[发明专利]一种基于实时检测结果的中厚板周期性缺陷控制方法

说明书

本发明提供一种基于实时检测结果的中厚板周期性缺陷控制方法，属于钢板质量控制技术领域。搭建中厚板表面缺陷检测系统、基于卷积神经网络的表面缺陷检测模型及基于长短期记忆网络的周期性缺陷检测模型，当检测到周期性缺陷时，由主控台确定周期性缺陷控制方案。本发明能够基于实时检测的周期性缺陷数据对中厚板表面质量进行控制，避免了因出现周期性缺陷造成的批量质量事故，有效地提高了中厚板产品质量、生产效率及经济效益。

技术领域

本发明涉及钢板缺陷控制方法技术领域，特别是指具有周期性的中厚板表面缺陷控制方法。

背景技术

中厚板产品主要有结构钢、汽车大梁板、桥梁板、高层建筑用钢、锅炉容器板、低合金钢、模具用钢等，广泛应用于冶金、机械、汽车、桥梁、船舶、电力、建筑等行业。其表面质量是影响中厚板产品质量的重要环节，对中厚板表面缺陷尤其是周期性缺陷进行实时有效地控制是高效优质生产中厚板的关键技术重点及难点，也是预防批量质量事故发生的决定性环节，受到了国内外学者的重视。

由于高温和生产工艺的影响，传统的中厚板表面缺陷检测以人眼目测法为主。在目前的轧制生产过程中还没有很好的手段可在线监控到矫直机前后的钢板表面质量情况，一般通过钢板到达冷床降温后再进行抽检。当在冷床检查台降温后发现缺陷问题时，如果是轧机或者矫直机产生的轧制缺陷，则至少已经连续生产了25片钢板，这种连续缺陷的产生对后续工序产生极大影响，如果缺陷严重，还会产生极大的经济损失。钢板下表面难以直接检查，需通过翻板或者设置下表面反光镜并安排专门人员采用抽检的方式进行检测。将钢板吊离剪切线至翻板机翻板检查，又增加了生产工序作业难度和生产效率，且翻板机位于冷床后，一旦下表面出现二次划伤等缺陷问题将造成大批量质量缺陷板。综上可知，采用人工目检及抽检的检测结果受检测人员的主观因素影响，缺乏准确性、可靠性、连续性、完整性，无法对周期性缺陷进行有效地检测及控制，无法避免批量质量事故发生。

随着人工智能技术与CCD成像技术的发展，基于机器视觉的表面检测技术得到了广泛的应用，专利“一种金属板带表面微小缺陷的在线检测方法”（201410137363.X）、“钢板的表面缺陷检查装置及表面缺陷检查方法”（201680014977.6）、“基于卷积神经网络多级特征的钢板表面缺陷检测方法”（201810338076.3）等提出了钢板表面缺陷在线检测方法，可实现表面缺陷非人工连续检测、分类和记录，并对检测结果进行有效分析、提取有用信息，进而更为准确地判断和评估中厚板表面质量状况，并采用控制策略对周期性缺陷进行有效地控制，对提高产品质量、生产效率及产品核心竞争力有非常重要的现实意义。专利“一种带钢的周期性缺陷的分析方法（201710659994.1）”通过表检仪进行缺陷识别，并通过三个阶段的预设缺陷特征实现周期性缺陷的检测。综上可知，上述发明没有专门针对中厚板周期性缺陷进行检测，也无法实现基于检测结果的周期性缺陷实时控制。因此，已公开发表的文献中没有针对中厚板周期性缺陷进行实时在线检测并进行控制的报道。

发明内容

本发明要解决的技术问题是提供一种基于实时检测结果的中厚板周期性缺陷控制方法，其目的在于实时检测中厚板周期性缺陷并实现周期性缺陷控制，避免因出现辊印及划伤等周期性缺陷造成的批量质量事故，以提高中厚板生产效率、产品质量及经济效益。

该方法包括如下步骤：

（1）搭建表面缺陷检测系统并获取缺陷图像：通过安装在中厚板生产线上的表面缺陷检测系统获得中厚板的缺陷图像。

（2）搭建检测网络并初始化参数：搭建用于中厚板表面常见缺陷检测的卷积神经网络模型及用于周期性缺陷检测的长短期记忆网络模型，长短期记忆网络算法中加入输入门、遗忘门和输出门，三个门利用sigmoid激活函数来控制网络中信息传递。并对两个网络进行初始化参数设置。

（3）获取常见缺陷数据：采用卷积神经网络提取中厚板图像中表面缺陷的特征并分类，获得缺陷类型、位置、大小、数量等数据。