基于低对比度和小区域模型的快速二值化方法

针对在带钢检测过程中出现的低对比度和小区域特征的缺陷,设计了一种快速高效的图像二值化方法.同0TSU算法和灰度平均值算法比较,该图像二值化方法在具有小区域缺陷特征图像处理方面有一定的优势.该方法对图像进行二值化处理,速度快、精度高,适用于对速度要求较高的图像处理场合.     

带钢平整板型控制的实践

本文通过对平整过程中板形缺陷的成因分析，提出了解决平整过程中板形缺陷的控制方法。     

消除板形缺陷，提高平整质量

本文对冷轧厂平整机组来料板形的现状进行了详细的量化分析和种类分析，指出了钢卷塔形产生的原因是带钢的板形缺陷，而板形缺陷产生的原因是轧制时不均匀变形引起的；同时还提出了平整机组通过正确选择不同的张力、压力和辊型制度来改善板形的方法，为该机组改善带钢板形，提高产品实物质量提供了依据。     

基于扫描线的带钢低对比度缺陷图像分割技术

在带钢表面质量视觉检测过程中,一些低对比度缺陷图像应用梯度算子进行分割时,往往找不到图像中的缺陷,从而出现漏检的情况.为了改善带钢图像中低对比度缺陷的分割效果,提出了一种基于扫描线的阈值图像分割算法,该算法可以有效实现平整花、点划伤等低对比度缺陷的分割,同时也能较好地实现对其他缺陷的分割.     

超宽冷轧机带钢板形特征聚类分析

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴‘大数据’的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征.以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果.提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础.     

离散跟踪微分器在板形识别上的研究与应用

 实际生产过程中很多因素会对板形信号产生干扰,从而造成板形缺陷识别不准确。针对这一问题,在板形勒让德多项式回归分解识别方法基础上应用最速离散跟踪微分器对板形信号进行滤波处理,消除噪声干扰。仿真结果表明,两种方法相结合后在板形缺陷识别的精确度和抗干扰性方面都有很好的效果。     

基于Legendre多项式的板形模式识别优化仿真及应用

板形缺陷模式识别是铜带轧机板形控制中最重要的部分.本文在对多种识别方法对比分析的基础上,提出了一种基于Legendre多项式的板形缺陷识别优化算法.利用其正交特性,结合轧制工艺要求,采用Matlab仿真得到板形基函数多项式的参数设定,代替原Legendre多项式的固定参数,同时根据来料板形特征设置迭代方程.结果表明:该优化算法能够有效地得到板形特征值,既弥补了最小二乘法板形识别的缺陷,又避免了Legendre正交多项式对调节机构的特殊要求;经现场验证,板形平均误差从±8 I减小到±6 I,精度提高了10％左右.     

基于线型激光的连铸板坯表面裂纹在线检测技术

采用光学检测法对高温铸坯进行表面裂纹在线检测,将高亮度绿色激光线光源照射到铸坯表面,利用激光的单色性在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响,从而提高图像的对比度.通过非抽样小波对铸坯表面图像进行分解,计算分解后得到的低频分量和原始图像的尺度共生矩阵,以及高频分量的灰度共生矩阵,作为图像的纹理特征,并输入基于AdaBoosting算法的分类器进行分类.利用该方法对表面裂纹、水痕、渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样本进行识别,表面裂纹的识别率达86.75%,总体识别率达87.16%.     

基于自适应神经模糊推理系统的板形模式识别研究

 针对传统的最小二乘板形模式识别方法的抗干扰能力差、精度低和神经网络板形模式识别方法存在的网络学习时间长、易陷入局部最小值、应用效果不佳等问题,提出了一种基于ANFIS的板形模式识别方法。该方法融合了模糊理论和神经网络的优点,弥补了彼此的不足,有效的解决了上述问题。板形模式识别是一个多输出系统,而MATLAB中ANFIS指令仅有一个输出,针对这个问题,本文提出利用系统拟合的方法,有效的克服了这个缺陷。研究结果表明,该方法能有效识别出常见的板形缺陷,识别速度和精度有所提高,识别结果跟板形仪的实测板形非常接近。     

热连轧带钢温度对轧后板形影响的研究

针对热连轧带钢轧后板形问题,提出带钢横向温度不均匀分布是造成板形恶化的主要原因,并得出轧后板形总是向边浪发展这一趋势。通过温度凸度的提出,分析了轧后温度变化符合高次方曲线特征。采用板坯直热装、降低冷却速率、采取合理的堆放方式以及控制钢卷的出库温度等措施,有效改善了轧后板形缺陷。     

带钢平整轧制过程中板形缺陷的遗传和演变规律

应用ABAQUS有限元软件对平整轧制过程进行三维弹塑性建模及仿真研究,通过温度场模拟入口带钢的初始板形缺陷,利用刚性工作辊的辊形变化综合表达各板形控制手段对承载辊缝形状的调控功效.基于以上力学模型,针对具有初始板形缺陷的带钢,仿真研究平整轧制后带钢的板形缺陷及其与初始板形缺陷及平整工艺条件的关系,揭示带钢平整轧制过程中板形缺陷的遗传与演变的规律.仿真计算结果表明,承载辊缝形状是决定带钢板形缺陷遗传和演变的最主要因素,轧前带钢的初始板形缺陷的程度,即最大纵向延伸差的大小,对平整后带钢的板形缺陷仅有一定程度的遗传性影响.     

基于图像混合核的列生成PM2.5预测

传统PM_2.5预测方法获取污染物浓度数据需要大型精密仪器，成本较高。本文尝试利用图像数据进行PM_2.5浓度预测。大气PM_2.5浓度的变化与图像的暗通道强度、对比度和HSI（Hue-saturation-intensity）颜色差异有密切联系。大气中PM_2.5浓度的升高会导致非天空区域的暗通道强度值下降，图像对比度下降和HSI空间颜色差异变小。通过分析PM_2.5浓度与图像特征的关系，提出了一种基于图像混合核的列生成空气质量PM_2.5预测模型。首先，以1 h为采样周期，每日8:00～17:00为采样范围，采集多种天气条件下的景物图像，提取图像的对比度、暗通道强度和HSI颜色差异共5个图像特征。其次，数据存在样本规模大、样本不平坦分布等特点，单个核函数构成的预测模型难以满足预测精度需求，因此本文按照核结构从简单到复杂的原则，选择线性核函数、多项式核函数和高斯核函数三种核函数建立组合模型。然后计算每个核基于训练样本的Gram矩阵，并将所有Gram矩阵并列成一个混合核矩阵。利用列生成算法和混合核矩阵建立预测模型，求解模型参数。最后，进行仿真实验，实验结果表明本文提出的可满足预测精度要求，与单核预测模型相比，该预测模型预测精度更高，模型稳定性更好。计算复杂度分析结果显示基于图像混合核的列生成模型与单核预测模型相比计算量无明显增加。      

基于图像预处理的神经网络带钢缺陷检测

针对带钢表面缺陷的特点,提出了1种基于图像预处理消除光照不均等的干扰且用神经网络进行缺陷识别的检测方法.带钢缺陷的检测分为3步:首先,对采集的图像进行预处理,通过图像零均值化以消除光照对检测的影响,分别利用维纳滤波和sobel算子对图像进行滤波除噪和锐化处理;其次,通过最大类间方差法进行图像分割以及计算面积来判断是否存在缺陷;最后,在提取图像特征的基础上,通过设计人工神经网络识别带钢缺陷类型.实验表明,采用的方法能够有效抑制图像背景干扰,能够有效地实现带钢缺陷的快速检测.     

4300 mm厚板线板形缺陷控制

鞍钢股份中厚板厂4300 mm厚板生产线在生产过程中产生的板形缺陷主要有镰刀弯和不平度超差。对这两种板形缺陷产生的原因进行了分析,同时提出改进措施,即优化轧制操作过程和控冷过程。实施后板形缺陷得到了良好的控制。     

基于FCM-WA联合算法的多种类矿石图像分割

矿石图像分割是基于机器视觉的矿石粒度分布检测的重要组成部分。针对复合矿山中颜色多样、纹理复杂且边缘粘连的多种类矿石图像难以识别与分割的问题,提出了一种基于FCM-WA联合算法的矿石图像分割方法。首先对矿石图像进行形态学优化,利用双边滤波、直方图均衡化和形态学重构来优化矿石图像的几何特征,减少噪声对分割效果的影响,提高图像对比度;然后将模糊C均值聚类（FCM）算法与分水岭（WA）算法相结合,利用FCM算法进行聚类迭代,计算出合适的分割阈值并对矿石图像进行分割,输出二值化图像;再利用基于距离变换的WA算法优化FCM算法的分割结果,对FCM算法输出的矿石图像边缘粘连部分进行分割,以获取最佳的分割图像。研究结果表明：（1）利用形态学优化流程处理矿石图像能够减少噪声并增强边缘信息,从而提高对比度;（2）相比传统的大津法和遗传算法,本文所提FCM-WA方法的稳健性更强、分割效果更好,对多种类的矿石图像像素分割准确率和矿石粒度识别准确率均可达到92%以上;（3）通过试验验证,FCM-WA方法能够精确地分割颜色多样、纹理特征复杂及边缘粘连的多种类矿石图像,分割结果满足粒度分布检测的要求;（4）FCM-...     

冷轧宽带钢板形控制降维功效继承调控方法

 基于高次勒让德正交多项式和调控功效函数,提出了降维功效调控模型及两级调控模型。首先,利用连续可导的高次曲线准确描述局部板形信息,同时降低影响系数矩阵的维数和功效函数的计算量,利用传统板形调控手段（倾辊、弯辊、横移）同步消除典型板形缺陷;然后,利用精细分段冷却实施剩余板形偏差的二级调控,改善局部浪形缺陷,提高成批钢卷的生产稳定性和板形质量。实例表明,当阶数为带钢覆盖检测通道数量的一半以上时,拟合曲线已包含所有的局部板形信息;对于相对较典型的板形问题（50 I左右）,一级调控后剩余板形偏差在15 I以内,二级调控后剩余板形偏差在8 I以内,综合调控效果比较理想。     

一种改进的图像增强算法及其在铸坯图像增强中的应用

根据低照度图像暗、对比度低的特点,提出了一种基于3次样条插值函数的直方图规定化方法,并用其对连铸板坯表面图像进行对比度增强处理。该算法是在直方图规定化的理论基础上,采用3次样条插值函数来拟合原直方图,并以拟合后的函数为规定化函数对原图进行直方图规定化变换。通过试验并与采用高斯函数进行规定化处理后的效果图进行对比分析,验证了该算法的有效性和实用性。     

冷轧边皱缺陷产生原因及解决措施

本文对边皱缺陷进行了分析，找出了其产生原因，并首次利用冷轧轧机二级机中板形仪数据对边部减薄进行了定量和定性的分析，并从冷轧切边剪、轧机、退火、平整各个工序及原料等方面提出了解决措施，对实际生产有指导意义。     

邯钢1680热轧带钢平整机的板形控制分析

本文简要介绍了邯钢CSP厂平整生产线的工艺,并对平整过程中板形缺陷的形成原因进行了分析。通过优化辊型曲线、完善控制模型等技术措施,总结出平整过程中板形缺陷的一般性控制方法以及生产实践中板形控制的操作要点。     

基于改进遗传算法优化Elman网络的板形识别方法

针对目前的板形缺陷识别方法精度不高、识别速度慢的问题,根据Elman神经网络模型可以反映系统动态特性,而且可以逼近任意非线性函数的特点,提出了一种利用改进的遗传算法优化Elman神经网络,使其泛化能力强、学习速度快、识别精度高,并建立板形缺陷模式识别模型的方法。为了验证该方法的识别能力,在隐层节点数与学习次数相同的条件下,分别与遗传算法优化的Elman网络和BP网络模型进行板形识别仿真对比分析。试验结果表明,改进遗传算法优化的Elman神经网络模型对板形缺陷识别精度高于BP网络等模型,并且具有收敛速度快的优点。