如我們所知,機器視覺仍相對的屬于新興技術,尚處于發展階段。雖然在3C電子、汽車、光伏等領域已有廣泛應用,但由于工況環境、技術需求等方面的巨大差異,實驗室或流水線上的機器視覺經驗并不能直接適用于鋼鐵行業,已實施的視覺應用還很單一和局限。
為了使機器視覺更好地助力鋼鐵行業轉型升級,需要發揮機器視覺技術優勢,不斷攻克陌生工況環境帶來的挑戰。
機器視覺技術在鋼鐵行業的應用主要目的是配合生產,并助力企業提高效益。一般來說,視覺技術在鋼鐵行業的應用可以分為生產過程、質檢過程、運輸過程。本文將為大家簡單介紹幾大類下的相關案例。
生產過程鐵礦料生產檢測
鋼鐵產品根本原材料為鐵礦石加工而來的鐵粉,鐵粉生產流程基本上可以分為采礦、粗碎、細碎、粗選、磨礦、精選這些流程。工藝中涉及到顎式破碎機、球磨機、螺旋分級機、磁選機等,最終對尾礦濃縮,輸送精煉。在不同工序輸送流轉過程中,對礦料的尺寸大小把控、是否有異物、傳送帶狀態等都有監測需求。異常尺寸、工具異物、傳送帶撕裂等都會對產線安全造成損害。
左:為鐵礦料原圖 右:為識別結果
利用深度學習識別超過標準尺寸的礦料球,實時控制工藝原材料配比。鐵粉原料多為深黑色,且為不規則球形,具有反光度低,外形輪廓不明顯的特點,普通算法很難提取到有效特征,無法對表面相似的礦料球進行尺寸區分。矩視智能低代碼平臺采用AI深度學算法,只需少量圖片樣本,即可對超限礦料球準確捕捉、計數。從而通過設備通訊實時反饋,改善工藝過程原料配比。與依據經驗判斷的人工監測方式相比:機器視覺監測具有更強穩定性與確定性,且易進行數據總結與統計;對于惡劣工況環境與全時段連續監測來說,機器視覺具有更強的適應性;進而有效預防及減少異常情況給產線帶來的損害與停機檢查導致的時間損失。
質檢過程鋼材表面質量的檢測
鋼鐵建材種類多且形態多樣,常見的有鋼板、卷材(如帶鋼、銅帶、鋁箔等)、棒料等。由于生產工藝復雜,所以其表面常會出現結疤、裂紋、劃痕、色斑等缺陷,給生產商帶來不可估量的社會與經濟后果,加之人工檢測難度大,傳統的視覺算法很難將這些缺陷與油污、水滴等區分開,檢測準確率低。因此,鋼材制造商與鋼材使用者都非常重視鋼材表面質量的檢測。
以帶鋼為例,帶鋼作為化工、汽車、輕工業等制造的主要原材料,對帶鋼的成品率、合格率、優質率都有嚴格的要求,帶鋼的表面質量是一項重要的指標,由于原材料的生產過程中會造成各種瑕疵缺陷,通常有劃痕、刮傷、崩邊、孔洞、結疤、凹坑、麻點等表面異常。怎樣實現鋼板表面缺陷的在線檢測與識別已成為急需解決的問題。傳統的機器學習算法通常包含多個步驟,如圖像預處理,分割,特征提取與分類,這其中每個步驟都非常重要,并在最終檢測結果中起著重要作用。矩視智能低代碼平臺深度學習算法中的特征提取步驟能夠使用較少的參數來獲得有用信息。
考慮到缺陷種類多樣、運動速度快、寬度大、精度要求高等原因,矩視智能采用多個單色線掃相機拼接輔以雙向打光方案。
表面檢測方案及部分缺陷圖片例如可選用N4K-7(Alkeria)線掃相機最高支持95KHz@4096像素,理論可達0.1mm精度@500米/分鐘;光源采用800W高亮線掃光源@2000mm長度。高精度的表面檢測方案不僅可以應對寬度變化、寬度方向偏移、速度突變、縱向抖動等干擾,亦可防止帶鋼斷裂導致的停工,綜合提高鋼板質量,防止良莠摻雜引起的產品整體質量下降。
運輸過程產品運輸計數
在產品出廠階段,運輸時往往會對產品進行計數分裝。在工業生產中,傳統的計數設備都是靠機械運轉的方式實現的,這樣的計數方法需要設備與建材直接接觸,在工作的過程中容易造成表面損壞,速度慢、效率低且噪聲比較大。
矩視智能低代碼平臺突破了傳統計數設備的瓶頸,計數時不與被測建材接觸,只需在采集圖像后對需要計數的建材進行標注和訓練。平臺對圖像及標注內容進行處理與分析,即可準確得出實際數量,從根本上克服了接觸式計數設備的缺點,提高了計數速度,滿足生產過程中產品數字安全控制的需要。
總結與展望
正如上述案例所呈現的,由于傳統工業的工藝水平較為完善與成熟,對于機器視覺系統的精度、速度反而有著較高要求,加上要適應其特殊的工作環境,往往需要當下較前沿的光學、 圖像技術或創新性的應用方式。因此,我們可以將鋼鐵行業對視覺產品的要求做出一些總結和設想:● 防護等級,需要采用具有IP6X等級的相機,或額外配備相機防護罩;● 溫度控制,良好的散熱性及寬溫適應性;● 數據傳輸,長距離高速傳輸,光纖線纜可能是最終方式;● 同步采集,與產線速度高精度同步,多相機系統同步、視野拼接;● 深度學習,用于表面缺陷檢測,不規則產品定位識別等;● 通信互聯,可與工廠設備互聯通訊,可訪問與上傳數據庫。機器視覺技術在鋼鐵行業及周邊產業中仍有許多應用場景可以大展身手或等待發掘,如運輸車輛檢測、視覺引導機器人搬運、產線巡查、設備運行監控、鋼板焊接、切割等。矩視智能低代碼平臺也將不斷為鋼鐵行業提供優質的機器視覺方案與產品。
2025-04-09 12:40
2025-04-08 08:51
2025-04-07 12:08
2025-04-07 12:07
2025-04-07 12:06
2025-04-07 09:52
2025-04-07 09:49
2025-04-07 09:43
2025-04-03 09:11
2025-04-03 08:56