Celem pracy było zaprojektowanie i wdrożenie modelu klasyfikacji wad typu zgorzelina występujących w typowej walcowni gorącej blach i taśm. Dane wejściowe zostały pozyskane z systemu automatycznej kontroli powierzchni walcowanej blachy (ang. ASIS – Automatic Surface Inspection System). System podał cechy liczbowe opisujące pojedyncze obrazy, które zostały uznane za wady powierzchni. Dane wejściowe zostały przeanalizowane za pomocą metod selekcji cech. Następnie określono najistotniejsze podzbiory cech oraz zbudowano modele klasyfikacyjne wad typu zgorzelina. Najlepszy znaleziony model klasyfikacyjny wraz z jego cechami wejściowymi został wykorzystany w celu rozróżnienia określonych zgorzelin. Wdrożenie modelu w systemie produkcyjnym pozwoliło wykazać ogólną poprawę jakości klasyfikacji. W pracy główną uwagę położono na metodologię badań oraz praktyczne wykorzystanie metod sztucznej inteligencji (SI) w klasyfikacji wad powierzchni.
The subject of the work was to design and implement classification model for various kinds of mill scales recognition at typical Hot Rolling Mill (HRM). Input data were measured by the Automatic Surface Inspection System (ASIS), which provided numerous features describing single image, considered as a defect. The data were analyzed by using feature selection methods. Afterwards, determined most important subsets of features were applied to build scale classification models. The most efficient model and its key variables were used to distinguish different kinds of scales. Implementation of the model in production system allowed to show a gain of overall mill scales classification accuracy. In the paper, the main attention is put on the research methodology and artificial intelligence (AI) methods used to classify scale defects.
