CN116685419A - 异常检测装置以及异常检测方法 - Google Patents
异常检测装置以及异常检测方法 Download PDFInfo
- Publication number
- CN116685419A CN116685419A CN202180090360.3A CN202180090360A CN116685419A CN 116685419 A CN116685419 A CN 116685419A CN 202180090360 A CN202180090360 A CN 202180090360A CN 116685419 A CN116685419 A CN 116685419A
- Authority
- CN
- China
- Prior art keywords
- value
- abnormality
- luminance data
- rolling
- region
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 132
- 238000001514 detection method Methods 0.000 title claims abstract description 95
- 238000005096 rolling process Methods 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 66
- 230000002159 abnormal effect Effects 0.000 claims abstract description 51
- 238000005286 illumination Methods 0.000 claims description 28
- 229910052751 metal Inorganic materials 0.000 claims description 20
- 239000002184 metal Substances 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 abstract description 53
- 238000007796 conventional method Methods 0.000 abstract 1
- 235000019557 luminance Nutrition 0.000 description 61
- 238000000034 method Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000001125 extrusion Methods 0.000 description 8
- 238000003825 pressing Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
- B21B1/24—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length in a continuous or semi-continuous process
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
- G01N2021/8918—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Textile Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
异常检测装置为用于检测由轧机轧制的被轧制材料(1)的表面的轧制异常的装置，其具备：拍摄作为异常的检测对象的被轧制材料(1)的摄像头(81、82)；以及图像处理部(92)，其根据由摄像头(81、82)拍摄到的图像将被轧制材料(1)的范围内的像素的亮度数据分成R值、G值、B值这三种成分，并基于各成分的亮度数据中的、两种成分的亮度数据的关系性，检测表面的轧制异常。由此，提供与以往相比能够提高板的轧制异常检测精度的异常检测装置以及异常检测方法。
Description
技术领域
本发明涉及异常检测装置以及异常检测方法。
背景技术
在生产线中，作为准确地求出无瑕疵部的质地信号、并准确且高效地设定判定阈值的表面检查装置的一例，在专利文献1中记载了一种对行进的金属钢带的表面的瑕疵进行检测的表面检查装置，阈值运算部具备：从图像信号求出每单位区域的浓度直方图的浓度直方图运算部；标准偏差运算部，其求出浓度直方图的峰值位置，假设在将该峰值位置作为平均值的情况下的正态分布函数，从该峰值位置附近的浓度直方图度数求出假设的正态分布函数的标准偏差值；以及设定与标准偏差值对应的判定阈值的阈值设定部，以标准偏差值尽可能不包含质地信号成分以外的瑕疵信号成分的方式求出判定阈值。
现有技术文献
专利文献
专利文献1：JP特开2010-85096号公报
发明内容
就热轧精轧机而言，随着薄板/高载荷轧制的增加，在后张力被释放之后的板尾端部通过时，伴随板的快速蜿蜒而产生的轧制板挤压现象(将该现象称为轧制异常)变多，伴随在轧辊表面产生的损伤，轧辊更换次数增加，可能会招致产品成品率的下降。
目前，虽然通过基于操作员目视而进行的弯曲/调平介入等操作避免了上述问题，但很大程度依赖于操作员的技能。通过使用了操作员观察到的监视图像信息的计算机图像处理，只要检测到轧制板挤压产生(轧制异常)而就能够快速展开介入操作，能够提高将此后的轧制异常或设备故障的产生防患于未然的概率。
轧制板挤压现象是指，在金属带板从轧机通过时在板折叠的状态下被轧制的现象。
若在该状态下对板的折叠的部位进行轧制，则该部位的加工发热与其他相比成为高温，产生比正常部的板表面的亮度更亮的亮度，能够进行伴随亮度差的轧制异常检测。
于是，在热轧中，为了检测轧制板挤压现象等的轧制异常，利用摄像头监视板的表面的图像，在板表面的亮度超过某一阈值、且该面积变大时，能够检测为板的异常。
例如在专利文献1中公开了在对利用尾端检测单元检测到的尾端图像进行2值化处理后得到的图像中的白色像素的分布面积在规定面积以上时，检测到在尾端产生了挤压。
在上述专利文献1记载的技术中，用白黑两色的浓淡来判断图像，但根据本发明发明人的研究得知，实际的图像的亮度分布与白黑差很多，有高精度地检测异常的余地。
本发明的目的在于提供一种与以往相比能够提高板的轧制异常检测精度的异常检测装置以及异常检测方法。
本发明包含多个解决上述课题的手段，但若举出其中一例，提供一种检测由轧机轧制的金属带板的表面的轧制异常的异常检测装置，该异常检测装置的特征在于，具备：拍摄作为异常的检测对象的所述金属带板的摄像头；以及图像处理部，其根据由所述摄像头拍摄到的图像将所述金属带板的范围内的像素的亮度数据分成R值、G值、B值这三种成分，基于各成分的所述亮度数据中的、两种成分的所述亮度数据的关系性，检测所述表面的轧制异常。
发明效果
根据本发明，能够与以往相比提高板的轧制异常检测精度。上述以外的课题、构成以及效果由以下的实施例的说明而变明朗。
附图说明
图1是示出具有本发明的实施例的异常检测装置的轧制设备的构成的概略图。
图2是示出本发明的实施例的异常检测装置的构成的概略图。
图3是示出实施例的异常检测装置中的、从图像提取被轧制材料料的范围的情形的图。
图4是示出实施例的异常检测装置中的、针对一个图像的板范围内的像素的亮度(RGB)直方图的一例的图。
图5是示出实施例的异常检测装置中的、异常区域的提取判定处理的一例的图。
图6是示出实施例的异常检测装置中的、异常区域的提取判定处理的一例的图。
图7是说明实施例的异常检测装置中的、基于反射光区域的异常区域的算出方法的流程的图。
图8是说明实施例的异常检测装置中的、基于反射光区域的异常区域的算出方法的流程的图。
图9是说明实施例的异常检测装置中的、基于反射光区域的异常区域的算出方法的流程的图。
图10是实施例的异常检测装置中的、异常判定处理的流程图。
具体实施方式
使用图1～图10说明本发明的异常检测装置以及异常检测方法的实施例。此外，在本说明书使用的附图中，对相同或者对应的构成要素标注相同或者类似的附图标记，有时针对这些构成要素省略重复的说明。
此外，本发明中的轧制的对象材料的金属带板为通常能够轧制的金属材料的带板，其种类没有特别限定，除了钢板以外，还能够采用铝或铜等的非铁材料。
最初，使用图1以及图2说明包含异常检测装置在内的轧制设备的整体构成、异常检测装置的构成。图1是示出本实施例的异常检测装置以及具有该异常检测装置的轧制设备的构成的概略图，图2是示出异常检测装置的构成的概略图。
图1示出的轧制设备100为用于轧制被轧制材料料1的精轧设备，具备F1机座10、F2机座20、F3机座30、F4机座40、F5机座50、F6机座60、F7机座70、摄像头81、82、张力控制用的活套65、图像处理计算机90、显示装置95等。
其中，由摄像头81、82、照明装置67、图像处理计算机90构成检测被轧制材料料1的表面的异常的异常检测装置101。
此外，针对轧制设备100，不限于图1示出的这种设有七个轧制机座的形态，只要最少为1个机座以上即可。
F1机座10、F2机座20、F3机座30、F4机座40、F5机座50、F6机座60、F7机座70为轧机，每一个具备上工件轧辊以及下工件轧辊、以及通过与这些上工件轧辊以及下工件轧辊分别接触而支承的上备用轧辊、下备用轧辊、设于上备用轧辊的上部的压下缸11，21、31、41、51、61、71、载荷检测器12、22、32、42、52、62、72。此外，能够设为在各个上下工件轧辊与各个上下备用轧辊之间还分别设置上下中间轧辊的6级构成。轧机的轧辊构成不限于所述形态，只要最少具有上下工件轧辊即可。
活套65为线张力控制用的轧辊。该轧辊被设置为使其旋转轴在被轧制材料料1的宽度方向上延伸，以能够通过向铅垂方向的上方提升被轧制材料料1或者向下方降低被轧制材料料1来改变线张力的方式分别设在F1机座10与F2机座20之间、F2机座20与F3机座30之间、F3机座30与F4机座40之间、F4机座40与F5机座50之间、F5机座50与F6机座60之间、F6机座60与F7机座70之间。此外，活套65可以相应地具备对板宽方向上的张力分布进行检测的板形状计的功能。
摄像头81设在能够对包含F4机座40的出侧且F5机座50的入侧之间的被轧制材料料1在内的图像进行拍摄的位置，例如，从被轧制材料料1的正上方、或者斜上方以例如比0.1秒短的间隔适当以动态图像(视频)形式拍摄包含被轧制材料料1在内的图像。由摄像头81拍摄到的图像的数据经由通信线85发送至图像处理计算机90。
摄像头82设在能够对包含F7机座70的出侧的被轧制材料料1在内的图像进行拍摄的位置，与摄像头81同样地，从被轧制材料料1的正上方、或者斜上方以例如比0.1秒短的间隔拍摄包含被轧制材料料1在内的图像。由摄像头82拍摄到的图像的数据也经由通信线85而发送至图像处理计算机90。
执行利用这些摄像头81、82拍摄包含被轧制材料料1在内的图像的拍摄工序。
此外，说明摄像头设在F4机座40的出侧且F5机座50的入侧、以及设在F7机座70的出侧这两处的情况，但摄像头只要最少设在1处即可，能够设有一个或者两个以上，也可以设在全部机座之间或轧制设备100的入侧和出侧。
照明装置67照射被轧制材料料1、特别是照射由摄像头81、82拍摄的范围的被轧制材料料1，能够设为适当配置在供轧制设备100设置的轧制工厂的顶部等通常的照明设备，但也可以采用专用的照明装置。
图像处理计算机90为由对轧制设备100内的各机器的动作进行控制的计算机等构成的装置，具有图像处理部92、以及数据库93等。
图像处理部92为如下的部分：根据由摄像头81、82拍摄到的图像将被轧制材料1的范围内的亮度数据分成R值、G值、B值这三种成分，并基于各个成分的亮度数据中的、两种成分的亮度数据的关系性检测表面的轧制异常的部分，该图像处理部92是图像处理工序的执行主体。
该图像处理部92具有检测区域设定部92A、反射光区域设定部92B、以及异常区域设定部92C等。检测区域设定部92A为从拍摄到的图像设定成为异常的检测对象的被轧制材料1的检测区域的部分。反射光区域设定部92B为从拍摄到的图像设定来自照明装置67的照明光在被轧制材料1的表面照射出的反射光区域的部分。异常区域设定部92C为从检测区域以基准值为阈值检测表面的异常部、并且将除去了反射光区域后的区域设定为异常区域的部分。
在后面说明图像处理部92、或图像处理部92内的检测区域设定部92A、反射光区域设定部92B、异常区域设定部92C的处理的详细内容。
数据库93为存储装置，其存储了根据将拍摄到了被轧制材料1的图像中的被轧制材料1的范围内的像素所具有的R(红)值、G(绿)值、B(蓝)值的亮度中的、1种成分的亮度差相对于另1种成分的亮度差在由两种成分构成的二维图表中绘制了多个的分布而预先求出了区分正常值与异常值的阈值边界的信息，例如存储了图5或图6示出的边界线的信息。适当由SSD或HDD等构成。
显示装置95为显示器等显示设备或警报器等的音响设备，例如为用于在图像处理计算机90中被判断为板形状异常时相对于操作员告知板形状异常的产生和其对策作业的装置。因此，作为显示装置95大多使用显示器。
操作员通过在机械作业中目视显示装置95的显示画面或各机座自身、各机座间，来确认有无轧制板挤压现象等的轧制异常。例如，操作员在显示装置95中确认到发生了轧制板挤压现象的显示，并在显示了弯曲修正、调平修正、轧辊速度修正、下游机座的辊隙开放等应进行的操作的情况下，能够避免从轧制异常的状态向进一步恶化状态过渡。
能够采用在显示装置95的显示画面向操作员显示轧制板挤压现象产生的异常的产生，并且向轧机控制装置发送用于避免该轧制异常的修正或者停止的信号，以自动控制进行轧制异常避免操作的形态，或者能够采用不在显示装置95显示而以自动控制进行各种修正操作或者停止机械作业的形态。
接下来，使用图3之后说明对本发明中的轧制的被轧制材料1的板形状的异常进行判断的异常检测处理的具体例。图3是示出从图像提取被轧制材料的范围的情形的图，图4是示出相对于一个图像的板范围内的亮度(RGB)直方图的一例的图，图5以及图6是示出异常区域的提取判定处理的一例的图，图7～图9是说明基于反射光区域的异常区域的算出方法的流程的图。
首先，利用摄像头81、82获取包含被轧制材料1在内的图像。经由通信线85向图像处理计算机90输出拍摄到的图像。
就图像处理计算机90而言，在图像处理部92中，如图3所示，从轧制时的被轧制材料1的图像用二值化处理判断背景与存在被轧制材料1的区域，并从某一阈值以上的亮度区域提取被轧制材料1的范围1A。相对于提取出的范围1A进行异常检测处理。
此外，该提取的范围1A可以包含与实际存在的板区域相比稍微位于内侧或者稍微位于外侧的区域，并非必须与被轧制材料1一致，但由于有通过使活套65上下变动而使拍摄到的被轧制材料1的位置变化的情况，所以为了追随这种变化而必须提取范围1A。
接下来，就图像处理计算机90而言，在图像处理部92中，相对于选定的一个图像求出被轧制材料1的范围1A的亮度分布。在此，图像处理部92相对于由摄像头81、82拍摄到的一个图像，将在图3中提取出的范围1A的所有像素中的亮度(RGB)数据分成R值、G值、B值这三种成分，求出以计测点数表示的各个R值、G值、B值的亮度的度数分布(直方图)。在此，R：红、G：绿、B：蓝，RGB均取0－255的值。图4是示出相对于一个图像的板范围的亮度(RGB)直方图的一例。
接下来，图像处理部92以将以各个分布的积分值表示的面积划分为两部分的值(中心位置：50％)作为判断为没有异常的板的各个RGB成分的亮度数据。另外，能够在中心位置50％～±20％以内的容许范围内选定一个值，来作为各个RGB成分的亮度数据。此外，容许范围不需要为“±20％”，能够适当变更。
另外，取代使用将面积划分为两部分的值，还能够将作为在各个分布中计测点数最多的亮度(频度最高值)设为被判断为没有异常的板的RGB各个亮度数据。还能够从频度最高值～±30％以内的容许范围内选定一个值，来作为各个RGB成分的亮度数据。此外，容许范围不需要为“±30％”，能够适当变更。
为了求出该亮度数据而使用的值(位置)可以采用在对异常检测对象的被轧制材料1进行轧制前由操作员指定的形式，也可以采用使用装置的预设的值的形式，还可以采用利用机器学习适当学习最佳值的形式。
图像处理部92基于1种成分的亮度数据、另1种成分的亮度数据和阈值边界检测表面的异常。在此，在图像处理部92能够根据R值、G值、B值中的、成为一个组合的两种成分的亮度数据和从它们求出的阈值边界得到的检测结果为异常、且根据成为其他组合的两种成分的亮度数据和从它们求出的阈值边界得到的检测结果为异常的情况下，检测为异常。
例如，图像处理部92在R值、G值、B值中如图5所示，根据成为一个组合的两种成分的亮度数据(B值的亮度数据以及G值的亮度数据)和从它们求出的边界求出是否异常的检测结果，并且如图6所示，根据成为其他组合的两种成分的亮度数据(B值的亮度数据以及R值的亮度数据)和从它们求出的边界求出是否异常的检测结果。更具体来说，判断亮度数据的绘制是否与边界线相比位于异常侧。
此后，图像处理部92在求出任一检测结果均为异常的情况下，检测为表面的异常。
此外，虽然省略了图示，但能够使G值的亮度数据以及R值的亮度数据的关系，不过图像处理部92优选使用三个组合中的、G值以及B值的亮度数据以及某一方的亮度数据。
另外，说明使用三个组合中的两个组合的情况，但也可以使用三个中的某一个组合来判定。另外，可以在两个组合中的某一方为任意的阈值边界以上的情况下检测为异常。还可以使用三个组合全部来判定。在使用三个组合全部的情况下，可以在某一个为任意的阈值边界以上的情况下检测为异常，也可以在成为多数(少数服从多数)的两个为任意的阈值边界以上的情况下检测为异常，也可以仅在三个全部为任意的阈值边界以上的情况下检测为异常。在这些情况下，像上述那样，能够优先使用G值以及B值的亮度数据。
针对图5或图6示出的任意的阈值边界线，优选事先收集多个正常/异常产生的图像数据，事先求出能够分离的近似式，事先保存在数据库93内。
例如，能够由轧制设备100的操作员或异常检测装置的制造商的公司职员根据结果图进行判断并划出用于分离的任意的阈值边界线。另外，能够使用数学的手法，例如使用数据聚类手法(数据分类法)，分类为正常与异常。作为1个手法，举出利用基于SVM法(支持向量机)的2分类法以正常和异常的距离(差额)成为最大的方式求出1次式的方法。
接下来，使用图7～图9说明除去因照明装置67形成的反射光区域的详细内容。
如图7所示，异常区域成为轧制方向(搬运方向)的亮度分布的形状。与之相对地，在实际上成为由摄像头81、82拍摄到的图像中拍摄到了混合存在该异常区域和来自照明装置67的反射光的区域(在图7中板宽(纵)方向)的挤压部兼照明部1A1的图像，从挤压部兼照明部1A1去掉因照明装置67形成的反射光区域。
在此，照明装置67接近白色，在挤压中也存在接近黄色的情况，因此，期望进行二值化处理而从接近白色的亮度阈值提取并除去照明装置67。
于是，在图像处理部92中，利用检测区域设定部92A，将使用上述的图5以及图6等的方法判断为异常的区域设定为挤压部兼反射光区域1A1。在此基础上，如图8所示，利用反射光区域设定部92B提取并删除在因照明装置67形成的板宽方向上比较长的反射光区域1A2，如图9所示，仅提取真的异常区域1A3(在搬运方向上比较长的区域)。此后，利用异常区域设定部92C，将检测出的真的异常区域1A3设定为异常区域，并将处理过渡至有无轧制异常的检测的最终检测处理。
此外，说明从利用图5等的顺序检测为表面的异常的挤压部兼照明部1A1除去因照明装置67形成的反射光区域1A2的情况，但也可以采用在检测板的范围1A之后首先除去因照明装置67形成的反射光区域1A2，然后利用图8等的处理设定轧制异常区域的顺序。
此后，图像处理部92优选在除去因照明装置67形成的反射光区域而设定的异常区域或者利用图5等的方法检测为表面的异常部的异常区域的各像素的面积合计值、或者该面积合计值除以整体的被轧制材料1的范围1A的面积得到的值比某一阈值(ε)大的情况下，判断为在被轧制材料1产生轧制异常。
接下来，参照图10说明检测本实施例的由轧机轧制的被轧制材料1的表面的异常的异常检测方法。图10是实施例的异常检测装置中的、异常判定处理的流程图。
首先，如图10所示，在实际进行轧制之前，利用过去的数据等求出两种成分的亮度数据(R，G，B)的关系性(参照图5、图6)，并且创建将正常/异常分离的边界线，并事先记录在数据库93内(步骤S101)。
在执行轧制时，最初利用摄像头81、82获取图像(步骤S102)。该步骤S102相当于拍摄工序。
接下来，在图像处理计算机90的图像处理部92中，判断在步骤S102中拍摄到的图像中是否存在被轧制材料1(步骤S103)。在判定为存在被轧制材料1时将处理前进至步骤S104，与之相对地，在判断为不存在时将处理前进至步骤S110。
此后，在图像处理部92中，在设定板检测区域(步骤S104)之后，进行基于亮度两种成分的关系的异常候补的判定(步骤S105)。此时，优选地在图像处理部92中，执行因照明装置67形成的反射光区域的除去处理(步骤S106)。
此后，在图像处理部92中，执行最终异常判定处理(步骤S107)，判断是否产生了挤压等的轧制异常((步骤S108)。在判断为产生了异常时将处理前进至步骤S109，在判断为没有产生异常时将处理前进至步骤S110。这些步骤S104～步骤S108相当于图像处理工序。
在步骤S110中，在判断为产生了异常时图像处理部92记录异常产生标志＝1(步骤S109)，在步骤S103中，在判断为不存在被轧制材料1时，或者在步骤S108中，在判断为不产生异常时，图像处理部92记录异常产生标志＝0(步骤S110)，在下一定时又开始处理。
在图像处理计算机90中，在记录了异常产生标志1时，向显示装置95显示该消息。或者，能够自动执行相对于各机座10、20、30、40、50、60、70的介入处理。
接下来，说明本实施例的效果。
上述的本实施例的异常检测装置为用于检测由轧机轧制的被轧制材料1的表面的轧制异常的装置，该装置具备：对作为异常的检测对象的被轧制材料1进行拍摄的摄像头81、82；以及图像处理部92，其根据由摄像头81、82拍摄到的图像将被轧制材料1的范围内的像素的亮度数据分成R值、G值、B值这三种成分，基于各个成分的亮度数据中的、两种成分的亮度数据的关系性对表面的轧制异常进行检测。
像这样，能够使用接近实际的图像的亮度分布的颜色的三原色，使用两种成分的亮度数据复合判断异常，因此，与以往相比能够提高被轧制材料1的轧制异常的精度。
另外，若针对作为两种成分的亮度数据的组合的R值和G值、G值和B值、R值和B值的每一个组合绘制亮度的数据，则看到板为正常的数据组和为异常的数据组大体以某条线为边界分离的倾向。于是，还具备数据库93，该数据库93根据将拍摄到被轧制材料1的图像中的R值、G值、B值中的、1种成分的亮度数据相对于另1种成分的亮度数据在由两种成分构成的二维图表内绘制了多个的分布中，事先求出区分正常值与异常值的阈值边界，图像处理部92基于1种成分的亮度数据、另1种成分的亮度数据和阈值边界，检测表面的轧制异常，由此，与利用针对每1种成分决定的阈值判断有无异常的情况相比能够提高异常检测精度。
而且，图像处理部92使用G值以及B值的亮度差。由于被轧制材料1为淡红色调，所以有若使用R值则正常部和异常部的亮度几乎没有变化的情况，不适于判断。因此，通过使用G值和B值，能够无需考虑被轧制材料1的底色地来进行异常检测。
另外，图像处理部92在根据R值、G值、B值中的、成为一个组合的两种成分的亮度数据和从它们求出的阈值边界得到的检测结果为异常、且根据成为其他组合的两种成分的亮度数据和从它们求出的阈值边界得到的检测结果为异常的情况下，检测为轧制异常，由此，利用两组两种成分的组合，在双方均检测到异常的情况下判断为表面为异常，因此，变得不易将正常部误检测为异常部，能够达到异常检测精度的进一步提高。
还具备照射被轧制材料1的照明装置67，图像处理部92根据最新的图像设定被轧制材料1的检测区域，根据最新的图像设定来自照明装置67的照明光的在被轧制材料1的表面照射出的反射光区域，将从检测区域除去了反射光区域后的区域重新设定为检测区域，基于重新得到的检测区域内的像素的亮度数据和亮度基准值的亮度差的关系性设定异常区域，检测轧制异常，由此，提取除去了照明装置67的反射光区域的真的表面异常，能够达成异常检测精度的进一步提高。
＜其他＞
此外，本发明不限于上述实施例，能够进行各种各样的变形、应用。上述的实施例是为了易于理解本发明而详细地进行了说明的，但并非限定于具备说明的全部构成。
附图标记说明
1被轧制材料(金属带板)
1A提取到的被轧制材料的范围
1A1挤压部兼反射光区域
1A2反射光区域
1A3异常区域
10F1机座
11、21、31、41、51、61、71压下缸
12、22、32、42、52、62、72载荷检测器20F2机座
30F3机座
40F4机座
50F5机座
60F6机座
61 压下缸
65 张力控制用的活套
67 照明装置
70F7机座
71 压下缸
81、82 摄像头
85 通信线
90 图像处理计算机
92 图像处理部
92A 检测区域设定部
92B 反射光区域设定部
92C 异常区域设定部
93 数据库
95 显示装置
100 轧制设备
101异常检测装置。
Claims (10)
1.一种异常检测装置，其检测由轧机轧制的金属带板的表面的轧制异常，所述异常检测装置的特征在于，具备：
拍摄作为异常的检测对象的所述金属带板的摄像头；以及
图像处理部，其根据由所述摄像头拍摄到的图像将所述金属带板的范围内的像素的亮度数据分成R值、G值、B值这三种成分，基于各成分的所述亮度数据中的、两种成分的所述亮度数据的关系性，检测所述表面的轧制异常。
2.根据权利要求1所述的异常检测装置，其特征在于，
还具备数据库，该数据库根据特定分布预先求出了区分正常值与异常值的阈值边界，在所述特定分布中将拍摄到所述金属带板的图像中的R值、G值、B值中的、1种成分的所述亮度数据相对于另1种成分的所述亮度数据在由两种成分构成的二维图表中绘制了多个，
所述图像处理部基于所述1种成分的所述亮度数据、所述另1种成分的所述亮度数据、以及所述阈值边界，检测所述表面的轧制异常。
3.根据权利要求1或者2所述的异常检测装置，其特征在于，
所述图像处理部使用所述G值的所述亮度数据以及所述B值的所述亮度数据。
4.根据权利要求2所述的异常检测装置，其特征在于，
所述图像处理部在根据R值、G值、B值中的、成为一个组合的两种成分的所述亮度数据和从它们求出的所述阈值边界得到的检测结果为异常、且根据成为其他组合的两种成分的所述亮度数据和从它们求出的所述阈值边界得到的检测结果为异常的情况下，检测为所述轧制异常。
5.根据权利要求1～4中任一项所述的异常检测装置，其特征在于，
还具备照射所述金属带板的照明装置，
所述图像处理部根据最新的图像设定所述金属带板的检测区域，根据所述最新的图像设定来自所述照明装置的照明光的在所述金属带板的表面照射出的反射光区域，将从所述检测区域除去了所述反射光区域后的区域重新设定为检测区域，基于重新得到的所述检测区域内的像素的亮度数据与所述亮度基准值的亮度差的关系性设定异常区域，检测所述轧制异常。
6.一种异常检测方法，检测由轧机轧制的金属带板的表面的轧制异常，所述异常检测方法的特征在于，包括：
拍摄作为异常的检测对象的所述金属带板的拍摄工序；以及
图像处理工序，根据在所述拍摄工序中拍摄到的图像将所述金属带板的范围内的像素的亮度数据分成R值、G值、B值这三种成分，基于各成分的所述亮度数据中的、两种成分的所述亮度数据的关系性，检测所述表面的轧制异常。
7.根据权利要求6所述的异常检测方法，其特征在于，
在所述图像处理工序中，基于所述1种成分的所述亮度数据、所述另1种成分的所述亮度数据、以及区分正常值与异常值的阈值边界，检测所述表面的轧制异常，
所述阈值边界根据特定分布来求出，在所述特定分布中将拍摄到所述金属带板的图像中的R值、G值、B值中的、1种成分的所述亮度数据相对于另1种成分的所述亮度数据在由两种成分构成的二维图表中绘制了多个。
8.根据权利要求6或者7所述的异常检测方法，其特征在于，
在所述图像处理工序中使用所述G值的所述亮度数据以及所述B值的所述亮度数据。
9.根据权利要求7所述的异常检测方法，其特征在于，
在所述图像处理工序中，在根据R值、G值、B值中的、成为一个组合的两种成分的所述亮度数据和从它们求出的所述阈值边界得到的检测结果为异常、且根据成为其他组合的两种成分的所述亮度数据和从它们求出的所述阈值边界得到的检测结果为异常的情况下，检测为所述轧制异常。
10.根据权利要求6～9中任一项所述的异常检测方法，其特征在于，
在所述图像处理工序中，根据最新的图像设定所述金属带板的检测区域，根据所述最新的图像设定照明光的在所述金属带板的表面照射出的反射光区域，将从所述检测区域除去了所述反射光区域后的区域重新设定为检测区域，基于重新得到的所述检测区域内的像素的亮度数据与所述亮度基准值的亮度差的关系性设定异常区域，检测所述轧制异常。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2021/024919 WO2023276102A1 (ja) | 2021-07-01 | 2021-07-01 | 異常検出装置および異常検出方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116685419A true CN116685419A (zh) | 2023-09-01 |
Family
ID=81213030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180090360.3A Pending CN116685419A (zh) | 2021-07-01 | 2021-07-01 | 异常检测装置以及异常检测方法 |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP4260958A4 (zh) |
| JP (1) | JP7033241B1 (zh) |
| CN (1) | CN116685419A (zh) |
| WO (1) | WO2023276102A1 (zh) |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06167576A (ja) * | 1992-11-30 | 1994-06-14 | Kawasaki Steel Corp | 付着間紙の検出方法及び帯板処理ライン |
| JP4332122B2 (ja) * | 2005-01-17 | 2009-09-16 | シーケーディ株式会社 | 外観検査装置及びｐｔｐ包装機 |
| JP5181912B2 (ja) * | 2008-08-06 | 2013-04-10 | 新日鐵住金株式会社 | 表面欠陥の検査方法、表面欠陥検査装置、鋼板の製造方法、及び鋼板の製造装置 |
| JP2010078574A (ja) * | 2008-09-29 | 2010-04-08 | Toppan Printing Co Ltd | 板状金属表面自動検査装置 |
| JP2010085096A (ja) | 2008-09-29 | 2010-04-15 | Toshiba Corp | 表面検査装置 |
| JP5659540B2 (ja) * | 2009-04-15 | 2015-01-28 | Ｊｆｅスチール株式会社 | 鋼板表面欠陥検査方法および装置 |
| JP5432864B2 (ja) * | 2010-08-30 | 2014-03-05 | 株式会社神戸製鋼所 | 検査装置及び検査方法 |
| JP6969500B2 (ja) * | 2018-05-28 | 2021-11-24 | 日本製鉄株式会社 | ダル仕上げ材表面の良否判定方法及び良否判定装置 |
| JP6950811B2 (ja) * | 2018-09-28 | 2021-10-13 | Ｊｆｅスチール株式会社 | 金属板の表面欠陥検出方法及び装置並びにめっき鋼板の製造方法 |
| JP6808888B1 (ja) * | 2020-11-05 | 2021-01-06 | Ｐｒｉｍｅｔａｌｓ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｊａｐａｎ株式会社 | 不良判断装置および不良判断方法 |
-
2021
- 2021-07-01 JP JP2022501053A patent/JP7033241B1/ja active Active
- 2021-07-01 CN CN202180090360.3A patent/CN116685419A/zh active Pending
- 2021-07-01 EP EP21948406.0A patent/EP4260958A4/en active Pending
- 2021-07-01 WO PCT/JP2021/024919 patent/WO2023276102A1/ja active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2023276102A1 (zh) | 2023-01-05 |
| JP7033241B1 (ja) | 2022-03-09 |
| EP4260958A1 (en) | 2023-10-18 |
| EP4260958A4 (en) | 2024-03-06 |
| WO2023276102A1 (ja) | 2023-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102036127B1 (ko) | 영상 인식을 이용한 의류 생산 모니터링 시스템 | |
| JP6808888B1 (ja) | 不良判断装置および不良判断方法 | |
| CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
| KR101045393B1 (ko) | 철강공정 내부 크랙 및 중심편석 판정 방법 | |
| EP4257258A1 (en) | Abnormality detection device and abnormality detection method | |
| CN110992323A (zh) | 一种基于图像处理的钢带检测方法、装置及卡钢检测方法 | |
| CN116685419A (zh) | 异常检测装置以及异常检测方法 | |
| JP7114822B1 (ja) | 画像の補正方法および異常の検出方法、ならびに画像補正装置および異常検出装置 | |
| CN212301350U (zh) | 一种用于钢管内壁涂层缺陷检测的光学成像显示系统 | |
| JPH04238592A (ja) | 結束棒鋼自動検数装置 | |
| JP2017003352A (ja) | トッピングゴムシートのゴム付き不良検出装置 | |
| CN114240920A (zh) | 一种外观缺陷检测方法 | |
| KR20160073557A (ko) | 스카핑 불량 검출 장치 및 방법 | |
| JP7149878B2 (ja) | 設備監視システム、設備監視方法及びプログラム | |
| JP2013180322A (ja) | 熱間圧延設備 | |
| EP2957860A1 (en) | Shape measuring device | |
| TWI454327B (zh) | 鋼帶切尾之偵測方法 | |
| JP2020001065A (ja) | 鋼材非圧下部幅検出装置及びその検出方法 | |
| JP2005003574A (ja) | 表面疵検査方法及び表面疵検査装置 | |
| JP6043178B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法 | |
| CN111757002B (zh) | 图像处理方法、输出控制方法、图像采集设备及显示设备 | |
| KR101071144B1 (ko) | 제재목 등급의 자동화 구분 방법 | |
| KR20130053091A (ko) | 판 파단 검출 장치 및 방법 | |
| WO2022176119A1 (ja) | 異常判断装置、制御装置、および圧延設備、並びに異常判断方法、および制御方法 | |
| JP2024004447A (ja) | 鋼板の矯正機への通板可否判定方法、矯正方法、製造方法、及び矯正機への通板可否判定モデルの生成方法 |
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 |