公开(公告)号：CN111462119B

公开(公告)日：2023-06-13

申请号：CN202010461045.4

申请日：2020-05-27

申请人： 东北大学

发明人： 李旭 ,  董梓硕 ,  李涛 ,  周平 ,  曹剑钊 ,  李庆华 ,  张殿华

IPC分类号： G06T7/00 ,  G06T7/11 ,  G06T7/13 ,  G06T7/136 ,  G06T7/187 ,  G06T7/60 ,  G06T7/62 ,  G06T7/80 ,  G06T5/00 ,  G06T5/20 ,  G06T5/30

摘要： 本发明提供一种基于机器视觉的宽厚板剪切排样方法。利用机器视觉技术得到宽厚板的精确轮廓数据，并利用该数据对成型后的宽厚板分类并进行剪切线的划分，特别在宽厚板发生短尺时，采用混合遗传排样方法，将短尺的订单和宽厚板数据加入待排样订单集中，并根据实际剪切情况建立排样模型，并将启发式的排样策略融入遗传算法中进行搜索，从而得到所建立排样模型的最优解；本发明可有效提高宽厚板剪切流程的成材率，降低宽厚板切损率，而且具有简单高效、计算速度快等优点。

公开(公告)号：CN111462119A

公开(公告)日：2020-07-28

申请号：CN202010461045.4

申请日：2020-05-27

申请人： 东北大学

发明人： 李旭 ,  董梓硕 ,  李涛 ,  周平 ,  曹剑钊 ,  李庆华 ,  张殿华

IPC分类号： G06T7/00 ,  G06T7/11 ,  G06T7/13 ,  G06T7/136 ,  G06T7/187 ,  G06T7/60 ,  G06T7/62 ,  G06T7/80 ,  G06T5/00 ,  G06T5/20 ,  G06T5/30

摘要： 本发明提供一种基于机器视觉的宽厚板剪切排样方法。利用机器视觉技术得到宽厚板的精确轮廓数据，并利用该数据对成型后的宽厚板分类并进行剪切线的划分，特别在宽厚板发生短尺时，采用混合遗传排样方法，将短尺的订单和宽厚板数据加入待排样订单集中，并根据实际剪切情况建立排样模型，并将启发式的排样策略融入遗传算法中进行搜索，从而得到所建立排样模型的最优解；本发明可有效提高宽厚板剪切流程的成材率，降低宽厚板切损率，而且具有简单高效、计算速度快等优点。

公开(公告)号：CN112184655A

公开(公告)日：2021-01-05

申请号：CN202011017558.2

申请日：2020-09-24

申请人： 东北大学

发明人： 苏亚华 ,  李旭 ,  张殿华 ,  董梓硕 ,  曹剑钊 ,  丁敬国 ,  孙超 ,  周平 ,  王培文 ,  李涛 ,  李庆华

IPC分类号： G06T7/00 ,  G06T7/62 ,  G06T7/12 ,  G06T7/136 ,  G06T7/194 ,  G06K9/62

摘要： 本发明提供一种基于卷积神经网络的宽厚板轮廓检测方法，首先制作样本数据集，并构建卷积神经网络模型，然后利用样本数据集对网络模型进行训练，利用训练好的卷积神经网络将图像的高层语义信息与底层特征信息相结合，对宽厚板和背景进行有效分割；通过对分割后的图像进行边缘亚像素提取，最终获得宽厚板精确轮廓，本发明提供的方法学习能力强，可以有效抑制背景的干扰，对于不同对比度的原始图像，无需更改模型参数就可以有效地提取宽厚板轮廓，具有较强的鲁棒性。

公开(公告)号：CN112767380A

公开(公告)日：2021-05-07

申请号：CN202110119070.9

申请日：2021-01-28

申请人： 东北大学

发明人： 李旭 ,  董梓硕 ,  张殿华 ,  王培文 ,  曹剑钊 ,  周平 ,  李涛 ,  李庆华 ,  苏亚华 ,  韩月娇

IPC分类号： G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06T7/80 ,  G06T5/00 ,  G06T5/30 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

摘要： 本发明提供一种宽厚板端部形状预测方法，首先提取宽厚板生产过程中与端部形状相关的生产数据，然后提取宽厚板轮廓点数据，得到宽厚板端部形状特征量，并对数据进行异常值检测，将去除异常值后的数据归一化并划分为训练集和测试集；最后确定最佳人工神经网络结构，采用遗传算法优化神经网络迭代过程，用训练集进行模型训练，利用测试集测试所建立模型的泛化性能。本方法利用宽厚板轮廓数据对宽厚板端形状进行直接的量化表示，并用人工智能方法进行预测，克服的传统方法对影响因素考虑不全的缺点，具有较高的预测精度，同时具有较快的计算速度。

公开(公告)号：CN112767380B

公开(公告)日：2024-02-02

申请号：CN202110119070.9

申请日：2021-01-28

申请人： 东北大学

发明人： 李旭 ,  董梓硕 ,  张殿华 ,  王培文 ,  曹剑钊 ,  周平 ,  李涛 ,  李庆华 ,  苏亚华 ,  韩月娇

IPC分类号： G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06T7/80 ,  G06T5/60 ,  G06T5/80 ,  G06T5/90 ,  G06T5/30 ,  G06N3/048 ,  G06N3/08 ,  G06N3/126

摘要： 本发明提供一种宽厚板端部形状预测方法，首先提取宽厚板生产过程中与端部形状相关的生产数据，然后提取宽厚板轮廓点数据，得到宽厚板端部形状特征量，并对数据进行异常值检测，将去除异常值后的数据归一化并划分为训练集和测试集；最后确定最佳人工神经网络结构，采用遗传算法优化神经网络迭代过程，用训练集进行模型训练，利用测试集测试所建立模型的泛化性能。本方法利用宽厚板轮廓数据对宽厚板端形状进行直接的量化表示，并用人工智能方法进行预测，克服的传统方法对影响因素考虑不全的缺点，具有较高的预测精度，同时具有较快的计算速度。(56)对比文件阮金华.热轧宽厚板平面形状优化与成材率提高的数值模拟研究《.中国优秀博士学位论文全文数据库 工程科技II辑》.2015,B022-162.