公开(公告)号：CN116680470A

公开(公告)日：2023-09-01

申请号：CN202310522258.7

申请日：2023-05-10

Applicant: 首钢京唐钢铁联合有限责任公司

Inventor： 段晓溪 ,  张新魁 ,  马幸江 ,  周纪名 ,  井玉森 ,  陈彪 ,  黄宾 ,  赵子肖 ,  侯耿杰 ,  张腾

IPC: G06F16/9535 ,  G06F18/22 ,  G06F16/215 ,  G06F16/242

Abstract: 本发明提供一种确定光整机用辊计划的方法、装置、介质及设备，方法包括：对光整机的历史工艺数据进行预处理，并对预处理后的历史工艺数据进行相关性分析，得到光整机用辊计划对应的目标属性参数；根据所述目标属性参数构建光整机用辊计划的推荐模型；读取订单计划信息，提取所述订单计划信息中的目标属性参数的当前参数值；基于所述当前参数值，利用所述推荐模型输出用辊信息；如此，先确定出与用辊计划较为相关的目标属性参数，并基于目标属性参数构建用辊计划的推荐模型，利用推荐模型可快速有效地为当前订单计划输出对应的用辊信息，无需人工费时费力地查表确定辊信息，确保轧制效率。

公开(公告)号：CN119107594A

公开(公告)日：2024-12-10

申请号：CN202411069461.4

申请日：2024-08-06

Applicant: 首钢京唐钢铁联合有限责任公司

Inventor： 李卓 ,  闫洪伟 ,  刘佳奇 ,  董宇 ,  李振 ,  边二松 ,  张新魁 ,  刘学生

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种带钢剪切故障的检测方法、装置、电子设备和存储介质，涉及带钢剪切故障检测的技术领域。该技术方案通过获取焊机剪的图像样本集；根据图像样本集训练预设的卷积神经网络模型，直至卷积神经网络模型准确识别出图像样本集中存在剪切故障状态的图像样本；由于卷积神经网络模型能够准确识别出剪切故障，在焊机剪执行剪切任务时，将剪切出料口的当前图像输入完成训练的卷积神经网络模型；根据完成训练的卷积神经网络模型的输出结果，确定焊机剪处于正常工作状态或剪切故障状态。该技术方案具有较高的检测效率，同时减小现有技术中采用人工肉眼观测的错误检测，进而兼顾了剪切故障检测的效率和准确性。