Розробка автоматизованого методу контролю якості листового прокату аналізу поверхневих пошкоджень та зламу (комплексна тема)

Abstract

Розроблена модель дефектометричного контролю, яка перевершує інші алгоритми неглибокого машинного навчання з точки зору точності. Запропоновано виявлення дефектів сталевої поверхні на основі згорткової нейронної мережі. З метою виявлення поверхневих дефектів сталевої смуги створено імітацію дефектів холоднокатаної сталевої смуги та камеру для відтворення умов зйомки поверхні смуги під час її транспортування після прокатування. Незважаючи на те, що дефекти металопрокату мають різноманітні та складні характеристики, розроблено алгоритми виявлення поверхневих дефектів сталевої смуги, що мають хорошу ефективність узагальнення. На початковому етапі досліджень аналізували дефектність листової заготовки у статичному стані (без вібрацій). Виявлено, що із збільшення кількості світла, яке потрапляє на досліджувану поверхню, площа ділянок, розпізнаних як пошкодження, зростає. Надлишкове збільшення освітленості поверхні листа металопрокату спричинило зниження площі виявлених дефектів. Загалом вплив частот вібрації за різних умов освітлення спричиняє «розмиття» зображення. За дослідженого частотного діапазону величина площі дефектів сягає максимуму для проведеного експерименту при f = 30 Гц. Досліджено мікроморфологію зруйнованих листів металопрокату на основі методу, основним елементом якого є пошук країв ямок відриву. Він містить операції фільтрування набором фільтрів для виявлення країв, адаптивне порогування, скелетизацію, дилацію та виділення зв'язних областей.Розглянуто підхід, який дозволяє створювати проблемно-орієнтовані та спеціалізовані експертні системи, налаштовані на певну аналізовану ділянку контрольованого об’єкту. Запропоновано заходи з охорони праці, безпеки життєдіяльності та охорони довкілля.

A defectometric control model has been developed that outperforms other shallow machine learning algorithms in terms of accuracy. A convolutional neural network-based detection of steel surface defects has been proposed. In order to detect surface defects of a steel strip, an imitation of defects of a cold-rolled steel strip and a camera have been created to reproduce the conditions for photographing the strip surface during its transportation after rolling. Despite the fact that defects in rolled metal have diverse and complex characteristics, algorithms for detecting surface defects in steel strip have been developed that have good generalization efficiency. At the initial stage of the research, the defectivity of a sheet blank in a static state (without vibrations) was analyzed. It was found that with an increase in the amount of light falling on the studied surface, the area of areas recognized as damage increases. Excessive increase in the illumination of the surface of the rolled metal sheet caused a decrease in the area of detected defects. In general, the influence of vibration frequencies under different lighting conditions causes image "blurring". In the studied frequency range, the defect area reaches a maximum for the experiment at f = 30 Hz. The micromorphology of damaged rolled metal sheets was studied based on a method whose main element is the search for edges of detachment dimples. It includes filtering operations with a set of filters for edge detection, adaptive thresholding, skeletonization, dilation, and selection of connected areas. An approach is considered that allows creating problem-oriented and specialized expert systems, tuned to a specific analyzed section of the controlled object. Measures for labor protection, life safety, and environmental protection are proposed.