一种热轧盘条缺陷评价方法技术

本发明专利技术根据热轧盘条轧制速度快，盘条轧制完成集卷后难以对表面质量进行全面检查的状况，结合目前摄像技术的发展，将高速相机拍摄的照片，根据图片特征的分布，结合现场判定的实际需求，对图片进行分类，形成固定的方法，结合热轧盘条单位长度内缺陷的总长度和总面积，建立评价方法。建立评价方法。建立评价方法。

【技术实现步骤摘要】
一种热轧盘条缺陷评价方法


[0001]本专利技术属于冶金
，涉及一种热轧盘条缺陷的评价方法。

技术介绍

[0002]线材是钢铁工业的重要产品，广泛用于各项基础设施建设、建筑工程建设和金属制品行业。高品质的热轧盘条在深加工行业使用广泛，对线材产品质量要求高，一旦表面存在问题，容易出现拉拔断丝、冷镦开裂等问题。而线材的表面质量检查又是一个长期的难题：生产过程中红钢在轧线上前进速度快，人工无法进行检查，无法对热轧盘条的质量趋势进行评价。

技术实现思路

[0003]本专利技术旨在提供一种热轧盘条缺陷评价方法，既能对缺陷图像进行分类，形成一种统一的标准，指导生产过程和判钢操作；同时对每盘热轧盘条的表面质量形成量化的评价信息，用于质量趋势的变化的评判。
[0004]一种热轧盘条缺陷评价方法，关键步骤包括：S1：收集生产现场热眼相机拍摄的照片，包括不同规格热轧盘条的照片、热轧盘条头中尾的各个部位的照片、生产出现异常情况下热轧盘条的照片；S2：对缺陷图片进行缺陷特征分析，确定缺陷图片分类，将分类好的图片调整到同样大小后使用卷积神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热轧盘条缺陷评价方法，关键步骤包括：S1：收集生产现场热眼相机拍摄的照片，包括不同规格热轧盘条的照片、热轧盘条头中尾的各个部位的照片、生产出现异常情况下热轧盘条的照片；S2：对缺陷图片进行缺陷特征分析，确定缺陷图片分类，将分类好的图片调整到同样大小后使用卷积神经网络对分类进行学习，建立神经网络模型；S3：使用混淆矩阵检验S2建立的神经网络模型的准确率；如果准确率未达到设定的阈值，则返回S1、S2进一步完善图片分类；S4：将需要识别的高速相机图片调整到神经网络模型同样大小的尺寸，然后进行识别并输出待识别的图片属于S2图片分类中的哪一种类型，以及缺陷的尺寸数据；S5：计算每盘盘条裂纹的总长度和结疤的总面积，然后计算盘条每100m内的裂纹长度和结疤面积；S6：通过对热轧盘条缺陷每100m内的裂纹长度和结疤面积变化趋势分析，得出热轧盘条表面质量的变化趋势。2.根据权利要求1所述的一种热轧盘条缺陷评价方法，其特征在于：S2中，所述的使用卷积神经网络对分类进行学习，指两个的函数 f(x, y) 和 g(x, y) 卷积为一个新的函数 C(x, y) ，计算方法为：g(x,y)代表在需要卷积的图片在(x，y)的像...

【专利技术属性】
技术研发人员：陈胜昔，袁仁平，黄成勇，周文浩，李志敏，
申请(专利权)人：湖南华菱湘潭钢铁有限公司，
类型：发明
国别省市：