模式分为自动跟随和手动跟踪两种模式,自动跟随模式下,宽辊道自动倒转,待钢管对齐后,再自动切换至宽辊道前进;手动跟随模式下,接受到预警信号后,通过人工干预,即操作工手动倒转辊道对齐钢管,在进行宽辊道前进操作。
宽辊道组排钢管掉队自动跟随系统具有设置掉队预警距离、自动跟随次数等功能;系统根据钢管长度、布料方式等自动调整参数,同时具备手动设置功能,手动设置权限高于自动设置权限。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本领域的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本领域内普通的技术人员的简单更改和替换都是本发明的保护范围之内。
Claims (9)
1.一种基于多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,冷床区物料跟踪系统包括物料异常下线判断系统、单齿双物料预警系统、第一齿防堆料系统、出口辊道异常占位预警系统、下料倒臂防掉管预警系统、宽辊道组排物料掉队自动跟随系统和基础自动化系统,其中,所述物料异常下线判断系统、所述单齿双物料预警系统、所述第一齿防堆料系统、所述出口辊道异常占位预警系统、所述下料倒臂防掉管预警系统和所述宽辊道组排物料掉队自动跟随系统均具有视觉图像采集模块,用于识别与跟踪冷床区物料,其中所述物料异常下线判断系统包括判断物料进入冷床区域的实际状态是否与逻辑跟踪信息的结果一致。
2.如权利要求1所述的多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,所述视觉图像采集模块为多个工业相机。
3.如权利要求2所述的多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,所述多个工业相机分别设置于各所述冷床的入口、出口、辊道、宽辊道和下料倒臂对应区域位置。
4.如权利要求3所述的多目标识别与跟踪的冷床区物料跟踪系统,其特征在于,所述对应区域位置布置至少两个工业相机。
5.一种基于多目标识别与跟踪的冷床区物料跟踪的方法,其特征在于,所述方法包括:物料异常下线判断、单齿双物料预警、第一齿防堆料、出口辊道异常占位预警、下料倒臂防掉管预警和宽辊道组排物料掉队自动跟随,所述物料异常下线判断还包括判断物料进入冷床区域的实际状态是否与逻辑跟踪信息的结果一致,其中,所述方法通过权利要求1所述的基于多目标识别与跟踪的冷床区物料跟踪系统来执行。
6.根据权利要求5中所述的方法,其特征在于,物料异常下线判断包括:1)通过工业相机进行图像采集,确认物料进入冷床区域的实际状态是否与逻辑跟踪信息的结果一致;2)冷床继续运行,每次步进动作以后,冷床入口、出口的四个所述工业相机进行图像采集,得到视觉检测信息;3)物料在冷床区域,根据图像采集结果和逻辑跟踪信息进行比对,在冷床区物料跟踪系统中进行分析判断剔料的信息;4)若无剔料现象,则继续逐支跟踪物料;若图像采集结果存在空齿,但逻辑跟踪信息表示有物料,则记录物料剔料信息,反馈至冷床区物料跟踪系统,并逐支跟踪物料;若图像采集结果有物料,而逻辑跟踪信息表示没有物料,则逐支跟踪出错,提醒进行人工干预,修正逻辑跟踪信息后,逐支跟踪物料。
7.根据权利要求5中所述的方法,其特征在于,所述单齿双物料预警、所述第一齿防堆料、所述出口辊道异常占位预警和所述下料倒臂防掉管预警是通过工业相机对所述冷床的对应区域进行视觉图像采集,并将所述视觉图像采集的信息反馈至所述冷床区物料跟踪系统,所述冷床区物料跟踪系统控制基础自动化系统执行相应操作。
8.根据权利要求5中所述的方法,其特征在于,所述宽辊道组排物料掉队自动跟随,包括对所述组排物料中各物料的至少一端部对齐。
9.根据权利要求8中所述的方法,其特征在于,所述组排物料的端部对齐包括通过宽辊道挡板自动或者手动对齐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211187380.5A CN115301747B (zh) | 2022-09-28 | 2022-09-28 | 一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211187380.5A CN115301747B (zh) | 2022-09-28 | 2022-09-28 | 一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115301747A CN115301747A (zh) | 2022-11-08 |
CN115301747B true CN115301747B (zh) | 2023-01-10 |
Family
ID=83866654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211187380.5A Active CN115301747B (zh) | 2022-09-28 | 2022-09-28 | 一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115301747B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116760955B (zh) * | 2023-08-18 | 2023-10-31 | 张家港保税区恒隆钢管有限公司 | 一种用于无缝钢管生产的信息跟踪系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103978050B (zh) * | 2014-05-29 | 2016-03-09 | 北京佰能电气技术有限公司 | 一种冷床布料方法 |
CN109894481B (zh) * | 2019-03-07 | 2020-08-21 | 阳春新钢铁有限责任公司 | 连轧生产线冷床物料跟踪方法、装置、系统以及介质 |
CN210386980U (zh) * | 2019-08-29 | 2020-04-24 | 福建三钢闽光股份有限公司 | 一种基于机器视觉的冷床智能控制系统 |
CN112037194B (zh) * | 2020-08-31 | 2023-04-07 | 中冶赛迪信息技术(重庆)有限公司 | 一种冷床乱钢检测方法、系统、设备及介质 |
CN112182797B (zh) * | 2020-09-11 | 2022-07-05 | 新兴铸管股份有限公司 | 一种连铸冷床钢坯跟踪方法 |
CN216501541U (zh) * | 2021-11-26 | 2022-05-13 | 陕西龙门钢铁有限责任公司 | 一种钢坯识别系统 |
CN114669594B (zh) * | 2022-04-19 | 2023-04-28 | 新兴铸管股份有限公司 | 一种钢材物料信息的自动跟踪系统及跟踪方法 |
-
2022
- 2022-09-28 CN CN202211187380.5A patent/CN115301747B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115301747A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115301747B (zh) | 一种基于多目标识别与跟踪的冷床区物料跟踪系统和方法 | |
DE4122037B4 (de) | Fertigungsvorrichtung | |
CN107282835B (zh) | 工业机器人智能锻造线系统的控制方法及应用 | |
US6257034B1 (en) | System and method for preventing scale defects during hot rolling | |
CN109332626A (zh) | 连铸坯热送直轧自动出坯设备与方法 | |
US4397384A (en) | Manufacturing system and transport assembly | |
US4452061A (en) | Seamless steel pipe manufacturing installation | |
CN115318845B (zh) | 一种热轧无缝钢管全流程物料逐支跟踪的方法和系统 | |
CN112077150B (zh) | 一种有效减少长材生产线切废的控制方法 | |
CN110479924B (zh) | 大型环锻件流水线式制造方法 | |
CN116660268A (zh) | 一种led芯片集成固晶的外观检测方法及装置 | |
CN115007822B (zh) | 冷床自动翻坯推坯系统 | |
CN113682766B (zh) | 一种机器人扫码输送线检测方法、系统、装置及存储介质 | |
CN117539210B (zh) | 一种融合机器视觉与过程控制的跟踪方法 | |
CA1321840C (en) | Real time process control using multiple communication networks | |
CN208654852U (zh) | 一种通过排纹识别生产加工的铜排生产线 | |
CN116851465A (zh) | 一种粗轧自动转钢控制方法 | |
JP2022542939A (ja) | 移床の状態監視 | |
AU721286B2 (en) | Method and system for suppressing formation of scale defects during hot finish rolling | |
CN113857270B (zh) | 一种冷床上钢板传送故障的监控系统、方法及应用 | |
EP3985466B1 (de) | Anlage der hüttenindustrie und verfahren zum betreiben einer anlage der hüttenindustrie | |
CN113909297B (zh) | 超薄耐腐蚀热轧带钢轧制成型方法 | |
CN219170139U (zh) | 托辊生产设备 | |
CN114653762B (zh) | 高速线材头部水冷控冷方法及控冷系统 | |
CN112439796B (zh) | 一种基于大数据分析的轧制力自动判定方法 |
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 |