基于改进Swin Transformer的钢板表面缺陷检测方法

钢板是钢铁生产的主要产品,占据总产量的65%,钢板的任何质量问题,都会对以钢板为原料的制造业造成巨大的经济损失,也会对钢板制造商造成巨大的声誉损失。随着制造业对钢板表面质量要求的提高,基于计算机视觉的自动缺陷检测方法也越来越受到重视。该文提出的改进Swin Transformer算法可以准确、快速地识别多种类别的钢表面缺陷。相对于常用的Faster RCNN,Mask RCNN等算法,具有对小尺寸缺陷识别精度更高,训练及预测速度更快的优势。针对现有缺陷检测方法对小尺寸缺陷识别精度差,识别速度慢的缺点,提出一种基于Swin Transformer骨干网络的钢板表面缺陷检测方法。由于Swin Transformer使用窗口划分代替卷积,因此,不会造成数据丢失和冗余计算,提高了识别精度和速度。试验结果表明,相对于YOLO V4的低检测精度和Faster R-CNN的慢识别速度,Swin Transformer可以实现高精度的实时检测,满足工业生产需求。

一种钢材一体化智能检测和输送系统设计

钢板作为冶金业的主要产品之一,在航空航天、船舶以及汽车等行业发挥着重要作用。在传统制造过程中,钢板质量检测方式效率低、经济成本高且风险较大。此外,诸多钢铁厂在进行生产活动时,钢材的检测环节与输送环节相互独立的生产模式需要大量人力物力,降低了生产效率,增加了制造成本,使得钢材智能检测与输送一体化系统逐渐成为相关企业的重要追求。因此,提出了一种钢材一体化职能检测和传送系统。该系统由钢板缺陷在线自动检测系统、柔性自动定位传输系统、内部构件自动传输系统、板材自动传输系统以及集控系统组成。检测钢板的最大尺寸为24 m×4.5 m,质量为25 t,检测辊道尺寸为28 m×5 m,具有3D功能,输送速度为0~15 m·min^(-1)(变频调速),横移轨道(横移辊道)可输送的钢板尺寸为12 m×3 m~24 m×4.5 m,最大横移速度为6 m·min-1,含喷码系统、编码标识系统、信息采集系统库管物流管理、集控系统及2套高精度吊排等。