طراحی و پیاده‌سازی سیستم تشخیص سرباره در ریخته‏ گری پیوسته سبا از طریق بینایی و یادگیری ماشین در راستای کاهش ضایعات مذاب

شناسایی سرباره در فرآیند ریخته‏گری یکی از اقدامات مهم و چالش برانگیز برای فولادسازان، مهندسان و متخصصین است. امروزه با پیشرفت تکنولوژی‌های نوین سرباره را به واسطه شاخه‌های هوش مصنوعی می‌توان شناسایی نمود. هدف از این پژوهش، کاهش ورود سرباره به مذاب، افزایش تولید، کاهش توقفات ناخواسته و بهبود کیفیت محصول نهایی با کمک پردازش تصویر و یادگیری ماشین است. روش‌های فعلی شامل تکنیک‌های الکترومغناطیس و ارتعاشی هستند که هر کدام دارای مزایا و معایب خاص خود می‌باشند. در روش پیشنهادی، با استفاده از تشخیص آنی تغییر رنگ ناگهانی از درون تاندیش (خروجی شروود) و شناسایی عوامل جانبی و حذف نویزها ورود سرباره به تاندیش تشخیص داده می‌شود، سپس در کسری از ثانیه سیگنالی به سیستم ارسال می‌شود تا جریان ورودی مذاب به تاندیش بسته شود. نتایج حاصل از بررسی‌ها نشان می‌دهد در سیستم طراحی شده به روش پردازش تصویر، سرباره با دقت بالای 90 درصد تشخیص داده می‏شود و با هشدار و ارسال فرمان، جریان ورودی مذاب به تاندیش را قطع می‌کند.