面向钢板表面处理的盐酸除锈效率与浓度关联性研究

钢板表面处理是许多工业领域中的关键工艺,盐酸除锈是经常用的方法之一。文章旨在研究盐酸浓度与它在钢板表面处理中的除锈效率之间的关联性,通过实验设计和数据分析,发现盐酸浓度对除锈效率有着显著的影响,也确定了最佳的浓度范围。文章的研究结果对优化钢板表面处理工艺和提高生产效率具有重要意义。

钢板表面偏析元素Sn,Sb对取向电磁钢板二次再结晶的影响

为了改善铁损,开发了磁畴细化技术,但是玻璃被膜影响了磁畴运动,为此开发了不生成玻璃被膜且板面光滑的产品,隔离涂层是以氧化铝作为退火隔离剂,并且钢中添加Sn,Sb等板面偏析元素抑制N的逸出,保持了抑制剂强度,从而得到了磁性能优良取向电磁钢板。

基于图像处理的钢板表面缺陷支持向量机识别

论述了钢板表面缺陷的机器视觉检测方法,提取了6种表面缺陷图像的特征值并将其维数合理地从32维降为20维。介绍了支持向量机的原理和算法,给出了钢板表面缺陷类型识别的支持向量机方法,进行了有关重要参数的对比寻优。利用支持向量机模型对钢板表面缺陷进行了类型识别,并与BP神经网络算法进行了对比,结果验证了支持向量机算法的有效性、快速性和稳健性。

基于支持向量机的钢板表面缺陷检测

针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板表面各种缺陷的准确识别率达到90%及以上,为钢板表面缺陷检测技术提供了很好的支持。

钢板表面缺陷在线视觉检测系统

基于视觉测量技术,开发一套钢板生产线表面缺陷在线检测系统。利用线阵CMOS相机和红色LED线光源形成传感器系统,结合自主开发的应用软件,实现钢板表面缺陷的自动检测。提出一种调节相机曝光时间的方法,根据拍摄到的图像的灰度值实时调节线阵CMOS相机的曝光时间。研究适用的图像处理算法,获得缺陷的外轮廓数据。实验结果表明:该系统具有较高的检测速度与准确度,从而提高钢板质量。

基于交变电磁场的钢板表面裂纹检测方法

针对钢板表面裂纹检测的问题,提出了交变电磁场的检测方法。研究了交变电磁场检测原理,建立了交变电磁场仿真模型,通过改变钢板表面裂纹深度等条件,分析计算了裂纹处磁场强度分布。对不同深度钢板裂纹的实验数据进行分析,实验结果表明,在相同实验条件下,随检测深度的增加,检测信号峰值增长正比于裂纹深度,检测最大深度为5 mm。

热镀锌工艺对汽车用镀锌钢板表面缺陷的影响

用扫描电镜和能谱分析研究了热镀锌板(%:0.001 5C、0.004P、0.005S、0.02A1、0.04Ti)表面平行的条状凸起缺陷,得出镀锌层表面有黑斑、微裂纹、贝壳状花纹、划伤痕迹及氧化皮等缺陷。分析表明,锌液中Sb含量偏高,增加锌层脆性;锌液中Al含量偏高,锌液温度低,以及镀锌前钢板划伤和氧化铁清洗不完全导致产生表面缺陷。

PNN与BP神经网络在钢板表面缺陷分类中的应用研究

针对钢板表面缺陷图像信噪比低、特征复杂多变而导致现有的钢板表面缺陷模式识别与分类方法存在的实时性差、精度低、适应性差等问题,研究了基于人工神经网络的分类器,以实现对钢板表面缺陷进行实时有效的分类识别。根据钢板表面划痕、麻点、夹杂、锈蚀、辊印5类缺陷的特点,从缺陷图像信号中提取了几何特征、灰度特征和Hu矩特征,选取了能够比较全面表征缺陷特征信息的13维特征向量作为神经网络的输入数据,为缺陷识别和分类提供了依据。分别构造了概率神经网络PNN和BP神经网络分类器,对钢板的表面缺陷进行了分类测试,并对测试结果进行了对比分析。实验结果表明,PNN和BP神经网络的识别率分别为87%和81%。PNN在识别准确率、训练速度、追加样本的能力等几方面的综合性能优于BP神经网络。

蚁群和粒子群混合优化SVM的钢板表面缺陷分类研究

热轧带钢表面的温度高、生产速度快,辐射光强,并且存在着水、氧化铁皮、光照不均等现象,难以通过人工进行表面质量在线检测。针对当前国内某钢厂热轧钢板表面缺陷检测仍由人工离线完成、缺陷识别准确率低的生产问题,充分利用大量图像信息,提出一种图像处理与蚁群和粒子群混合优化支持向量机结合的缺陷分类方法。首先,融合局部二值模式和局部相位量化两种特征提取方式的优点,进行钢板缺陷图片的特征提取,采用蚁群和粒子群优化出支持向量机的惩罚参数和核函数参数进行钢板表面的缺陷分类。最后采用Matlab仿真平台,将蚁群和粒子群混合优化的支持向量机分类模型与传统的支持向量机分类模型进行仿真对比分析。试验结果表明,采用蚁群和粒子群混合优化的支持向量机分类模型的分类精度高于传统的支持向量机模型。

基于机器视觉钢板表面缺陷检测技术研究

钢板表面缺陷严重降低钢板的耐磨性、耐高温性、耐腐蚀性、抗疲劳强度等性能,因此,钢板表面缺陷的检测就显得尤为重要。本文基于机器视觉采用Matlab图像处理技术对钢板表面缺陷进行检测识别。在不同光照条件下采集钢板表面图像,分别进行图像处理,讨论分析不同光照条件和去噪方法对检测结果的影响。首先对缺陷图像进行预处理,然后将预处理后的图像二值化及形态学图像处理,使图像背景与对象图形分离,提取出表面缺陷特征,计算缺陷的面积和周长。通过对图像细化和骨架提取线性缺陷,计算出缺陷长度,并且通过对像素的标定,将像素单位转化为长度或面积单位。实验结果表明该方法具有很好的可靠性和重复性。

鞍钢冷轧厂2号生产线钢板表面质量的优化

为了提高鞍钢新轧钢公司冷轧厂2号生产线的产品质量,结合生产实践,对影响产品表面质量的因素进行了分析研究,采取了一系列措施,对各因素进行了优化,使产品表面质量得到了大幅度改善,冷轧卷清洗后的反射率达到了92%。

基于加权结构SVM的钢板表面缺陷分类

研究表明,对于不同的实际问题,不同的样本具有不同的数据结构。充分利用样本的结构信息,能够有效的提高模型的泛化性能。此外,因为在实际生产中,存在着很多的外部干扰。因此,数据在采集过程中,必然存在着噪声。综上所述,针对钢板表面缺陷分类问题,提出了一种加权结构支持向量机(W-SSVMs)模型。W-SSVM-k模型在结构支持向量机(SSVM)的基础上,结合权重生成算法来解决钢板表面缺陷分类问题。WSRSVM-k采用聚类的技术挖掘数据集的结构信息,然后将获得的结构信息嵌入到SVM模型中。此外,W-SSVM-k又对不同的样本赋予了不同的权值,减小了标签噪声对分类性能的影响。最后,在钢表面缺陷数据集上进行的数值实验表明,提出的W-SSVMs具有很好的分类性能,尤其针对噪声数据集。

钢板表面裂纹成因分析

介绍了钢板表面网状裂纹的形貌特征及微观组织。以E级船板马蜂窝裂纹为例,通过分析钢板裂纹处氧化物圆点及脱碳层程度,判断钢板表面网状裂纹来源,并简述控制方法及实践结果。制定了严格的结晶器使用管理规定,同时着眼点进一步扩大至保护渣及钢水质量、热装制度等,最终彻底消除了钢板表面网状裂纹缺陷。

融合多层级特征的弱监督钢板表面缺陷检测算法

由于缺少实例级标签,使得深度神经网络在工业表面检测领域的应用受到了限制.为解决这一问题,本文面向实际的热轧钢板表面缺陷检测任务,提出基于弱监督学习的缺陷检测网络,该网络引入类激活映射模型,使用容易获取的图像级标签进行模型训练,进行钢板表面的缺陷检测.为了进一步提升检测精度和克服类激活映射模型原有的缺点,本文采用性能更优的残差网络作为主干网络进行特征提取,并提出了多层级特征融合网络进行类激活图的生成,来获取更多的细节信息和更准确的目标激活区域.通过在公开缺陷数据集NEU-CLS上进行实验,结果表明本文提出的方法能够在标签不完备的情况下进行缺陷检测任务,并取得0.68%分类错误率和17.75%定位错误率,胜过其他同类的方法.

基于图像金字塔的钢板表面深度信息提取方法

针对传统灰度匹配算法精度和实时性无法兼顾的不足，提出一种基于图像金字塔结构和归一化互相关相似度函数相结合的区域分层匹配算法，主要可控参数包括匹配窗口尺寸、匹配特征值范围、视差阈值范围、相似度阈值等，并基于双目立体视觉系统，通过双目视觉标定、等效标准极线结构的图像校正等方法，实现了钢板表面的深度信息提取，实验证明算法具有较高的精度和效率。

基于2维鲸鱼优化加权的WGG-Otsu算法的钢板表面缺陷图像分割

相对于1维Otsu算法,2维灰度级-梯度Otsu算法的抗噪声能力有所增强,但对受噪声影响较大的钢板表面缺陷图像的分割精度仍不高,且分割效率较低.为提高钢板表面缺陷图像分割的精度和效率,提出2维鲸鱼优化加权的灰度级-梯度Otsu算法.2维鲸鱼优化加权的灰度级-梯度Otsu算法能增大分布概率较低的阈值类间方差,减少背景与目标间差异对分割的影响.仿真实验结果表明,4种算法中,2维鲸鱼优化加权的灰度级-梯度Otsu算法的分割精度及效率均最高.

基于3D打印的PLA制件与钢板表面间结合力研究

3D打印是一种快速原型制造技术,能够高效地将数字化三维模型打印成物理实体,迅速实现设计产品的样机研发或功能验证。以聚乳酸(PLA)作为材料,采用塑料熔丝方法将制件打印在Q235钢板表面上,随后通过电子万能试验机对其进行拉伸试验,研究制件与钢板表面之间的结合力变化规律。结果表明,结合力随着PLA制件与Q235钢板表面接触面积的增大而增大;结合力随着钢板表面粗糙度的增大而小幅度增大。

基于AHSVM-WOA的钢板表面缺陷分类算法

为了降低标签和特征噪声对钢板表面缺陷分类的影响,提出一种抗噪声的超球体支持向量机(anti-noise hypersphere support vector machine,简称AHSVM)分类模型.鉴于鲸鱼优化算法(whale optimization algorithm,简称WOA)能对AHSVM分类模型的参数进行寻优且能提高运行效率,提出AHSVM与WOA结合的AHSVM-WOA算法.4种分类算法对6类热轧钢板表面缺陷的分类结果表明,AHSVM-WOA算法有良好的分类效果,在抑制标签和特征噪声方面性能优良,缩短了参数选择的时间.

钢板表面薄涂层表征方法在工业应用的探索和验证

在钢板生产的后处理工艺过程中,通常会在钢板表面涂覆不同类型的薄涂层(一般1～5μm)以满足不同用户的需求。薄涂层的主要化学组成和厚薄将直接影响产品的使用性能。因此如何准确可靠较快地表征薄涂层是工厂质量检验的重要环节。目前使用在钢板表面的涂层主要以无机、有机及复合涂层为主,表征涂层化学组成和厚度的方法也会因涂料配方而易。本文介绍了表征涂层化学组成和厚度的方法,着重地分析了X射线荧光光谱法和扫描电镜直接法的特点。选取了几种钢板表面薄涂层的代表性试样,用X射线荧光光谱法测定其涂层厚度,利用扫描电镜借助能谱法对厚度及组成进行验证。

基于加权Pin-SVM的钢板表面缺陷分类

针对带钢表面缺陷分类问题,提出了一种加权Pin-SVM(WPin-SVM-n)模型。WPin-SVM-n是在Pin-SVM的基础上,结合权重生成算法来解决分类问题。WPin-SVM-n利用Pinball损失函数实现了特征噪声不敏感特性。此外,WPin-SVM-n又引入了样本的权重,实现了标签噪声不敏感特性。另一方面,将WPin-SVM-n与二叉树相结合,解决了钢板表面缺陷的多类分类问题。最后,对六种带钢表面缺陷进行了试验研究。实验结果表明,多类WPin-SVM-n分类器(WPin-SVMs)在分类精度方面取得了令人满意的结果。