پديد آورنده :
صاحبي، پويان
عنوان :
طراحي و پياده سازي سيستم نظارت و عيب يابي خودكار خط پخت گندله خام در صنعت فولاد
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
دوازده، 110ص.: مصور
استاد راهنما :
رسول اميرفتاحي، مهدي مهدوي
توصيفگر ها :
پردازش تصوير , ارتقاء تصوير , انتخاب ويزگي , دسته بندي كننده ماشين بردار پشتيبان
استاد داور :
بهزاد نظري، وحيد غفاري نيا
تاريخ ورود اطلاعات :
1395/07/26
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده امروزه بازرسي خودكار در بسياري از صنايع توليدي به بخش جداييناپذيري از فرايند كنترل كيفيت تبديلشده است صننعت فنوالد بهعنوان يكي از بزرگترين صنايع توليدي نيز از اين قاعده مستثنا نخواهد بود در كارخانههاي توليد فوالد در ايران نظارت بر بخنشهناي مختلف توليدي معموال توسط ناظر انساني صورت ميگيرد يكي از مهمترين بخشهاي فرايند توليد فوالد گندلنهسنازي اسنت در واحند گندلهسازي مجتمع فوالد مباركه اصفهان بعد از توليد گندله خام براي حمل گندلههنا بنه درون كنوره بنهمنظنور پخنت و سنرد كنردن از پالتهاي بزرگ مستطيل شكل استفاده ميشود پالتها بهمرور زمان به دليل عوامل مختلفي چون دماي باال تغييرات ناگهاني دمنايي بسنيار زياد وجود اكسيدكنندهها و خوراندههاي مختلف اصطكاك و تكانهاي ناشي از برخورد پالتها به يكديگر در خط و همچنين بنه علنت نيرويي كه به هنگام تخليه گندلهها بر روي پالتها به آنها وارد ميشود آسيبهاي مختلفي بر آنها پديد ميآيند مهنمتنرين اينن عينوب عبارتاند از تغيير شكل يافتن گريتبارها خمش شاسي پالتكارها و افتادگي ديوارههاي كناري پالت اينن عينوب سناالنه موجنب هندر رفت انرژي محصول و هزينه قابل توجهي ميشود بنابراين نياز است كه اين پالتها بهصورت مسنتمر منورد بازرسني قرارگرفتنه و عينوب مختلف آن گزارش شود اما به دليل شرايط محيطي نامساعد ناحيه توليد گندلهسازي همچون دماي باال آلودگيهاي محيطي و بعنالوه بنه علت عدم ديد كافي تمامي پالت در چرخه پخت نظارت مستمر توسط عامل انساني را بسيار دشوار ميكند هدف اين پروژه طراحي سامانهاي هوشمند است كه بتواند عيوب مختلف پالت را بهصورت منداوم شناسنايي و گنزارش كنند در اينن طرح براي شناسايي خمش ستونهاي پالت از حسگرهاي تشخيص فاصله فراصوت بر روي مسير برگشت پالتها و همچنين براي شناسنايي افتادگي ديوارههاي كناري پالت از ريز كليدهايي در زير مسير برگشت استفادهشده است براي تشخيص خرابيهاي مربوط به گريتبارها استفاده از سيستم تصويربرداري و پردازش ديجيتالي تصاوير پيشنهاد شد براي اين منظور بهترين مكان نصب دوربين مقابل دهاننه كنوره در زماني كه پالتها در حال چرخش از حالت وارون به حالت عادي هستند انتخاب شد در مرحله اول ابتدا تصاوير ويندئويي بنه رشنتهاي از تصاوير تبديلشده و بهترين قاب براي اولين پالت با استفاده از مقايسه قابها با يك قاب مبنا و محاسبه مجموع مربعات خطا دست ميآيند سپس با استفاده از شناسايي خطوط مابين هر رديف گريتبار ناحيه پالت از تصوير زمينه استخراج ميشنود در مرحلنه ينافتن ننواحي منابين گريتبارها بهعنوان بهترين محل براي تشخيص خرابيها نواحي مات و سايهدار با استفاده از الگوريتم LNI برطرف سپس بنا اسنتفاده از الگننوريتم سرتاسننري اوتسننو تصننوير بنناينري اوليننه حاصننلشننده و درنهايننت بننا اسننتفاده از يننك سننري عمليننات مورفولننوژي رياضنني و برچسبگذاري هر يك از نواحي مابين گريتبارها بهعنوان يك شي مستقل با شماره منحصربهفرد قابلشناسايي شندند در گنام بعندي از مجموع 85 ويژگي استخراجشده از گروه ويژگيهاي هندسي هيستوگرام ماتريس هم رخداد و ضرايب موجنك بنا اسنتفاده از الگنوريتم 4 SVM RFE ويژگي مهم كه بيشترين پايداري و دقت طبقهبندي را نتيجه ميدادند بهعنوان بهترين ويژگيهنا معرفني شندند اينن چهنار ويژگي عبارت بودند از متوسط پهنا چولگي هيستوگرام آنتروپي فاصله هفتم ماتريس هنم رخنداد و آنتروپني ضنريب موجنك عمنودي سطح دوم با اعمال اين ويژگيها به دستهبند ماشين بردار پشتيبان SVM گريتبارها بنا دقنت بسنيار خنوبي بنه دودسنته سنالم و معينوب دستهبندي شدند دادههاي مربوط به عيوب گريتبارها خمش ستونها و افتادگي ديواره در بستر شبكه به كنامپيوتري كنه در اتناق كنتنرل قرارگرفته منتقل و بعد از پردازش و همگامسازي اطالعات گزارش لحظهاي اين عيوب بر روي دو نمايشگرهاي موجود در اتاق كنترل و درون سايت مجموعه نمايش داده ميشود كلمات كليدي بازرسي خودكار پردازش تصوير ارتقا تصوير انتخاب ويژگي دستهبندي كننده ماشين بردار پشتيبان
چكيده انگليسي :
Design and Implementation of Automatic Inspection and Troubleshouting the Crude Pellet firing Line in Steel Industry Pouyan sahebi qazvini p sahebi@iut ac ir Date of Submission 29 April 2016 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84159 83111 Iran Degree M Sc language FarsiSupervisor Rasoul Amirfatahi fattahi@cc iut ac irMehdi Mahdavi m mahdavi@cc iut ac irAbstractNowadays the automatic inspection plays an irrefutable role in many industries Usually inspection of variousunits of steel companies in Iran is done by human In pletizing plant of Mobarakeh Steel Complex the crudepellets are carried to furnace via big rectangular palets for preheating firing and drying Due to high andgreat temperature variation oxidizing sudden palets collision and because of hitting the pellets one thegrate bars in over time the palets are damaged The most significant issues are curvness of palet car body side wall fall out and grate bars damages These damages lead to products loss and inereasment in energyand cost Therefore regular inspection is neccessary By continuosly reporting these damages to the pletizingplant and by repair or replacing the damaged palet losses can be prevented In these thesis the design andimplementation of automatic palet inspection system has been proposed By installating three qued ultrasonicsensors above the inversed palet in return line and compairing these distances palet car body curvnese wasdetected Also for side wall fall out was recognized by two microswitchs For finding the ratio of grate bardamages the video camera was installed in front of furnace entrance turning inverse palets to horizontalposition At first step after converting the recoreded video to frame strings the best frame of each palet wasfound by compairing the frames to the base frame Then the palet area was extracted from background bydetecting three middle lines between each grate bar raws After that the image palet contrast enhanced andthe space between every two adjanced grate bars is segmented by morphology and labeling approaches Atthe next step 58 features e g geometric histogram gray level co occurrence and the wavelet coefficientmatices was extracted Considering the complexcity and velocity by utilization of SVM RFE for featureselection 4 of the most important feature respect to stability and classification accuracy were selected Atfinal step using these features and SVM classififcation the grate bars were highly accurately classified intointact and spaced group Finally all data from ultrasonic sensors microswitches and video camera were sentthrough the network field to the central computer in control room and final result was represented onmonitors KeywordsAutomatic Inspection Image processing Image Enhancement Feature Selection SVM classification
استاد راهنما :
رسول اميرفتاحي، مهدي مهدوي
استاد داور :
بهزاد نظري، وحيد غفاري نيا
