基于双智能体的冷轧带钢缺陷分级判定与预警方法及系统与流程
本发明涉及冷轧带钢表面质量检测,尤其涉及一种基于双智能体的冷轧带钢缺陷分级判定与预警方法及系统。
背景技术:
1、在冷轧带钢生产过程中,通常利用表检仪对带钢表面图像进行初步检测,并结合人工复核完成辊印、擦划伤、乳化液斑、振纹、边裂、压痕等缺陷的识别和钢卷质量判定。部分产线还会采集轧制力、机架间张力、轧制速度、弯辊力、乳化液状态、电机电流及振动等工艺时序数据,通过固定阈值或统计规则监控生产状态。现有处理方式中,表面缺陷识别结果、钢卷质量判定结果与工艺时序数据通常分别处理,缺陷图像主要用于当前钢卷的事后识别,工艺数据则主要用于设备或工艺参数越限监控,二者之间缺乏稳定的数据关联。
2、当钢种、厚度规格、轧辊状态或乳化液工况发生变化时,缺陷图像的特征分布以及工艺参数与缺陷之间的对应关系也会发生变化。此时,固定识别置信度阈值和固定质量规则容易出现识别结果波动,同一物理缺陷还可能因表检初筛和后续识别重复记录而被重复计入;同时,单纯依据当前缺陷数量或单项工艺参数越限进行判断,难以反映缺陷在带钢长度、宽度方向上的集中程度及不同缺陷的危害差异。若识别结果不能与后续实际质量判定持续对应,模型在工况变化后产生的漏检和过检也难以及时被发现和修正。
3、进一步地,现有缺陷检测通常在缺陷已经形成后给出识别结果,而工艺时序数据中可能已经出现与后续表面缺陷相关的变化。当缺陷识别、钢卷质量判定、工艺风险判断和人工最终复核相互独立时,前一环节形成的数据不能作为后一环节的持续校准依据,风险判断结果也不能反向作用于缺陷识别过程,导致识别、判定和预警之间形成断开的处理链。
4、因此,需要解决的核心技术问题是:如何在冷轧带钢连续生产过程中,将表面缺陷识别、钢卷分级判定与工艺风险预警形成前后关联并可反馈更新的闭环处理流程,使不同工况下的缺陷判定与风险预警能够保持一致的数据基础。
技术实现思路
1、本发明的目的是针对现有技术的不足之处,提供基于双智能体的冷轧带钢缺陷分级判定与预警方法及系统,解决上述背景技术中所提到的技术问题。
2、为实现上述目的,本发明提供如下技术方案:
3、基于双智能体的冷轧带钢缺陷分级判定与预警方法,包括如下步骤:
4、s1、获取钢卷初筛缺陷记录及缺陷图像,采用一级主分类模型与二级专家模型进行融合识别,依据预测熵和识别置信度阈值执行分流;将初筛缺陷记录与有效识别记录按卷号及位置坐标融合去重,生成钢卷全长缺陷分布图;
5、s2、基于钢卷全长缺陷分布图计算单位长度缺陷密度和整卷严重度指数,将质量业务规则转换为规则越限算子,输出钢卷质量判定结果;
6、s3、获取与钢卷对应的工艺时序数据,经时间对齐、窗口特征提取及工况分层归一化形成工艺窗口特征向量;基于工艺窗口特征向量预测缺陷发生强度和缺陷发生概率,计算区域风险指数;
7、s4、通过消息总线将钢卷全长缺陷分布图和钢卷质量判定结果发送至预警智能体,将区域风险指数发送至识别智能体;依据区域风险指数调整区域识别置信度阈值和推理频率,并执行阈值限幅和变化速率约束;
8、s5、获取人工最终判定结果并与钢卷质量判定结果比较形成差异样本,根据差异样本更新基准识别置信度阈值和模型融合权重;满足增量训练条件时执行模型增量训练和发布门禁,并将通过发布门禁的模型下发至边缘服务器。
9、基于双智能体的冷轧带钢缺陷分级判定与预警系统,包括:缺陷识别与全长融合模块、规则量化判定模块、缺陷风险前置预测模块、双智能体闭环联动模块、闭环自进化与边缘云协同模块。
10、本发明的有益效果在于:
11、本发明通过钢卷全长缺陷分布图、钢卷质量判定结果、工艺窗口特征向量和区域风险指数的连续传递及反馈更新,使缺陷识别、分级判定和风险预警形成闭环,减少各处理环节数据割裂造成的判定偏差,提高不同生产工况下质量判定与风险预警的一致性。通过一级主分类模型、二级专家模型的融合识别,以及预测熵分流、人工复核和位置域融合去重,使低置信缺陷得到复核并消除同一物理缺陷的重复记录,降低误分类和重复统计对后续缺陷密度计算的影响,提高钢卷全长缺陷数据的准确性和完整性。
12、本发明通过单位长度缺陷密度、位置加权严重度指数和规则越限算子对融合后的缺陷记录进行量化,并对多条触发规则实施统一仲裁和版本化记录,使不同类别、位置及严重程度的缺陷按照一致规则参与钢卷判定,降低人工尺度差异造成的判定误差,提高判定结果的一致性和可复算性。通过pda/l2工艺时序数据的时间对齐、窗口特征提取和工况分层归一化,结合缺陷发生强度分位数预测、概率校准及区域风险计算,使工艺参数变化能够在缺陷形成前转换为区域风险信息,减少仅依赖事后缺陷检出的滞后,提高风险预警的响应速度和跨工况稳定性。
13、本发明通过区域风险指数反向调整区域识别置信度阈值和采样或推理频率,并设置阈值区间、最大偏移量和变化速率约束,使高风险区域获得更多识别资源且抑制风险与阈值之间的持续正反馈,降低无差别推理造成的资源占用,提高闭环调节过程的稳定性和运行可靠性。通过人工最终判定形成差异样本,对基准识别置信度阈值和模型融合权重进行更新,并结合概念漂移监测、增量训练、发布门禁及边缘推理调度,使模型随复核结果和工况变化持续校正,同时在网络中断或推理队列积压时保持可运行状态,提高长期识别精度保持能力和系统运行可靠性。
1.基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,还包括:s5、获取人工最终判定结果并与钢卷质量判定结果比较形成差异样本,根据差异样本更新基准识别置信度阈值和模型融合权重;满足增量训练条件时执行模型增量训练和发布门禁,并将通过发布门禁的模型下发至边缘服务器。
3.根据权利要求1所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,s1具体包括:
4.根据权利要求1所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,s2具体包括:
5.根据权利要求1所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,s3具体包括:
6.根据权利要求5所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,还包括:根据缺陷发生概率、类别先验频率及类别严重度基准计算区域风险指数,按照风险门限确定风险等级,并依据异常工艺特征与缺陷类别的关联关系生成根因标签,对类别相同、长度间隔满足预设事件聚合距离条件且根因标签一致的预警进行事件级聚合。
7.根据权利要求1所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,s4具体包括:
8.根据权利要求2所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,s5具体包括:
9.根据权利要求8所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,还包括:将在线推理、规则判定、风险预测及双向闭环部署于边缘服务器,将增量训练及模型版本管理部署于厂级服务器;当推理队列积压程度超过预设积压阈值时启用轻量模型,并将轻量模型与基准模型复检存在差异的样本重新写入回流池。
10.基于双智能体的冷轧带钢缺陷分级判定与预警系统,采用权利要求1至9中任一项所述的基于双智能体的冷轧带钢缺陷分级判定与预警方法,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com