Selection of significant visual features for classification of scales using Boosting Trees model

• Autorzy: Lechwar S.

Warianty tytułu

PL

Dobór najistotniejszych aspektów wizyjnych zjawiska występowania zgorzeliny z użyciem wzmacnianych drzew klasyfikacyjnych

• Języki publikacji: EN

Abstrakty

EN

The subject of this paper is to design and implement an efficient model for various kinds of scales recognition at the Hot Rolling Mill (HRM) in Kraków. Subsequently, the model and its most important variables can be used to describe and distinguish different kinds of scales. At the moment an extensive knowledge regarding the reasons of scale occurrence is gathered. Nevertheless, the real challenges nowadays seem to be measuring techniques of those phenomena, as well as reliable online classification. This paper describes the basics of automatic surface inspection system (ASIS) which was used as a source of entry data, as well as the method of interpretation of the data obtained from this system. The ASIS provided numerous features describing single image, which was considered as a defect. The objective of this paper was to supply information regarding the most important visual attributes, which will be subsequently used in building reliable classifier for scale recognition. It was done by use of data mining techniques. The result was a set of measurement data, stored in online production database. However, some kinds of scales could not be recognized efficiently. The reason behind that was the lack of unique features, which could distinguish them from the other defects. This problem will be solved in following studies by creating offline post processing rules.

PL

Przedmiotem badań jest zaprojektowanie i wdrożenie skutecznego modelu klasyfikującego wszystkie rodzaje zgorzeliny występujące w walcowni gorącej w Krakowie. Model oraz jego kluczowe zmienne mogą opisać i rozróżnić poszczególne typy zgorzeliny. W ramach pracy postanowiono zająć się techniką pomiarową oraz wykorzystaniem danych pomiarowych do budowy optymalnego klasyfikatora wad tego zjawiska. Danych pomiarowych, dotyczących aspektów wizyjnych pojedynczych obszarów pasma, dostarczył automatyczny system kontroli powierzchni (ASIS), którego podstawy działania przedstawiono w pracy. Otrzymane dane pomiarowe zostały przeanalizowane z wykorzystaniem metod selekcji cech, a wybrane cechy posłużyły do budowy klasyfikatora dla wad powierzchni typu zgorzelina. Klasyfikator zaimplementowany został z wykorzystaniem metod eksploracji danych, które, wraz z otrzymanymi wynikami, zostały szczegółowo opisane w niniejszym artykule.

Słowa kluczowe

EN

automatic surface inspection system; boosting trees; data mining; hot rolling mil

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2013
• Tom: Vol. 13, No. 2
• Strony: 289--294
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Lechwar S.

• ArcelorMittal Poland, Hot Rolling Mill in Kraków, ul. Ujastek 1, 30-969 Kraków

Bibliografia

• Bakker, A., Hoyles, C., Kent, P., Noss, R., 2006, Improving Work Processes by Making the Invisible Visible, Journal of Education and Work, 19, 343-361.
• Breitschuh, W., Crowley, G., Dallemagne, L., Deléglise, A., Diaz-Alvarez, J., Valcarcel, J.M., Di Fant, M., Fiori, S., Hemmerlin, M., Koschack, U. Schroyens K., 2007, ArcelorMittal internal defects catalogue.
• Han, J., Kamber, M., 2006, Data mining: concepts and techniques, University of Illinois, Urbana-Champaign.
• Hand, D., Mannila, H., Smyth, P., 2001, Principles of data mining, The MIT Press, Cambridge.
• Melfo, W., Dippenaar, R., Reid, M., 2006, In-Situ Study of Scale Formation under Finishing-Mill Operating Conditions, Proc. AISTech 2006, Association for Iron & Steel Technology, Cleveland, Ohio, II, 25-35.
• Sun, W., Tieu, A.K., Jiang, Z., Lu, C., 2004, High temperature oxide scale characteristics of low carbon steel in hot rolling, Journal of Materials Processing Technology, 155-156, 1307-1312.
• Sun, W., Tieu, A.K., Jiang, Z., Lu, C., Zhu, H., 2003, Surface characteristics of oxide scale in hot strip rolling, Journal of Materials Processing Technology, 140, 76-83.
• Statsoft, 2006, Elektroniczy Podręcznik Statystyki PL, Kraków (in Polish).
• Webb, A., 2002, Statistical Pattern Recognition (2nd Edition), John Wiley & Sons, Ltd., Chichester, England.