Главная Обратная связь

Дисциплины:






Серія Машинобудування №60



Система контроля качества поверхности (СККП) включает в себя две цифровые строчные видеокамеры для

съемки верхней и нижней поверхности полосы, блок освещения верхней и нижней поверхностей полосы,

компьютерное оборудование (рис. 1). Разрешающая способность цифровых видеокамер составляет 0,51,0 мм по

ширине и длине полосы соответственно, что и определяет минимальный размер фиксируемого поверхностного

дефекта. Графическое изображение верхней и нижней поверхностей полосы принимается видеокамерами и

передается в компьютерную часть системы. Обработка изображения дефектов поверхности происходит в четыре

основных этапа – предварительная корректировка изображения, определение, сегментация и классификация.

Получив от видеокамер первичное изображение поверхности, система корректирует общий фон, который

должен быть всегда постоянным по времени для правильной классификации дефектов. К полученному изображению

применяются параллельно несколько алгоритмов определения дефектов (для вертикального, горизонтального и

диагонального контраста, тонких и протяженных, темных или светлых дефектов). Затем, происходит

морфологическое группирование полученных признаков для получения информации, требуемой на этапе

классификации.

Рис. 1. Размещение оборудования СККП

Для классификации дефектов в данной системе контроля качества поверхности реализован метод,

основанный на методе классификационных сфер. В основе метода сравнение найденных недостатков поверхности с

образцами дефектов из существующей базы данных, на которой основана классификация. Для автоматической

классификации дефекта требуется иметь в базе данных не менее 20-40 образцов аналогических дефектов.

После классификации изображения и результаты обработки передаются на пост управления, информируя

оператора стана о состоянии поверхности проката, а также записываются в базу данных для последующего анализа

качества проката.

Основные трудности, возникшие на этапе освоения СККП на НШСГП 2000, состояли в настройке системы

для определения дефектов на текущем сортаменте стана, а также в «обучении» системы классифицировать

найденные дефекты. Обучение заключалось в накоплении образов дефектов в базе данных (база «знаний дефектов»).

Мероприятия по настройке системы контроля качества поверхности для получения максимума определения

поверхностных дефектов состояли из четырех этапов:

 разбиение сортамента сталей, прокатываемых на стане, на группы по внешнему виду

поверхности проката;

 снижение количества воды на верхней поверхности проката;

 определение в системе пороговых значений контрастности определения дефектов для групп,



выделенных в сортаменте сталей;

 создание классификационных файлов.

Так как поверхности стальных полос отличны по внешнему виду (например, марки трансформаторной стали

имеют, в основном, однородную серую поверхность, а динамной и углеродистой более темную и неоднородную), то

после непродолжительной эксплуатации системы весь сортамент стана 2000 был разделен на 5 групп по внешнему

виду поверхности:

 группа 1 – прокат 10ЮА, 20 и трансформаторных марок;

 группа 2 – прокат 08Ю, DC04 и Ст3сп;

 группа 3 – прокат динамных и легированных марок;

 группа 4 – прокат S355J2G3, Ст5сп, 09Г2С и A36;

 группа 5 – прокат с рифлением,

и для каждой группы были определены пороговые значения контрастности и построены классификационные

сферы [7].

Еще одной проблемой для определения поверхностных дефектов на верхней стороне проката явилось

наличие на ней капель воды, а также присутствие водяных брызг и пара между полосой и верхней видеокамерой.

При наличии 4-5 тыс. изображений воды на одной полосе, даже при высоком проценте классификации (98-99 %), не

менее чем 50-100 изображений воды будут классифицированы как «дефект». Для удаления воды была изменена

конструкция водяного охлаждения роликов рольганга, смонтированных в зоне измерительных домиков, и

дополнительно к штатному гидросдуву установлен после 5 ролика еще один гидросдув, предназначенный для

Вісник Національного технічного університету України «Київський політехнічний інститут»

удаления водяных капель с поверхности полос шириной более 1200 мм, а после 7 ролика воздушный сдув для

проката шириной 900-1200 мм.

В результате настройки СККП на определение поверхностных дефектов проката и устранения негативного

влияния брызг воды на обнаружение стало возможным перейти к следующему этапу – обучению системы для

автоматической классификации дефектов. И хотя для этого возможно было использование базы знаний стандартных

изображений дефектов, полученных на разных металлургических предприятиях, этап настройки СККП на

автоматическую классификацию осуществлялся в ручном режиме. Это более трудоемкий метод настройки,

связанный с простоями агрегатов, но эффективный, так как за счет визуального осмотра увеличивается точность

классификации неизвестных дефектов. Осмотр рулонов, содержащих дефекты неизвестного типа, осуществлялся на

агрегатах резки и линиях подготовки горячекатаных рулонов. Здесь проводилась идентификация дефектов

экспертами УТК, их документирование и цифровое фотографирование. При необходимости проводился комплекс

металлографических исследований. Последовательность выполнения мероприятий по этому этапу представлена на

рис. 2.

Рис. 2. Обучения СККП для автоматической классификации дефектов

Первоначальное обучение СККП для автоматической классификации дефектов проводилось с декабря 2003 г.

по май 2004 г. Всего за это время было осмотрено около 120 рулонов с дефектами и в базу знаний внесено более

1000 изображений дефектов. После накопления определенного опыта работы с изображениями дефектов,

получаемых из системы, стало возможным производить обучение системы без проведения трудоемкого визуально

осмотра рулонов или прибегать к нему в исключительных случаях. Этому способствовал разработанный ЛГТУ

каталог цифровых изображений дефектов. Основой этого каталога стала накапливаемая база знаний СККП и

цифровые изображения дефектов, обнаруженных в результате визуального осмотра и идентификации

поверхностных дефектов горячего проката.

Когда объем обученных изображений дефектов стал достаточным, совместно с учатсием фирм SYTCO AG и

SIEMENS-VAI были проведены гарантийные испытания (июнь 2004 г.). Для этого были отбраны рулоны с

поверхностными дефектами, обнаруженными системой. Отобранные рулоны осматривались по методике,

аналогичной методике, используемой для обучения СККП автоматической классификации. Дефекты

регистрировались вручную на агрегатах подготовки горячекатаных рулонов. Фиксировались координата дефекта от

заднего конца рулона, размеры дефекта, определялся его класс и интенсивность. Далее, по результатам ручного и

автоматизированного определения дефектов поверхности горячекатаного проката вычислялся процент определения

ПО и процент классификации ПК :

100%

Д П О О

ДЭ

  , 100%

ДК ПК

ДО

  ,

где ДО – число дефектов данного класса, одновременно обнаруженных как системой в автоматическом режиме, так

и экспертом при визуальном осмотре на всех отобранных для испытаний рулонах; ДЭ – суммарное число дефектов

данного класса, обнаруженных экспертом при визуальном осмотре на всех отобранных для испытаний

рулонах; Д К – число дефектов данного класса, одновременно обнаруженных как системой в автоматическом

режиме, так и экспертом при визуальном осмотре на всех отобранных для испытаний рулонах и при этом правильно

классифицированных системой (как данный класс). При вычислении процента определения дефектов учитывались

только те дефекты, которые являются дефектами с точки зрения эксперта, а класс дефекта, назначенный для них

системой в автоматическом режиме, во внимание не принимался. Всего в ходе гарантийных испытаний было

осмотрено 16 рулонов.

Анализ полученных результатов показал, что основными дефектами поверхности горячекатаных полос

являются плены (слиточные и строчечные), а также раковины и вкат. Процент определения и классификации для

этих дефектов составил 100 % и 94,2 %, 95 % и 95 %, соответственно. Уровень обнаружения псевдодефектов (капли





sdamzavas.net - 2020 год. Все права принадлежат их авторам! В случае нарушение авторского права, обращайтесь по форме обратной связи...