基于图像处理的连铸方坯低倍缺陷裂纹和缩孔的识别与评级.docx

基于图像处理的连铸方坯低倍缺陷裂纹和缩孔的识别与评级
摘要
连铸是现代钢铁生产中重要的工艺之一，方坯是连铸的主要产品之一。然而，方坯在生产过程中常常会出现缺陷，如裂纹和缩孔等。这些缺陷不仅会降低产品的质量，还可能对后续加工和使用产生不良影响。因此，开发一种图像处理的方法来识别和评级方坯中的低倍缺陷，对提高产品质量和生产效率具有重要意义。
本文通过对连铸方坯进行数字图像采集并进行预处理，包括图像去噪、图像增强等，以提高后续缺陷识别的准确性。然后，采用特征提取的方法，提取方坯图像中的关键特征，如纹理、形状等。通过建立适当的特征集和训练样本集，使用机器学习算法对缺陷进行分类和评级。本文选择了常用的支持向量机（SVM）算法作为分类器，并通过交叉验证来评估其性能。
实验结果表明，所提出的方法能够有效地识别和评级方坯中的低倍缺陷。通过对100个样本的测试，准确率可以达到90%以上。与传统的人工方法相比，本文所提出的方法具有更高的效率和准确性。同时，该方法还具有较好的可扩展性和适应性，可以应用于不同类型和尺寸的连铸方坯。
关键词：连铸方坯；低倍缺陷；图像处理；特征提取；支持向量机
Abstract
Continuouscastingisoneoftheimportantprocessesinmodernsteelproduction,andsquarebilletisoneofthemainproductsofcontinuouscasting.However,defectssuchascracksandshrinkageholesoftenoccurintheproductionprocessofsquarebillets.Thesedefectsnotonlyreducethequalityoftheproduct,butmayalsohaveadverseeffectsonsubsequentprocessinganduse.Therefore,itisofgreatsignificancetodevelopanimageprocessingmethodtoidentifyandgradelow-powerdefectsinsquarebilletsinordertoimproveproductqualityandproductionefficiency.
Inthispaper,digitalimageacquisitionandpre-processingofcontinuouscastingsquarebilletsareperformed,includingimagedenoisingandimageenhancement,toimprovetheaccuracyofsubsequentdefectidentification.Then,featureextractionmethodsareusedtoextractkeyfeaturesfromthebilletimages,suchastextureandshape.Byestablishingappropriatefeaturesetsandtrainingsamplesets,machinelearningalgorithmsareusedtoclassifyandgradedefects.SupportVectorMachine(SVM),acommonlyusedalgorithm,isselectedastheclassifier,anditsperformanceisevaluatedthroughcross-validation.
Theexperimentalresultsshowthattheproposedmethodcaneffectivelyidentifyandgradelow-powerdefectsinsquarebillets.Throughtestingon100samples,theaccuracyratecanreachover90%.Comparedwithtraditionalmanualmethods,theproposedmethodhashigherefficiencyandaccuracy.Atthesametime,thismethodhasgoodscalabilityandadaptability,andcanbeappliedtosquarebilletsofdifferenttypesandsizes.
Keywords:continuouscastingsquarebillet;low-powerdefect;imageprocessing;featureextraction;supportvectormachi