【技术实现步骤摘要】
本专利技术涉及炼钢技术以及智能检测技术，尤其涉及连铸坯低倍检测缺陷智能识别方法，该方法是基于数字化知识和mlp扩展类优化模型融合的智能识别技术。
技术介绍
1、炼钢连铸坯生产过程中，由于装备故障、工艺变化及参数波动等多种因素影响，少量连铸坯表面会出现一些表面质量缺陷，如果表面缺陷严重，将对后序轧制工艺产生不利影响，部分表面缺陷不能直接观察得到，必须进行清洗、腐蚀等操作才能确定缺陷类型及严重程度。这部分缺陷检测即为连铸坯低倍组织检测缺陷，是对连铸坯进行清洗、腐蚀后的组织及形貌检测，主要包括缩孔、中心裂纹、皮下裂纹、中间裂纹、中心疏松、中心偏析、皮下气泡、等轴晶带薄且不均匀、非金属夹杂等，有的企业生产的连铸坯低倍组织的缺陷主要表现为裂纹和中心偏析等缺陷。
2、现有的机器视觉技术应用于连铸坯表面缺陷质量检测系统，都是针对连铸坯表面缺陷，而不是低倍检测缺陷，二者的缺陷特征和判级分类要求均不相同。
3、中国专利cn201210061901.2公开了一种表面质量在线检测装置系统，通过线阵相机对高速运行的钢坯表面进行图像采集，...
【技术保护点】
1.一种基于知识和MLP-Mixer类融合模型的连铸坯低倍缺陷识别方法，其特征是：其步骤如下：
2.根据权利要求1所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的知识权重图像矩阵获取方法，其步骤如下：
3.根据权利要求2所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的部位权重增强中，终点区域增强值取180-250之间，弱化区域值取10-50之间。
4.根据权利要求2所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的色泽深浅增强中，增强因子取0.1-1.9之间。
5.根据权利要求2所述的连铸坯低倍缺陷智能识别方法，其特...
【技术特征摘要】
1.一种基于知识和mlp-mixer类融合模型的连铸坯低倍缺陷识别方法，其特征是：其步骤如下：
2.根据权利要求1所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的知识权重图像矩阵获取方法，其步骤如下：
3.根据权利要求2所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的部位权重增强中，终点区域增强值取180-250之间，弱化区域值取10-50之间。
4.根据权利要求2所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的色泽深浅增强中，增强因子取0.1-1.9之间。
5.根据权利要求2所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的其它特征的数字化增强表征是进行权重放大处理，即：对于大小特征，越大权重越大；对于宽窄特征，越宽权重越大；对于形态特征，曲率越大权重越大；对于数量特征，数量越大权重越大。
6.根据权利要求1所述的连铸坯低倍缺陷智能识别方法，其特征是：所述的融合方法是，将知识权重图像矩阵与原始图像像素...
【专利技术属性】
技术研发人员：张宇军，于艳，李青，朱砂，李华，刘旭峰，邓攀，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。