CN117092160A - 一种基于热像图的黏结热区域移动速率检测方法 - Google Patents
一种基于热像图的黏结热区域移动速率检测方法 Download PDFInfo
- Publication number
- CN117092160A CN117092160A CN202311059491.2A CN202311059491A CN117092160A CN 117092160 A CN117092160 A CN 117092160A CN 202311059491 A CN202311059491 A CN 202311059491A CN 117092160 A CN117092160 A CN 117092160A
- Authority
- CN
- China
- Prior art keywords
- bonding
- thermal
- area
- rate
- bonding heat
- 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
- 238000001514 detection method Methods 0.000 title abstract description 4
- 238000009749 continuous casting Methods 0.000 claims abstract description 30
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 23
- 239000010959 steel Substances 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000009286 beneficial effect Effects 0.000 claims abstract description 4
- 230000005484 gravity Effects 0.000 claims description 38
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 229910052802 copper Inorganic materials 0.000 claims description 10
- 239000010949 copper Substances 0.000 claims description 10
- 238000005266 casting Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000001757 thermogravimetry curve Methods 0.000 claims description 3
- 238000009851 ferrous metallurgy Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- B22D11/18—Controlling or regulating processes or operations for pouring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical 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 Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于热像图的黏结热区域移动速率检测方法，属于钢铁冶金领域，其特点是，包括：构建连铸结晶器热像图、黏结热区域捕捉、黏结热区域特征提取、黏结热区域移动速率计算。本发明将连铸结晶器热像图与黏结漏钢热区域的移动速率检测相结合，获取了黏结漏钢的纵向和横向移动速率，有助于深入掌握黏结漏钢的传播特征，为连铸可视化漏钢预报提供依据。
Description
技术领域
本发明属于钢铁冶金连铸技术领域，是一种基于热像图的黏结热区域移动速率检测方法。
背景技术
漏钢是钢铁生产过程中最严重的事故，对连铸生产流程造成严重破坏，轻则降低铸坯表面和内部质量，重则损毁连铸设备，使连铸生产中断，给企业造成巨大的经济损失。为了减少漏钢事故对连铸生产的干扰，冶金工作者们对影响漏钢的因素进行研究，并不断优化连铸工艺，同时，也开发了一系列的连铸漏钢预报方法，为连铸生产的稳定性提供保障。
在实际浇注过程中，铸坯黏结是漏钢的主要形式之一，由于连铸结晶器内的传热过程较为复杂且不可见的原因，通常在结晶器铜板上安装热电偶，热电偶间距为150或300mm，由于漏钢的实际形成和扩展具有空间特征，仅依靠热电偶单点测温，很难捕捉黏结区域的移动特征，通过构建连铸结晶器热像图，可以更好地反映黏结区域的温度变化情况。
专利文件CN 115446276公开了一种应用卷积神经网络预测黏结漏钢方法，其所述构建连铸漏钢预警，包括：构建二维温度速率热像图，确定阈值提取温度异常区域，得到异常区域温度热像图，提取典型的“V”型特征作为黏结漏钢数据集，带入卷积神经网络模型进行训练和识别。作为训练集的主要特征为异常区域的温度和形状特征，由于特征数目较少，识别复杂多变的伪黏结过程中会有误报情况发生。
专利文件CN 101850410公开了一种基于区域特征的板坯连铸漏钢预报方法，运用BP神经网络，将预处理后的温度数据输入到漏钢预报模型中，比较预报模型的输出值和最大阈值预报漏钢发生，该方法的判别取决于最大阈值的设定，对于不同情况的伪黏结，该阈值很难概括全部漏钢情况。
发明内容
本发明目的是克服现有技术的不足，提出一种基于热像图的黏结热区域移动速率检测方法，以钢铁企业连铸过程实测数据为基础，构建连铸结晶器热像图，捕捉热像图中的黏结热区域，提取热区域的温度速率和重心特征，根据黏结热区域的温度速率特征，计算黏结热区域的纵向和横向移动速率，该方法可以快速、准确地获取黏结热区域的移动速率，深入掌握黏结漏钢的形成和演化规律，为真伪黏结漏钢的判定提供重要依据，为准确的可视化漏钢预报系统开发奠定基础。
为达到上述目的，本发明采用的技术方案为：一种基于热像图的黏结热区域移动速率检测方法，其主要包括以下步骤：
1)构建连铸结晶器热像图
①根据结晶器铜板布置的热电偶，获取铜板热电偶位置的温度数据；
②利用三次样条插值算法，获取非热电偶测点位置处的温度数据，进而计算温度速率，将铜板温度速率值与RGB颜色值建立对应关系，绘制连铸结晶器热像图；
2)黏结热区域捕捉
①将温度速率大于G1的连通区域判定为黏结热区域；
②利用阈值分割算法，根据公式(1)，将连通区域像素点进行二值化处理，获得只包含0和1的阈值分割矩阵；
式中，g(x,y)为对应像素位置处的温度速率；b(x,y)为热像图的二值化表示方式：0表示温度速率正常；1表示温度速率异常；G1为判定黏结热区域的温度速率阈值；
3)黏结热区域特征提取
①温度速率特征：提取热像图中黏结热区域中温度速率最大值Gmax；
②位置特征：获取热像图中黏结热区域的重心坐标；
4)黏结热区域纵向移动速率计算
黏结热区域纵向移动速率是其重心在浇注方向的移动速率，在热像图中，利用黏结热区域的重心纵坐标之差和时间间隔进行计算纵向移动速率，具体计算步骤如下：
a)获取当前时刻黏结热区域的重心坐标(X1,Y1)，并记录该时刻为t1；
b)获取当前时刻前30秒之内的所有黏结热区域重心坐标(Xn,Yn)，利用黏结热区域重心纵坐标Yn与Y1作差，将满足公式(2)条件的黏结热区域划定为第一类热区域，将满足公式(3)条件的黏结热区域划定为第二类热区域；
Yn-Y1＞H1 (2)
H2＜Yn-Y1≤H1 (3)
式中，Y1与Yn分别是当前时刻和第n秒时刻黏结热区域的重心纵坐标；H1与H2为设定阈值；
c)在第一类热区域中，将温度速率最大的黏结热区域重心坐标记为(X2,Y2)，并记录该时刻为t2，将首次温度速率大于G2的黏结热区域重心坐标记为(X3,Y3)，并记录该时刻为t3；
d)在第二类热区域中，将温度速率最大的黏结热区域重心坐标记为(X4,Y4)，并记录该时刻为t4，将首次温度速率大于G2的黏结热区域重心坐标记为(X5,Y5)，并记录该时刻为t5；
e)计算t4和t2之差，记为td1，计算t5和t3之差，记为td2，将td1与td2进行比较，若td1大于td2，将td1赋值给td，计算Y4与Y2差，赋值给Y，反之，将td2赋值给td，计算Y5与Y3之差，赋值给Y；
f)根据公式(4)，计算黏结热区域的纵向移动速率；
式中，Vy为黏结热区域的纵向移动速率，m/min；ky为1个像素“网格单元”在y方向的实际距离，m；td为不同黏结热区域下最大温度速率的时间间隔，s；Y为td间隔下的纵向间距，像素；
5)黏结热区域横向移动速率计算
黏结热区域横向移动速率是其重心在铸坯宽度方向的移动速率，在热像图中，利用黏结热区域的重心横坐标之差和时间间隔进行计算横向移动速率，具体计算步骤如下：
a)获取当前时刻黏结热区域的重心坐标(X1,Y1)，并记录该时刻为t2；
b)获取当前时刻前30秒之内的所有黏结热区域重心坐标(Xn,Yn)，利用黏结热区域重心横坐标Xn与X1作差，将满足公式(5)条件的黏结热区域划定为第三类热区域，将满足公式(6)条件的黏结热区域划定为第四类热区域；
Xn-X1＞H1 (5)
H3＜Xn-X1≤H1 (6)
式中，X1与Xn分别是当前时刻和第n秒时刻黏结热区域的重心横坐标；H3为设定阈值；
c)在第三类热区域中，将温度速率最大的黏结热区域重心坐标记为(X6,Y6)，并记录该时刻为t6；
d)在第四类热区域中，将温度速率最大的黏结热区域重心坐标记为(X7,Y7)，并记录该时刻为t7；
e)计算t7和t6之差，记为tg，计算X7与X6之差，赋值给X；
f)根据公式(7)，计算黏结热区域的横向移动速率；
式中，Vx为黏结热区域的横向移动速率，m/min；kx为1个像素“网格单元”在x方向的实际距离，m；tg为不同黏结热区域下最大温度速率的时间间隔，s；X为tg间隔下的横向间距，像素。
本发明一种基于热像图的黏结热区域移动速率检测方法的有益效果是：将连铸结晶器热像图与黏结热区域的空间移动特征相结合，利用黏结热区域空间特征和演化规律，计算黏结热区域的纵向和横向移动速率，有助于现场操作人员掌握黏结漏钢的移动特征，为连铸漏钢预报的开发提供参考和依据。
附图说明
图1是黏结热区域移动速率检测流程图；
图2是结晶器温度速率热像图；
图3是二值化处理的黏结热区域；
图4是M1～M5时刻的黏结热区域；
图5是N1～N5时刻的黏结热区域；
图中：1、热区域；2、二值化的热区域。
具体实施方式
以下结合实施例对本发明作进一步说明，但不限定本发明。
如图1所示，本发明的一种基于热像图的黏结热区域移动速率检测方法、主要包括以下步骤：
第一步、构建连铸结晶器热像图
①根据结晶器铜板布置的热电偶，获取铜板热电偶位置的温度数据；
②利用三次样条插值算法，获取非热电偶测点位置处的温度数据，进而计算温度速率，将铜板温度速率值与RGB颜色值建立对应关系，利用Python语言编写程序代码，并绘制连铸结晶器热像图，如图2所示，图中存在热区域1。
第二步、黏结热区域捕捉
②将温度速率大于G1的连通区域判定为黏结热区域；
②利用阈值分割算法，根据公式(1)，将连通区域像素点进行二值化处理，获得只包含0和1的阈值分割矩阵，经过二值化处理后的黏结热区域，如图3中二值化的热区域2所示；
式中，g(x,y)为对应像素位置处的温度速率；b(x,y)为热像图的二值化表示方式：0表示温度速率正常；1表示温度速率异常；G1为判定黏结热区域的温度速率阈值；
第三步、黏结热区域特征提取
①温度速率特征：提取热像图中黏结热区域中温度速率最大值Gmax；
②位置特征：获取热像图中黏结热区域的重心坐标；
第四步、黏结热区域纵向移动速率计算
黏结热区域纵向移动速率是其重心在浇注方向的移动速率，在热像图中，利用黏结热区域的重心纵坐标之差和时间间隔进行计算纵向移动速率，如图4所示，具体计算步骤如下：
a)获取当前时刻黏结热区域的重心坐标(X1,Y1)，并记录该时刻为t1；
b)获取当前时刻前30秒之内的所有黏结热区域重心坐标(Xn,Yn)，利用黏结热区域重心纵坐标Yn与Y1作差，将满足公式(2)条件的黏结热区域划定为第一类热区域，将满足公式(3)条件的黏结热区域划定为第二类热区域；
Yn-Y1＞H1 (2)
H2＜Yn-Y1≤H1 (3)
式中，Y1与Yn分别是当前时刻和第n秒时刻黏结热区域的重心纵坐标；H1与H2为设定阈值；
c)在第一类热区域中，将温度速率最大的黏结热区域重心坐标记为(X2,Y2)，并记录该时刻为t2，将首次温度速率大于G2的黏结热区域重心坐标记为(X3,Y3)，并记录该时刻为t3；
d)在第二类热区域中，将温度速率最大的黏结热区域重心坐标记为(X4,Y4)，并记录该时刻为t4，将首次温度速率大于H2的黏结热区域重心坐标记为(X5,Y5)，并记录该时刻为t5；
e)计算t4和t2之差，记为td1，计算t5和t3之差，记为td2，将td1与td2进行比较，若td1大于td2，将td1赋值给td，计算Y4与Y2差，赋值给Y,反之，将td2赋值给td，计算Y5与Y3之差，赋值给Y；
f)根据公式(4)，计算黏结热区域的纵向移动速率；
式中，Vy为黏结热区域的纵向移动速率，m/min；ky为1个像素“网格单元”在y方向的实际距离，m；td为不同黏结热区域下最大温度速率的时间间隔，s；Y为td间隔下的纵向间距，像素；
图4是M系列时刻的黏结热区域，由M1和M5时刻，可获得黏结热区域的纵向间距74.9像素，时间间隔为11s，由公式(4)计算可得纵向移动速率为2.04m/min。
第五步、黏结热区域横向移动速率计算
黏结热区域横向移动速率是其重心在铸坯宽度方向的移动速率，在热像图中，利用黏结热区域的重心横坐标之差和时间间隔进行计算横向移动速率，如图5所示，具体计算步骤如下：
a)获取当前时刻黏结热区域的重心坐标(X1,Y1)，并记录该时刻为t2；
b)获取当前时刻前30秒之内的所有黏结热区域重心坐标(Xn,Yn)，利用黏结热区域重心横坐标Xn与X1作差，将满足公式(5)条件的黏结热区域划定为第三类热区域，将满足公式(6)条件的黏结热区域划定为第四类热区域；
Xn-X1＞H1 (5)
H3＜Xn-X1≤H1 (6)
式中，X1与Xn分别是当前时刻和第n秒时刻黏结热区域的重心横坐标；H3为设定阈值；
c)在第三类热区域中，将温度速率最大的黏结热区域重心坐标记为(X6,Y6)，并记录该时刻为t6；
d)在第四类热区域中，将温度速率最大的黏结热区域重心坐标记为(X7,Y7)，并记录该时刻为t7；
e)计算t7和t6之差，记为tg，计算X7与X6之差，赋值给X；
f)根据公式(7)，计算黏结热区域的横向移动速率；
式中，Vx为黏结热区域的横向移动速率，m/min；kx为1个像素“网格单元”在x方向的实际距离，m；tg为不同黏结热区域下最大温度速率的时间间隔，s；X为tg间隔下的横向间距，像素；
图5是N系列时刻的黏结热区域，由N1和N5时刻，可获得黏结热区域的横向间距63.4像素，时间间隔为6s，由公式(7)计算可得横向移动速率为3.17m/min。
通过上述步骤，可以有效检测连铸黏结热区域的纵向和横向移动速率，对2022年1月至8月的黏结热区域移动速率进行统计，结果如表1所示，纵向移动速率在0.7～8.72m/min之间，横向移动速率在0.24～14.9m/min之间，连铸黏结漏钢的移动速率有助于现场操作人员掌握黏结漏钢的移动特征，为连铸可视化漏钢预报系统开发提供参考和依据。
表1黏结热区域的纵向和横向移动速率
以上所述实施例仅表达了本发明的实施方式，但并不能因此而理解为对本发明专利的范围的先知，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。
Claims (2)
1.一种基于热像图的黏结热区域移动速率检测方法，其特征在于，在热像图中捕获黏结热区域，利用温度速率最大值和设定阈值，获取不同时刻下黏结热区域重心坐标，根据重心坐标和时间差，计算黏结热区域的纵向和横向移动速率，有助于快速掌握黏结漏钢传播特征，为连铸漏钢预报提供依据，具体实现步骤如下：
1)构建连铸结晶器热像图
①根据结晶器铜板布置的热电偶，获取铜板热电偶位置的温度数据；
②利用三次样条插值算法，获取非热电偶测点位置处的温度数据，进而计算温度速率，将铜板温度速率值与RGB颜色值建立对应关系，绘制连铸结晶器热像图；
2)黏结热区域捕捉
①将温度速率大于G1的连通区域判定为黏结热区域；
②利用阈值分割算法，根据公式(1)，将连通区域像素点进行二值化处理，获得只包含0和1的阈值分割矩阵；
式中，g(x,y)为对应像素位置处的温度速率；b(x,y)为热像图的二值化表示方式：0表示温度速率正常；1表示温度速率异常；G1为判定黏结热区域的温度速率阈值；
3)黏结热区域特征提取
①温度速率特征：提取热像图中黏结热区域中温度速率最大值Gmax；
②位置特征：获取热像图中黏结热区域的重心坐标；
4)黏结热区域纵向移动速率计算
黏结热区域纵向移动速率是其重心在浇注方向的移动速率，在热像图中，利用黏结热区域的重心纵坐标之差和时间间隔进行计算纵向移动速率，具体计算步骤如下：
a)获取当前时刻黏结热区域的重心坐标(X1,Y1)，并记录该时刻为t1；
b)获取当前时刻前30秒之内的所有黏结热区域重心坐标(Xn,Yn)，利用黏结热区域重心纵坐标Yn与Y1作差，将满足公式(2)条件的黏结热区域划定为第一类热区域，将满足公式(3)条件的黏结热区域划定为第二类热区域；
Yn-Y1＞H1 (2)
H2＜Yn-Y1≤H1 (3)
式中，Y1与Yn分别是当前时刻和第n秒时刻黏结热区域的重心纵坐标；H1与H2为设定阈值；
c)在第一类热区域中，将温度速率最大的黏结热区域重心坐标记为(X2,Y2)，并记录该时刻为t2，将首次温度速率大于G2的黏结热区域重心坐标记为(X3,Y3)，并记录该时刻为t3；
d)在第二类热区域中，将温度速率最大的黏结热区域重心坐标记为(X4,Y4)，并记录该时刻为t4，将首次温度速率大于G2的黏结热区域重心坐标记为(X5,Y5)，并记录该时刻为t5；
e)计算t4和t2之差，记为td1，计算t5和t3之差，记为td2，将td1与td2进行比较，若td1大于td2，将td1赋值给td，计算Y4与Y2差，赋值给Y，反之，将td2赋值给td，计算Y5与Y3之差，赋值给Y；
f)根据公式(4)，计算黏结热区域的纵向移动速率；
式中，Vy为黏结热区域的纵向移动速率，m/min；ky为1个像素“网格单元”在y方向的实际距离，m；td为不同黏结热区域下最大温度速率的时间间隔，s；Y为td间隔下的纵向间距，像素；
5)黏结热区域横向移动速率计算
黏结热区域横向移动速率是其重心在铸坯宽度方向的移动速率，在热像图中，利用黏结热区域的重心横坐标之差和时间间隔进行计算横向移动速率，具体计算步骤如下：
a)获取当前时刻黏结热区域的重心坐标(X1,Y1)，并记录该时刻为t2；
b)获取当前时刻前30秒之内的所有黏结热区域重心坐标(Xn,Yn)，利用黏结热区域重心横坐标Xn与X1作差，将满足公式(5)条件的黏结热区域划定为第三类热区域，将满足公式(6)条件的黏结热区域划定为第四类热区域；
Xn-X1＞H1 (5)
H3＜Xn-X1≤H1 (6)
式中，X1与Xn分别是当前时刻和第n秒时刻黏结热区域的重心横坐标；H3为设定阈值；
c)在第三类热区域中，将温度速率最大的黏结热区域重心坐标记为(X6,Y6)，并记录该时刻为t6；
d)在第四类热区域中，将温度速率最大的黏结热区域重心坐标记为(X7,Y7)，并记录该时刻为t7；
e)计算t7和t6之差，记为tg，计算X7与X6之差，赋值给X；
f)根据公式(7)，计算黏结热区域的横向移动速率；
式中，Vx为黏结热区域的横向移动速率，m/min；kx为1个像素“网格单元”在x方向的实际距离，m；tg为不同黏结热区域下最大温度速率的时间间隔，s；X为tg间隔下的横向间距，像素。
2.根据权利要求1所述的一种基于热像图的黏结热区域移动速率检测方法，其特征在于，G1设定为0.3℃/s；G2设定为0.6℃/s；H1设定为10；H2设定为-25；H3设定为-10；ky设定为0.005m/像素点；kx设定为0.005m/像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311059491.2A CN117092160A (zh) | 2023-08-22 | 2023-08-22 | 一种基于热像图的黏结热区域移动速率检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311059491.2A CN117092160A (zh) | 2023-08-22 | 2023-08-22 | 一种基于热像图的黏结热区域移动速率检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117092160A true CN117092160A (zh) | 2023-11-21 |
Family
ID=88771139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311059491.2A Pending CN117092160A (zh) | 2023-08-22 | 2023-08-22 | 一种基于热像图的黏结热区域移动速率检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117092160A (zh) |
-
2023
- 2023-08-22 CN CN202311059491.2A patent/CN117092160A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105328155B (zh) | 一种基于改进神经网络的漏钢可视化特征预报方法 | |
| CN102886504B (zh) | 一种基于机器视觉的结晶器漏钢可视化预报方法 | |
| US11105758B2 (en) | Prediction method for mold breakout based on feature vectors and hierarchical clustering | |
| CN105911095A (zh) | 一种连铸坯表面纵裂纹的可视化识别方法 | |
| CN104181196B (zh) | 一种连铸坯表面纵裂纹在线检测方法 | |
| CN108436050B (zh) | 一种采用空间密度聚类dbscan预报连铸结晶器漏钢的方法 | |
| Liu et al. | Computer vision detection of mold breakout in slab continuous casting using an optimized neural network | |
| CN102896289B (zh) | 一种实现铸坯实时跟踪的方法 | |
| CN113340444A (zh) | 基于热电偶温度和逻辑判断的连铸坯表面纵裂预测方法 | |
| CN104751483A (zh) | 一种仓储物流机器人工作区域异常情况的监控方法 | |
| CN106807801A (zh) | 一种高速精冲机模具表面废料智能在线检测方法及装置 | |
| CN108469313B (zh) | 基于元胞自动机的结晶器铜板温度异常区域检测方法 | |
| CN104240252A (zh) | 一种机器视觉棒材高温钢坯表面裂纹检测算法 | |
| CN210321209U (zh) | 一种基于图像处理的钢坯入炉前定位控制系统 | |
| CN109308707B (zh) | 铝锭厚度非接触式在线测量方法 | |
| CN117092160A (zh) | 一种基于热像图的黏结热区域移动速率检测方法 | |
| CN112926622B (zh) | 一种基于特征向量和swgan-gp生成对抗网络的结晶器漏钢预报方法 | |
| CN116402827B (zh) | 基于图像处理的采煤机用电缆夹板缺陷检测方法及装置 | |
| CN110918973A (zh) | 一种基于游程的结晶器热像图异常区域标记方法 | |
| CN113319259B (zh) | 一种基于空间-时序特征的黏结漏钢逻辑判断方法 | |
| CN116543535A (zh) | 基于深度神经网络的环水口区域报警方法 | |
| CN104849280A (zh) | 一种连铸板坯表面纵裂纹检测方法 | |
| CN113814369B (zh) | 一种基于特征向量和Adaboost集成模型的结晶器漏钢预报方法 | |
| CN113112427A (zh) | 一种铁水运输的监测方法、装置、设备及存储介质 | |
| CN108399184B (zh) | 一种钢材的表面处理方法 |
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 |