Метод анализа интервалов значений признаков дефектов на изображении поверхности плоского проката

Abstract

В настоящее время качество продукции холоднокатаного и оцинкованного проката является одним из важных характеристик для выбора продукции потребителями. Качество данной продукции определяется, в том числе отсутствием дефектов поверхности. Для анализа наличия дефектов поверхности используются автоматизированные системы распознавания дефектов поверхности (АСРДП), которые имеют ложноположительные и ложноотрицательные срабатывания. В настоящей статье рассматривается метод определения наличия дефектов и их классификации на основе интервальных оценок геометрических, оптических и спектральных признаков. Авторами проанализированы интервалы рассчитанных признаков для разных классов дефектов: плена, надрыв отжига и сквозной разрыв. Результаты исследования на данном этапе показали, что на основе анализа интервалов необходимо составить правила принятия решений, увеличить количество признаков и рассмотреть большее количество классов дефектов. Это позволит выявить скрытые закономерности для определения классов дефектов.

At present, the quality of cold-rolled and galvanized products is one of the important characteristics for the choice of products by consumers. The quality of this product is determined, among other things, by the absence of surface defects. To analyze the presence of surface defects, automated surface defect recognition systems (ASDRS) are used, which have false positive and false negative responses. This article discusses a method for determining the presence of defects and their classification based on interval estimates of geometric, optical and spectral features. The authors analyzed the intervals of calculated features for different classes of defects: captivity, annealing tear, and through rupture. The results of the study at this stage showed that, based on the analysis of the intervals, it is necessary to draw up decision rules, increase the number of features and consider more classes of defects. This will reveal hidden patterns to determine the classes of defects.