钢轨热轧缺陷分析及改进措施

从连铸、加热、轧制工艺流程分析了钢轨结疤、脱碳、轧痕、刮伤热轧缺陷产生的原因及其特点,根据不同缺陷产生的原因叙述了消除热轧缺陷的改进措施;结合钢轨万能轧制生产工艺,从精轧机组调整的角度阐述了消除钢轨外形尺寸偏差缺陷的方法,以提高钢轨的外形尺寸精度和表面质量,满足铁路建设高速化、重载化对钢轨的要求。

面向热轧带钢表面缺陷检测的YOLOv5算法优化分析

单阶段目标检测网络YOLOv5在处理热轧带钢表面缺陷的特征提取与感受特征融合时存在一定不足。文章提出一种适用于热轧带钢表面缺陷检测的优化YOLOv5算法,该算法通过IOUK-means++算法调整Anchor聚类锚框设定,并增加Dynamic Head目标检测头,引入通道注意力机制(C3_CA),同时结合Hard Swish激活函数与WIoU_Loss边界框回归函数,有效提高热轧带钢表面缺陷检测的综合精度。由NEU-DET数据集测试结果表明,相较于单阶段YOLOv5算法融合结果,优化后的YOLOv5网络模型的均值平均精度(mAP)可提高至75.7%,且网络约束率可有效提升6.1%。上述优化YOLOv5算法对热轧带钢表面缺陷位置勘定、分类指向与影响评估具有有益参考,同时也为金属表面的高精度筛检提供重要支持。

小波包-BP神经网络结合的热轧带钢缺陷识别

基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法有着较高的识别率,并具有稳健的抗噪性和良好的扩展性。

热轧薄板表面氧化铁皮类缺陷的形成机理与控制

针对供冷轧用热轧薄板表面出现的氧化铁皮麻点表面缺陷，介绍了氧化铁皮压入与氧化铁皮麻点的形成机理，分析了造成该缺陷的影响因素，并结合迁钢公司2160热连轧生产线的生产经验，提出了预防和减少该缺陷的措施。

探究热轧表面缺陷检测在连铸质量缺陷控制中的应用

通过对钢材表层测定系统进行介绍,对表层缺陷的变更、典型缺陷类别以及缺陷管控的思路进行重点阐述,证明了热轧表层弊病的测定在连铸质量管控之中有着实际价值及显著成效。

基于脉冲卷积神经网络的带钢表面缺陷识别

针对目前热轧带钢表面缺陷识别存在训练样本量小、识别效率低等问题,提出了一种基于脉冲卷积神经网络的带钢表面缺陷识别分类方法。为提高模型泛化性,首先利用扩散模型(Diffusion Model)对不平衡小样本数据集进行数据增强扩充,然后搭建脉冲卷积神经网络,并通过引入代理梯度方法进行网络监督训练,同时加入注意力模块来提高特征提取效率。实验结果表明:本文提出的脉冲卷积神经网络模型在保证识别率的基础上具有较强的生物合理性,为深度脉冲卷积神经网络在实际工程的应用提供借鉴。

酸轧机组断带原因分析及防控措施

随着广西钢铁冷轧厂2030酸轧机组规格品种的不断拓展、极薄料及高强钢比例的增多,轧机断带率一直居高不下。断带容易造成带钢在机架内大量堆钢,损伤机架内导板及喷梁设备,机架抽辊处理困难,同时造成轧机内辊系表面粘钢和剥落报废,断带碎片大量残留,导致故障处理时间过长,从而影响酸轧机组的生产效率。为降低轧机断带率和事故影响时间,文章提出热轧原料缺陷防控、优化焊接工艺、优化轧制二级模型参数、优化辊缝快开程序、优化轧机操作等措施,通过上述措施,酸轧机组轧机断带率降低至0.02%,高速断带时间由8h降低至2h内,达到预期攻关目标。

融合膨胀卷积与ECA的钢材缺陷检测算法

针对带钢材料表面缺陷检测中感受野受限导致目标漏检率高的问题,基于YoloX-s模型提出一种膨胀卷积与注意力机制融合的目标检测算法。在Backbone部分采用SPPF结构替换SPP结构,在Neck部分引入混合膨胀卷积模块用以增大检测的感受野,嵌入注意力机制ECA-net模块,保留特征图更多的通道信息,减少漏检率。后处理阶段采用CIoU损失函数,提高模型召回率。实验结果表明,改进算法在NEU-DET数据集上的mAP达到80.8%,较原模型提高4.6%,检测速度达到160 f/s,在带钢材料表面缺陷检测中具有一定的使用价值。