JP2021166002A - 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム - Google Patents
焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム Download PDFInfo
- Publication number
- JP2021166002A JP2021166002A JP2020069863A JP2020069863A JP2021166002A JP 2021166002 A JP2021166002 A JP 2021166002A JP 2020069863 A JP2020069863 A JP 2020069863A JP 2020069863 A JP2020069863 A JP 2020069863A JP 2021166002 A JP2021166002 A JP 2021166002A
- Authority
- JP
- Japan
- Prior art keywords
- cross
- learning
- composite structure
- sinter
- mineral phase
- 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
- 239000000203 mixture Substances 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims description 36
- 239000002131 composite material Substances 0.000 claims abstract description 102
- 238000012545 processing Methods 0.000 claims abstract description 27
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 101
- 239000011707 mineral Substances 0.000 claims description 101
- WETINTNJFLGREW-UHFFFAOYSA-N calcium;iron;tetrahydrate Chemical compound O.O.O.O.[Ca].[Fe].[Fe] WETINTNJFLGREW-UHFFFAOYSA-N 0.000 claims description 51
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 claims description 50
- 229910052595 hematite Inorganic materials 0.000 claims description 48
- 239000011019 hematite Substances 0.000 claims description 48
- 239000002893 slag Substances 0.000 claims description 35
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 claims description 33
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 claims description 31
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 21
- 239000013078 crystal Substances 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008520 organization Effects 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 9
- 239000000155 melt Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000052 comparative effect Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000011148 porous material Substances 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 239000011575 calcium Substances 0.000 description 4
- 238000010587 phase diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000005496 eutectics Effects 0.000 description 3
- 238000010298 pulverizing process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000000377 silicon dioxide Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- QNRATNLHPGXHMA-XZHTYLCXSA-N (r)-(6-ethoxyquinolin-4-yl)-[(2s,4s,5r)-5-ethyl-1-azabicyclo[2.2.2]octan-2-yl]methanol;hydrochloride Chemical compound Cl.C([C@H]([C@H](C1)CC)C2)CN1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OCC)C=C21 QNRATNLHPGXHMA-XZHTYLCXSA-N 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Images
Landscapes
- Manufacture And Refinement Of Metals (AREA)
- Image Analysis (AREA)
Abstract
Description
(1)焼結鉱の断面を撮像した複数の断面画像をそれぞれが示す複数の画像データを取得する画像データ取得部と、
断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織の組織構成に関連付けて複数の学習用データを生成する学習用データ生成部と、
複数の学習用データを用いて複数の断面画像と複合組織の組織構成との関係性を学習モデルに学習させる学習処理部と、
学習した複数の断面画像と複合組織の組織構成との関係性に基づいて、焼結鉱の断面を撮像した断面画像から複合組織の組織構成を推定する学習モデルを出力する学習モデル出力部と、
を有することを特徴とする焼結鉱の組織構成学習装置。
(2)複合組織は、ヘマタイト及びマグネタイトの何れか一方がカルシウムフェライトに取り囲まれた組織である第1複合組織、カルシウムフェライトとシリケートスラグとの複合組織である第2複合組織、ヘマタイト及びマグネタイトの何れか一方とカルシウムフェライトとの複合組織である第3複合組織、ヘマタイト及びマグネタイトの何れか一方とシリケートスラグとの複合組織である第4複合組織を含む、(1)に記載の焼結鉱の組織構成学習装置。
(3)複数の学習用データは、ヘマタイト又はマグネタイトの何れか一方である第1鉱物相、カルシウムフェライトの初晶相である第2鉱物相と、複数の領域とを更に関連付けて生成される、(2)に記載の焼結鉱の組織構成学習装置。
(4)第1鉱物相は、残留元鉱である第10鉱物相、一次ヘマタイト又は一次マグネタイトである第11鉱物相、二次ヘマタイト又は二次マグネタイトである第12鉱物相を含む(3)に記載の焼結鉱の組織構成学習装置。
(5)第2鉱物相は、針状のカルシウムフェライトである第2a鉱物相、及び柱状のカルシウムフェライトである第2b鉱物相を含み、
第2複合組織は、針状のカルシウムフェライトとシリケートスラグとの複合組織である第2a複合組織、及び柱状のカルシウムフェライトとシリケートスラグとの複合組織である第2b複合組織を含む、(3)又は(4)に記載の焼結鉱の組織構成学習装置。
(6)焼結鉱の断面を撮像した複数の断面画像をそれぞれが示す複数の画像データを取得し、
断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織の組織構成に関連付けて複数の学習用データを生成し、
複数の学習用データを用いて複数の断面画像と複合組織の組織構成との関係性を学習モデルに学習させ、
学習した複数の断面画像と複合組織の組織構成との関係性に基づいて、焼結鉱の断面を撮像した断面画像から複合組織の組織構成を推定する学習モデルを出力する、
処理をコンピュータに実行させる、ことを特徴とする焼結鉱の組織構成学習プログラム。
(7)焼結鉱の断面を撮像した複数の断面画像をそれぞれが示す複数の画像データを取得し、
断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織の組織構成に関連付けて複数の学習用データを生成し、
複数の学習用データを用いて複数の断面画像と複合組織の組織構成との関係性を学習モデルに学習させ、
学習した複数の断面画像と複合組織の組織構成との関係性に基づいて、焼結鉱の断面を撮像した断面画像から複合組織の組織構成を推定する学習モデルを出力する、
ことを含む、ことを特徴とする焼結鉱の組織構成学習方法。
本発明の発明者らは、焼結鉱の組織構成を学習モデルに機械学習させるときに、教師データとして使用される焼結鉱の断面画像と、機械学習された学習モデルが焼結鉱の組織構成を推定するときの推定精度との関係性を検討した。具体的には、本発明の発明者らは、Fe2O3−SiO2−CaO3元型状態図に基づいて、自溶性焼結鉱の反応に即した複合組織の分類を検討した。
酸化鉄相とはヘマタイトおよびマグネタイトの結晶相の総称である。ここでは、ヘマタイトまたはマグネタイトをいずれか一方に特定しないときに用いることがある。
ここでは、酸化鉄相を第1鉱物相とも総称して呼ぶ。さらに、残留元鉱を第10鉱物相、一次ヘマタイトおよび一次マグネタイトを第11鉱物相、二次ヘマタイトおよび二次マグネタイトを第12鉱物相と細分して呼ぶ。
第2b複合組織は、図2(d)において「Db」で示される領域である。
図3は、実施形態に係る組織構成学習装置を含む組織構成学習システムを示す図である。
図4は、組織構成学習装置1を示すブロック図である。
図5は、組織構成学習装置1により実行される組織構成学習処理のフローチャートである。図5に示す組織構成学習処理は、予め記憶部12に記憶されているプログラムに基づいて、主に処理部20により組織構成学習装置1の各要素と協働して実行される。
組織構成学習装置1は、断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織を関連付けて生成された学習用データを教師データとして学習モデル30を生成する。学習モデル30は、断面画像の複数の領域を鉱物相だけではなく複合組織に関連付けて学習用データを教師データとして学習モデル30を生成するので、学習モデル30は、焼結鉱の組織構成を高精度に推定できる。具体的には、学習モデル30は、図1において「B」及び「D」〜「F」で示される第1複合組織〜第4複合組織に、断面画像の複数の領域のそれぞれを関連付けて生成された学習用データを使用して機械学習される。
特に、本発明の学習モデルを用いることにより、第2鉱物相を第2a鉱物相と第2b鉱物相に、第2複合組織を第2a複合組織と第2b複合組織に、従来法と比較して簡便に高精度に細分し、それぞれの構成比率を定量化できる。その結果、焼結鉱の組織とその品質、特に被還元性との関係を従来以上に明確に関連付けることができると期待される。
また、本発明の学習モデルを用いることにより、第1鉱物相としてだけでなく、従来不可能であった第12鉱物相の構成比率まで定量化できる。その結果、第12鉱物相は焼結鉱品質の一つである還元粉化性を支配しているとされるので、焼結鉱の組織とその還元粉化性との関係を従来以上に明確に関連付けることができると期待される。
20 処理部
21 画像データ取得部
22 画像データ補正部
23 学習用データ生成部
24 学習処理部
25 学習モデル出力部
30 学習モデル
100 組織構成学習システム
101 光学顕微鏡
102 撮像装置
Claims (7)
- 焼結鉱の断面を撮像した複数の断面画像をそれぞれが示す複数の画像データを取得する画像データ取得部と、
前記断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織の組織構成に関連付けて複数の学習用データを生成する学習用データ生成部と、
前記複数の学習用データを用いて前記複数の断面画像と前記複合組織の組織構成との関係性を学習モデルに学習させる学習処理部と、
学習した前記複数の断面画像と前記複合組織の組織構成との関係性に基づいて、焼結鉱の断面を撮像した断面画像から前記複合組織の組織構成を推定する学習モデルを出力する学習モデル出力部と、
を有することを特徴とする焼結鉱の組織構成学習装置。 - 前記複合組織は、ヘマタイト及びマグネタイトの何れか一方がカルシウムフェライトに取り囲まれた組織である第1複合組織、カルシウムフェライトとシリケートスラグとの複合組織である第2複合組織、ヘマタイト及びマグネタイトの何れか一方とカルシウムフェライトとの複合組織である第3複合組織、ヘマタイト及びマグネタイトの何れか一方とシリケートスラグとの複合組織である第4複合組織を含む、請求項1に記載の焼結鉱の組織構成学習装置。
- 前記複数の学習用データは、ヘマタイト又はマグネタイトの酸化鉄相である第1鉱物相、カルシウムフェライトの初晶相である第2鉱物相と、前記複数の領域とを更に関連付けて生成される、請求項2に記載の焼結鉱の組織構成学習装置。
- 前記第1鉱物相は、残留元鉱である第10鉱物相、一次ヘマタイト又は一次マグネタイトである第11鉱物相、二次ヘマタイト又は二次マグネタイトである第12鉱物相を含む請求項3に記載の焼結鉱の組織構成学習装置。
- 前記第2鉱物相は、針状のカルシウムフェライトである第2a鉱物相、及び柱状のカルシウムフェライトである第2b鉱物相を含み、
前記第2複合組織は、針状のカルシウムフェライトとシリケートスラグとの複合組織である第2a複合組織、及び柱状のカルシウムフェライトとシリケートスラグとの複合組織である第2b複合組織を含む、請求項3又は4に記載の焼結鉱の組織構成学習装置。 - 焼結鉱の断面を撮像した複数の断面画像をそれぞれが示す複数の画像データを取得し、
前記断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織の組織構成に関連付けて複数の学習用データを生成する学習用データ生成部と、
前記複数の学習用データを用いて前記複数の断面画像と前記複合組織の組織構成との関係性を学習モデルに学習させ、
学習した前記複数の断面画像と前記複合組織の組織構成との関係性に基づいて、焼結鉱の断面を撮像した断面画像から前記複合組織の組織構成を推定する学習モデルを出力する、
処理をコンピュータに実行させる、ことを特徴とする焼結鉱の組織構成学習プログラム。 - 焼結鉱の断面を撮像した複数の断面画像をそれぞれが示す複数の画像データを取得し、
前記断面画像の複数の領域のそれぞれを、焼結鉱に含まれる鉱物相により形成される複合組織の組織構成に関連付けて複数の学習用データを生成する学習用データ生成部と、
前記複数の学習用データを用いて前記複数の断面画像と前記複合組織の組織構成との関係性を学習モデルに学習させ、
学習した前記複数の断面画像と前記複合組織の組織構成との関係性に基づいて、焼結鉱の断面を撮像した断面画像から前記複合組織の組織構成を推定する学習モデルを出力する、
ことを含む、ことを特徴とする焼結鉱の組織構成学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020069863A JP7417095B2 (ja) | 2020-04-08 | 2020-04-08 | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020069863A JP7417095B2 (ja) | 2020-04-08 | 2020-04-08 | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021166002A true JP2021166002A (ja) | 2021-10-14 |
JP7417095B2 JP7417095B2 (ja) | 2024-01-18 |
Family
ID=78021873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020069863A Active JP7417095B2 (ja) | 2020-04-08 | 2020-04-08 | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7417095B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7453532B2 (ja) | 2020-04-08 | 2024-03-21 | 日本製鉄株式会社 | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム、並びに焼結鉱の製造条件変更装置、製造条件変更方法及び製造条件変更プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6094230B2 (ja) | 2013-01-18 | 2017-03-15 | 新日鐵住金株式会社 | 焼結鉱の顕微鏡画像解析方法 |
JP6107388B2 (ja) | 2013-04-30 | 2017-04-05 | 新日鐵住金株式会社 | 結合物質の顕微鏡画像解析方法、顕微鏡画像解析装置、及びコンピュータプログラム |
JP6704052B2 (ja) | 2016-01-11 | 2020-06-03 | カール・ツァイス・エックス−レイ・マイクロスコピー・インコーポレイテッドCarl Zeiss X−Ray Microscopy, Inc. | マルチモダリティ鉱物質セグメント化システムおよび方法 |
-
2020
- 2020-04-08 JP JP2020069863A patent/JP7417095B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7453532B2 (ja) | 2020-04-08 | 2024-03-21 | 日本製鉄株式会社 | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム、並びに焼結鉱の製造条件変更装置、製造条件変更方法及び製造条件変更プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7417095B2 (ja) | 2024-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4462959B2 (ja) | 顕微鏡画像撮影システム及び方法 | |
US8041443B2 (en) | Surface defect data display and management system and a method of displaying and managing a surface defect data | |
JP6747391B2 (ja) | 材料特性推定装置及び材料特性推定方法 | |
JP2021166002A (ja) | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム | |
US9424640B2 (en) | Pathological diagnosis support apparatus and pathological diagnosis support method | |
JP2008163381A (ja) | 炉頂部のガス流状態監視方法、監視装置、及びコンピュータプログラム | |
CN107105151B (zh) | 图像处理装置、图像处理方法以及存储介质 | |
JP2006350739A (ja) | 画像処理装置および画像処理プログラム | |
JP2008130966A (ja) | 欠陥レビュー方法および装置 | |
US10677736B2 (en) | Method of determining a chemical composition of a slag portion | |
JP7417097B2 (ja) | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム | |
JP7453532B2 (ja) | 焼結鉱の組織構成学習装置、組織構成学習方法及び組織構成学習プログラム、並びに焼結鉱の製造条件変更装置、製造条件変更方法及び製造条件変更プログラム | |
EP3046406B1 (en) | Method for generating compensation matrix during substrate inspection | |
CN110095464B (zh) | 一种复杂组成的烧结矿矿相精细化定量分析方法 | |
O’Donovan et al. | Ladle pouring process parameter and quality estimation using Mask R-CNN and contrast-limited adaptive histogram equalisation | |
CN114663365A (zh) | 缺陷检测方法、装置及计算机存储介质 | |
CN108270983B (zh) | 一种字符叠加显示方法及装置 | |
US9046696B2 (en) | Image processing apparatus | |
JP5374225B2 (ja) | ウェハ検査条件決定方法、ウェハ検査条件決定システム及びウェハ検査システム | |
WO2024090054A1 (ja) | 画像処理方法、プログラム、および、画像処理装置 | |
CN110059648B (zh) | 一种基于增补分割的复杂组成烧结矿的非结构信息库的建立方法 | |
JP7406094B2 (ja) | クラス分類装置、学習済みモデル生成部、クラス推論部及びクラス分類方法 | |
JP2024031854A (ja) | スクラップ材の化学成分を推定するための成分推定方法 | |
TW202217743A (zh) | 顯示方法、控制裝置、顯示裝置及程式 | |
Abdulsalam | Advancing Analysis of Non-Metallic Inclusion Datasets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221205 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231130 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231218 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7417095 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |