-
公开(公告)号：CN118155066A
公开(公告)日：2024-06-07
申请号：CN202410265339.8
申请日：2024-03-08
Applicant: 东北大学
Abstract: 本发明的基于迁移学习和改进YOLOv5的轧辊表面缺陷识别方法，包括：采集带钢缺陷图片和轧辊表面缺陷图片；对缺陷图片进行数据增强；制作带钢缺陷图片数据集和轧辊表面缺陷图片数据集；构建基于改进YOLOv5的带钢缺陷检测模型；使用带钢缺陷图片的训练集数据对改进YOLOv5的带钢缺陷检测模型进行训练；使用带钢缺陷图片的测试集数据对改进YOLOv5的带钢缺陷检测模型进行验证；以带钢缺陷图片数据集为源域，以轧辊表面缺陷图片数据集为目标域，进行迁移学习获得轧辊表面缺陷识别模型；将轧辊表面缺陷图片数据集的测试集数据输入到轧辊表面缺陷识别模型对缺陷进行判定，得到判定结果。
-
公开(公告)号：CN117840232B
公开(公告)日：2024-05-31
申请号：CN202410246408.0
申请日：2024-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种基于增量学习的热轧过程宽度预测方法，涉及轧钢自动控制技术领域，本发明考虑了生产过程中数据的实时变化，建立了基于增量学习的热轧过程宽度预测方法。首先基于历史数据集建立离线宽度预测模型，为在线更新提供基础。通过聚类方法进行特征选择，并引入优化后的宽度机理模型扩充特征集，引导离线模型的训练。考虑对历史知识的回顾以及对新知识的学习，以离线预测模型为初始，基于实时数据集，对模型进行在线更新，实现热轧过程宽度的在线预测方法。本发明提出的基于增量学习的热轧过程宽度预测方法弥补了目前预测模型大都是离线模型的缺陷，增强了模型对实时数据的感知，提升了模型的在线预测精度。
-
公开(公告)号：CN117428012A
公开(公告)日：2024-01-23
申请号：CN202311433942.4
申请日：2023-11-01
Applicant: 东北大学
Abstract: 本发明属于板带生产技术领域，具体地说是一种板带生产过程轧件侧弯自动识别方法，包括以下步骤：S1：轧件出炉，获取轧件初始参数；主要包括轧件牌号、入口厚度、入口宽度、入口温度；S2：生产过程开始，轧件通过机架轧出后，获得轧件出口厚度、出口宽度、轧制速度，轧件经辊道沿轧制方向运动，通过本发明的轧件侧弯自动识别方法，摒弃了传统的人工检测的方法，能够降低企业人力成本，提高了企业检测过程中自动化程度，基于传动侧和操作侧的测距仪的相对距离信号，处理后获得轧制中线位置的侧弯程度，解决了现场依赖人工目视判断侧弯的问题，并能够获得精准的侧弯数据，提高了实现侧弯的精准识别，为后续的供需调整提供指导，提升产品质量。
-
公开(公告)号：CN117840232A
公开(公告)日：2024-04-09
申请号：CN202410246408.0
申请日：2024-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种基于增量学习的热轧过程宽度预测方法，涉及轧钢自动控制技术领域，本发明考虑了生产过程中数据的实时变化，建立了基于增量学习的热轧过程宽度预测方法。首先基于历史数据集建立离线宽度预测模型，为在线更新提供基础。通过聚类方法进行特征选择，并引入优化后的宽度机理模型扩充特征集，引导离线模型的训练。考虑对历史知识的回顾以及对新知识的学习，以离线预测模型为初始，基于实时数据集，对模型进行在线更新，实现热轧过程宽度的在线预测方法。本发明提出的基于增量学习的热轧过程宽度预测方法弥补了目前预测模型大都是离线模型的缺陷，增强了模型对实时数据的感知，提升了模型的在线预测精度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
