[go: up one dir, main page]

KR102299562B1 - 몰드의 용융층 측정 방법 및 그 전자 장치 - Google Patents

몰드의 용융층 측정 방법 및 그 전자 장치 Download PDF

Info

Publication number
KR102299562B1
KR102299562B1 KR1020200075645A KR20200075645A KR102299562B1 KR 102299562 B1 KR102299562 B1 KR 102299562B1 KR 1020200075645 A KR1020200075645 A KR 1020200075645A KR 20200075645 A KR20200075645 A KR 20200075645A KR 102299562 B1 KR102299562 B1 KR 102299562B1
Authority
KR
South Korea
Prior art keywords
processor
mold
length
identifying
suspension plate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020200075645A
Other languages
English (en)
Inventor
채희철
강성묵
Original Assignee
현대제철 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 현대제철 주식회사 filed Critical 현대제철 주식회사
Priority to KR1020200075645A priority Critical patent/KR102299562B1/ko
Application granted granted Critical
Publication of KR102299562B1 publication Critical patent/KR102299562B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Emergency Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

본 발명은 몰드의 용융층 측정 방법 및 그 전자 장치에 관한 것으로서, 전자 장치는, 스캔 장치, 메모리, 및 상기 스캔 장치 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 스캔 장치를 통해 서스 플레이트(sus plate)를 스캔한 서스 플레이트 이미지를 획득하고, 상기 서스 플레이트 이미지에 기반하여 상기 서스 플레이트의 전체 부분 중 몰드(mold)에 형성된 용융층에 의해 녹은 부분을 식별하고, 상기 식별된 부분의 길이를 측정하고, 상기 측정된 길이에 기반하여 슬래브(slab) 정보를 생성할 수 있다. 다른 실시 예들도 가능하다.

Description

몰드의 용융층 측정 방법 및 그 전자 장치{METHOD FOR MEASURING MELT LAYER OF POWDER AND ELECTRONIC DEVICE THEREOF}
본 발명은 용융층 측정 방법 및 그 전자 장치에 관한 것으로서, 보다 상세하게는 연주 공정 시 딥러닝 알고리즘을 이용하여 몰드의 용융층을 측정하는 방법 및 장치에 관한 것이다.
제강 공정을 통해 생성된 용강은 연속 주조 공정을 거쳐 슬래브(slab), 블룸(bloom), 빌릿(billet) 등의 철강 반제품으로 성형될 수 있다. 철강 반제품은 압연 공정을 거쳐 최종적으로 압연코일 등의 최종 제품으로 성형될 수 있다. 연속 주조 공정에서, 용강은 래들(ladle)에서 턴디쉬(tundish)를 거쳐 몰드(mold)(또는 연주 몰드(continuous casting mold))로 유입되어, 몰드에서 1차 냉각되며, 이후 몰드를 빠져 나와 스트랜드 냉각 장치를 통과하면서 2차 냉각될 수 있다.
본 발명의 배경기술은 대한민국 등록특허 제10-1490189호(2015.01.30. 등록, 용선의 처리 방법)에 개시되어 있다.
본 발명의 일 실시 예에 의하면, 본 발명은 딥러닝을 통해 서스 플레이트 이미지로부터 서스 플레이트가 몰드의 용융층에 의해 녹아내린 부분을 식별함으로써, 연주 공정 시 몰드의 용융층을 측정하는 방법 및 장치를 제공할 수 있다.
본 발명의 일 측면에 따른 전자 장치는, 스캔 장치, 메모리, 및 상기 스캔 장치 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 스캔 장치를 통해 서스 플레이트(sus plate)를 스캔한 서스 플레이트 이미지를 획득하고, 상기 서스 플레이트 이미지에 기반하여 상기 서스 플레이트의 전체 부분 중 몰드(mold)에 형성된 용융층에 의해 녹은 부분을 식별하고, 상기 식별된 부분의 길이를 측정하고, 상기 측정된 길이에 기반하여 슬래브(slab) 정보를 생성할 수 있다.
본 발명에서, 상기 프로세서는, 상기 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 동작의 적어도 일부로서, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 서스 플레이트 이미지에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트 이미지로부터 상기 서스 플레이트를 식별하고, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트의 전체 부분 중 상기 몰드에 형성된 용융층에 의해 녹은 부분을 식별할 수 있다.
본 발명에서, 상기 프로세서는, 상기 식별된 부분의 길이를 측정하는 동작의 적어도 일부로서, 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트의 전체 길이를 식별하고, 상기 서스 플레이트의 전체 길이를 식별한 것에 응답하여, 지정된 간격마다 상기 몰드에 형성된 용융층에 의해 녹은 부분의 길이를 측정할 수 있다.
본 발명에서, 상기 프로세서는, 슬래브 정보를 생성하는 동작의 적어도 일부로서, 측정된 길이의 최소값, 최대값, 및 평균값을 식별하고, 상기 측정된 길이의 최소값, 최대값, 및 평균값과 상기 서스 플레이트 이미지의 생성시간을 포함하는 상기 슬래브 정보를 생성할 수 있다.
본 발명에서, 상기 전자 장치는, 출력 장치를 더 포함하고, 상기 프로세서는, 상기 평균값이 지정된 범위에 포함되지 않는 경우, 상기 슬래브 정보에 대응하는 슬래브가 비정상(abnormal) 상태임을 나타내는 정보를 상기 출력 장치를 통해 출력할 수 있다.
본 발명의 일 측면에 따른 전자 장치의 동작 방법은, 전자 장치의 프로세서가 상기 전자 장치의 스캔 장치를 통해 서스 플레이트(sus plate)를 스캔한 서스 플레이트 이미지를 획득하는 단계, 상기 프로세서가 상기 서스 플레이트 이미지에 기반하여 상기 서스 플레이트의 전체 부분 중 몰드(mold)에 형성된 용융층에 의해 녹은 부분을 식별하는 단계, 상기 프로세서가 상기 식별된 부분의 길이를 측정하는 단계, 및 상기 프로세서가 상기 측정된 길이에 기반하여 슬래브(slab) 정보를 생성하는 단계를 포함할 수 있다.
본 발명에서, 상기 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 단계는, 상기 프로세서가 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 서스 플레이트 이미지에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트 이미지로부터 상기 서스 플레이트를 식별하는 단계 및 상기 프로세서가 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트의 전체 부분 중 상기 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 단계를 포함할 수 있다.
본 발명에서, 상기 식별된 부분의 길이를 측정하는 단계는, 상기 프로세서가 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트의 전체 길이를 식별하는 단계 및 상기 프로세서가 상기 서스 플레이트의 전체 길이를 식별한 것에 응답하여, 지정된 간격마다 상기 몰드에 형성된 용융층에 의해 녹은 부분의 길이를 측정하는 단계를 포함하고, 슬래브 정보를 생성하는 단계는, 상기 프로세서가 측정된 길이의 최소값, 최대값, 및 평균값을 식별하는 단계 및 상기 프로세서가 상기 측정된 길이의 최소값, 최대값, 및 평균값과 상기 서스 플레이트 이미지의 생성시간을 포함하는 상기 슬래브 정보를 생성하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 의하면, 본 발명은 딥러닝을 통해 서스 플레이트 이미지를 이용하여 몰드의 용융층을 측정함으로써, 측정자가 직접 몰드의 용융층을 측정하는 경우보다 더욱 정확하고 빠르게 몰드에 형성된 용융층을 측정할 수 있다.
도 1은 다양한 실시 예들에 따른 몰드의 용융층을 측정하는 전자 장치의 블록도이다.
도 2는 다양한 실시 예들에 따른 몰드의 용융층을 설명하기 위한 예시도이다.
도 3a 및 도 3b는 다양한 실시 예들에 따른 서스 플레이트 이미지로부터 서스 플레이트가 몰드의 용융층에 의해 녹아내린 부분을 식별하는 방법을 설명하기 위한 예시도이다.
도 4는 다양한 실시 예들에 따른 전자 장치에서 몰드의 용융층을 측정하는 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 용선 처리 방법을 설명한다.
이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
실시 예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째", 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들어, 하드웨어적 또는 소프트웨어적으로 "~에 적합한", "~하는 능력을 가지는", "~하도록 변경된", "~하도록 만들어진", "~를 할 수 있는", 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들어, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다.
도 1은 다양한 실시 예들에 따른 몰드의 용융층을 측정하는 전자 장치의 블록도이다. 도 2는 다양한 실시 예들에 따른 몰드의 용융층을 설명하기 위한 예시도이다. 도 3a 및 도 3b는 다양한 실시 예들에 따른 서스 플레이트 이미지로부터 서스 플레이트가 몰드의 용융층에 의해 녹아내린 부분을 식별하는 방법을 설명하기 위한 예시도이다.
도 1 내지 도 3b를 참조하면, 전자 장치(100)는 프로세서(120), 메모리(130), 입력 장치(140), 출력 장치(150), 스캔 장치(160), 및 통신 회로(170)를 포함할 수 있다. 다만, 전자 장치(100)의 구성 요소들은 상술한 구성 요소들에 제한되지 않으며, 상술한 구성 요소들 이외에 다른 구성 요소가 추가될 수도 있다. 일 실시 예에 따르면, 전자 장치(100)는 작업자의 편의를 고려하여, 작업자(또는 사용자)가 휴대할 수 있는 크기로 구현될 수 있다.
다양한 실시 예들에 따르면, 프로세서(120)는 소프트웨어를 실행하여 프로세서(120)에 연결된 전자 장치(100)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 스캔 장치(160), 통신 회로(170))로부터 수신된 명령 또는 데이터를 메모리(130)에 로드하고, 메모리(130)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 메모리(130)에 저장할 수 있다.
다양한 실시 예들에 따르면, 프로세서(120)는 스캔 장치(160)를 통해 서스 플레이트 이미지를 획득할 수 있다. 도 2와 같이, 연주공정 시 몰드(210)로 용강(250)이 출강되면, 윤활 작용을 위해 파우더(powder)(또는 몰드 파우더(mold powder))가 용강(250) 위로 도포되며, 도포된 파우더는 용강(250)의 표면에서부터 아래로 이동하면서 파우더 층(powder layer)(220), 플럭스 소결 층(intermediate/glass-carbon matrix)(230), 및 용융 플럭스 층(liquid slag layer)(240)을 형성할 수 있다. 현장의 작업자는, 파우더 층(220), 플럭스 소결 층(230), 및 용융 플럭스 층이 형성되면, 지정된 규격(예: (W) 150mm x (L) 250mm x 2T)의 서스 플레이트(sus plate)를 지정된 시간(예: 6초) 동안, 몰드(210)에 형성된 용융 플럭스 층(240)에 넣고, 지정된 시간이 경과하면, 서스 플레이트를 꺼내어 스캔 장치(160)를 통해 서스 플레이트를 촬영함으로써, 서스 플레이트 이미지를 생성할 수 있다. 스캔 장치(160)를 통해 생성된 서스 플레이트 이미지는 프로세서(120)로 제공될 수 있다. 일 실시 예에 따르면, 프로세서(120)는 서스 플레이트 이미지가 획득되면, 서스 플레이트 이미지의 생성 시간에 대한 정보를 메모리(130)에 저장할 수 있다. 메모리(130)에 저장된 서스 플레이트 이미지의 생성 시간에 대한 정보는, 추후 슬래브 정보를 생성하는데 사용될 수 있다.
다양한 실시 예들에 따르면, 프로세서(120)는 서스 플레이트 이미지가 획득되면, 서스 플레이트 이미지에 기반하여 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분을 식별할 수 있다. 예를 들어, 프로세서(120)는 스캔 장치(160)를 통해 도 3a와 같은 서스 플레이트 이미지(300)를 획득하면, 메모리(130)에 기 저장된 데이터베이스에 기반하여 서스 플레이트 이미지(300)에 대한 딥러닝을 수행함으로써, 서스 플레이트 이미지(300)로부터 서스 플레이트(310)를 식별하고, 서스 플레이트(310)가 식별되면, 메모리(130)에 기 저장된 데이터베이스에 기반하여 서스 플레이트(310) 부분에 대한 딥러닝을 수행함으로써, 도 3b와 같이, 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹지 않은 부분(320)과 몰드에 형성된 용융층에 의해 녹은 부분(330)을 구분하여 식별할 수 있다.
다양한 실시 예들에 따르면, 프로세서(120)는 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분이 식별되면, 녹은 부분의 길이를 측정할 수 있다. 예를 들어, 프로세서(120)는 도 3b와 같이, 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분(330)이 식별되면, 메모리(130)에 기 저장된 데이터베이스에 기반한 딥러닝을 통해 서스 플레이트의 전체 길이(예: (W)150mm)를 식별하고, 지정된 간격(예: 5mm)마다, 몰드에 형성된 용융층에 의해 녹은 부분의 길이(340)를 측정할 수 있다.
다양한 실시 예들에 따르면, 프로세서(120)는 측정된 길이에 기반하여 슬래브(slab) 정보를 생성할 수 있다. 예를 들어, 프로세서(120)는 길이 측정이 완료되면, 측정된 길이의 최소값, 최대값, 및 평균값을 식별하고, 메모리(130)에 기 저장된 서치 플레이트 이미지 생성 시간 정보를 로드하여, 측정된 길이의 최소값, 최대값, 및 평균값과 서치 플레이트 이미지 생성 시간에 대한 정보를 포함하는 슬래브 정보를 생성할 수 있다. 생성된 정보는, 메모리(130)에 저장되거나, 또는 통신 회로(170)를 통해 외부 전자 장치(또는 외부 데이터베이스)로 송신되며, 저장 또는 송신된 슬래브 정보는, 이후의 공정에서 몰드에 담긴 용강에 의해 생성된 슬래브의 정보로 사용될 수 있다. 일 실시 예에 따르면, 프로세서(120)는 슬래브 정보에 기반하여 슬래브 정보에 대응하는 슬래브의 상태를 판단할 수 있다. 예를 들어, 프로세서(120)는 슬래브 정보에 포함된 길이의 평균값이 지정된 범위(예: 15mm~20mm)에 포함되는 경우, 슬래브 정보에 대응되는 슬래브를 정상(normal) 상태로 판단하고, 슬래브 정보에 포함된 길이의 평균값이 지정된 범위를 벗어나는 경우, 슬래브 정보에 대응되는 슬래브를 비정상(abnormal) 상태로 판단할 수 있다. 슬래브가 비정상 상태로 판단된 경우, 프로세서(120)는 출력 장치(150) 또는 통신 회로(170)를 이용하여 작업자에게 슬래브가 비정상 상태임을 나타내는 정보를 제공할 수 있다. 일 실시 예에 따르면, 작업자는, 슬래브 정보를 이용하여 슬래브 정보에 대응되는 슬래브의 상태를 진단할 수 있다. 예를 들어, 작업자는 슬래브 정보에 포함된 길이의 평균값이 지정된 범위(예: 15mm~20mm)에 포함되는 경우, 슬래브 정보에 대응되는 슬래브를 정상(normal) 상태로 판단하고, 슬래브 정보에 포함된 길이의 평균값이 지정된 범위를 벗어나는 경우, 슬래브 정보에 대응되는 슬래브를 비정상(abnormal) 상태로 판단할 수 있다.
다양한 실시 예들에 따르면, 메모리(130)는, 전자 장치(100)의 적어도 하나의 구성요소(예: 프로세서(120))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다.
다양한 실시 예들에 따르면, 입력 장치(140)는 전자 장치(100)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(100)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(140)는, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
다양한 실시 예들에 따르면, 출력 장치(150)는 전자 장치(100)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 출력 장치(150)는, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 출력 장치(150)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
다양한 실시 예들에 따르면, 스캔 장치(160)는 몰드의 용융층에 의해 적어도 일부가 녹은 서스 플레이트를 촬영함으로써, 서스 플레이트 이미지를 생성할 수 있다. 스캔 장치(160)는 서스 플레이트 이미지가 생성되면, 생성된 서스 플레이트 이미지를 프로세서(120)로 제공할 수 있다.
다양한 실시 예들에 따르면, 통신 회로(170)는 전자 장치(100)와 외부 전자 장치 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 회로(170)는 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 회로(129)는 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다.
도 4는 다양한 실시 예들에 따른 전자 장치에서 파우더의 용융층을 측정하는 방법을 설명하기 위한 흐름도이다.
도 4를 참조하면, 동작 401에서, 전자 장치(예: 도 1의 전자 장치(100))의 프로세서(예: 도 1의 프로세서(120))는 스캔 장치(160)를 통해 서스 플레이트 이미지를 획득할 수 있다. 예를 들어, 작업자가 몰드에 형성된 용융층에 담겨진 서스 플레이트를 스캔 장치(160)를 통해 촬영하면, 프로세서(120)는 스캔 장치(160)를 통해 서스 플레이트 이미지를 획득할 수 있다.
동작 403에서, 프로세서(120)는 서스 플레이트 이미지에 기반하여, 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분을 식별할 수 있다. 예를 들어, 프로세서(120)는 메모리(130)에 기 저장된 데이터베이스를 이용하여 서스 플레이트 이미지에 대한 딥러닝을 수행함으로써, 서스 플레이트 이미지로부터 서스 플레이트를 식별하고, 메모리(130)에 기 저장된 데이터베이스를 이용하여 식별된 서스 플레이트 부분에 대한 딥러닝을 수행함으로써, 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹지 않은 부분과 몰드에 형성된 용융층에 의해 녹은 부분을 구분하여 식별할 수 있다.
동작 405에서, 프로세서(120)는 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분이 식별된 것에 응답하여, 식별된 부분(또는 녹은 부분)의 길이를 측정할 수 있다. 예를 들어, 프로세서(120)는 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분이 식별되면, 메모리(130)에 기 저장된 데이터베이스를 이용한 딥러닝을 통해 서스 플레이트의 전체 길이(예: (W)150mm)를 식별하고, 지정된 간격(예: 5mm)마다, 몰드에 형성된 용융층에 의해 녹은 부분의 길이를 측정할 수 있다.
동작 407에서, 프로세서(120)는 측정된 길이에 기반하여 슬래브 정보를 생성할 수 있다. 예를 들어, 프로세서(120)는 길이 측정이 완료되면, 측정된 길이의 최소값, 최대값, 및 평균값을 식별하고, 메모리(130)에 기 저장된 서치 플레이트 이미지 생성 시간 정보를 로드하여, 측정된 길이의 최소값, 최대값, 및 평균값과 서치 플레이트 이미지 생성 시간에 대한 정보를 포함하는 슬래브 정보를 생성할 수 있다. 프로세서(120)는 슬래브 정보가 생성되면, 생성된 정보를 메모리(130)에 저장하거나 또는 통신 회로(170)를 통해 외부 전자 장치(또는 외부 데이터베이스)로 송신할 수 있다.
상술한 바와 같이, 전자 장치(100)는 서스 플레이트 이미지가 생성되면, 딥러닝을 통해 서스 플레이트 이미지를 분석함으로써, 서스 플레이트 이미지로 촬영된 서스 플레이트에서 몰드에 형성된 용융층에 의해 녹은 부분을 식별하고, 이후 식별된 부분의 길이를 자동으로 측정하여 사용자에게 제공할 수 있다. 이에 따라, 전자 장치(100)의 사용자는 서스 플레이트로부터 직접 길이를 측정하는 경우보다 신뢰도가 높은 측정값을 획득할 수 있으며, 측정에 소요되는 시간 또한 단축시킬 수 있다.
이상으로 본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다. 또한 본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
100: 전자 장치
120: 프로세서
130: 메모리
140: 입력 장치
150: 출력 장치
160: 스캔 장치
170: 통신 회로

Claims (8)

  1. 스캔 장치;
    메모리; 및
    상기 스캔 장치 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 프로세서는,
    상기 스캔 장치를 통해 서스 플레이트(sus plate)를 스캔한 서스 플레이트 이미지를 획득하고,
    상기 서스 플레이트 이미지에 기반하여 상기 서스 플레이트의 전체 부분 중 몰드(mold)에 형성된 용융층에 의해 녹은 부분을 식별하고,
    상기 식별된 부분의 길이를 측정하고,
    상기 측정된 길이에 기반하여 슬래브(slab) 정보를 생성하는 전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는, 상기 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 동작의 적어도 일부로서,
    상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 서스 플레이트 이미지에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트 이미지로부터 상기 서스 플레이트를 식별하고,
    상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트의 전체 부분 중 상기 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 전자 장치.
  3. 제2항에 있어서,
    상기 프로세서는, 상기 식별된 부분의 길이를 측정하는 동작의 적어도 일부로서,
    상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트의 전체 길이를 식별하고,
    상기 서스 플레이트의 전체 길이를 식별한 것에 응답하여, 지정된 간격마다 상기 몰드에 형성된 용융층에 의해 녹은 부분의 길이를 측정하는 전자 장치.
  4. 제3항에 있어서,
    상기 프로세서는, 슬래브 정보를 생성하는 동작의 적어도 일부로서,
    측정된 길이의 최소값, 최대값, 및 평균값을 식별하고,
    상기 측정된 길이의 최소값, 최대값, 및 평균값과 상기 서스 플레이트 이미지의 생성시간을 포함하는 상기 슬래브 정보를 생성하는 전자 장치.
  5. 제4항에 있어서,
    출력 장치를 더 포함하고,
    상기 프로세서는,
    상기 평균값이 지정된 범위에 포함되지 않는 경우, 상기 슬래브 정보에 대응하는 슬래브가 비정상(abnormal) 상태임을 나타내는 정보를 상기 출력 장치를 통해 출력하는 전자 장치.
  6. 전자 장치의 프로세서가 상기 전자 장치의 스캔 장치를 통해 서스 플레이트(sus plate)를 스캔한 서스 플레이트 이미지를 획득하는 단계;
    상기 프로세서가 상기 서스 플레이트 이미지에 기반하여 상기 서스 플레이트의 전체 부분 중 몰드(mold)에 형성된 용융층에 의해 녹은 부분을 식별하는 단계;
    상기 프로세서가 상기 식별된 부분의 길이를 측정하는 단계; 및
    상기 프로세서가 상기 측정된 길이에 기반하여 슬래브(slab) 정보를 생성하는 단계를 포함하는 전자 장치의 동작 방법.
  7. 제6항에 있어서,
    상기 서스 플레이트의 전체 부분 중 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 단계는,
    상기 프로세서가 메모리에 기 저장된 데이터베이스를 이용하여 상기 서스 플레이트 이미지에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트 이미지로부터 상기 서스 플레이트를 식별하는 단계; 및
    상기 프로세서가 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트에 대한 딥러닝을 수행함으로써, 상기 서스 플레이트의 전체 부분 중 상기 몰드에 형성된 용융층에 의해 녹은 부분을 식별하는 단계를 포함하는 전자 장치의 동작 방법.
  8. 제7항에 있어서,
    상기 식별된 부분의 길이를 측정하는 단계는,
    상기 프로세서가 상기 메모리에 기 저장된 데이터베이스를 이용하여 상기 식별된 서스 플레이트의 전체 길이를 식별하는 단계; 및
    상기 프로세서가 상기 서스 플레이트의 전체 길이를 식별한 것에 응답하여, 지정된 간격마다 상기 몰드에 형성된 용융층에 의해 녹은 부분의 길이를 측정하는 단계를 포함하고,
    슬래브 정보를 생성하는 단계는,
    상기 프로세서가 측정된 길이의 최소값, 최대값, 및 평균값을 식별하는 단계; 및
    상기 프로세서가 상기 측정된 길이의 최소값, 최대값, 및 평균값과 상기 서스 플레이트 이미지의 생성시간을 포함하는 상기 슬래브 정보를 생성하는 단계를 포함하는 전자 장치의 동작 방법.
KR1020200075645A 2020-06-22 2020-06-22 몰드의 용융층 측정 방법 및 그 전자 장치 Active KR102299562B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200075645A KR102299562B1 (ko) 2020-06-22 2020-06-22 몰드의 용융층 측정 방법 및 그 전자 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200075645A KR102299562B1 (ko) 2020-06-22 2020-06-22 몰드의 용융층 측정 방법 및 그 전자 장치

Publications (1)

Publication Number Publication Date
KR102299562B1 true KR102299562B1 (ko) 2021-09-07

Family

ID=77796939

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200075645A Active KR102299562B1 (ko) 2020-06-22 2020-06-22 몰드의 용융층 측정 방법 및 그 전자 장치

Country Status (1)

Country Link
KR (1) KR102299562B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005532557A (ja) * 2002-07-11 2005-10-27 マクマスター ユニヴァーシティー 溶融相のオンライン測定のための方法
KR100793936B1 (ko) * 2006-09-18 2008-01-16 주식회사 포스코 용융 몰드플럭스 두께 측정 장치 및 방법
KR101293432B1 (ko) * 2011-11-15 2013-08-05 주식회사 포스코 용융 몰드 플럭스의 두께 계측장치 및 계측방법
KR101435115B1 (ko) * 2012-07-31 2014-08-29 현대제철 주식회사 슬라브 표면 결함 예측 방법
KR101456453B1 (ko) * 2012-07-24 2014-10-31 주식회사 포스코 주편 품질 예측 장치 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005532557A (ja) * 2002-07-11 2005-10-27 マクマスター ユニヴァーシティー 溶融相のオンライン測定のための方法
KR100793936B1 (ko) * 2006-09-18 2008-01-16 주식회사 포스코 용융 몰드플럭스 두께 측정 장치 및 방법
KR101293432B1 (ko) * 2011-11-15 2013-08-05 주식회사 포스코 용융 몰드 플럭스의 두께 계측장치 및 계측방법
KR101456453B1 (ko) * 2012-07-24 2014-10-31 주식회사 포스코 주편 품질 예측 장치 및 그 방법
KR101435115B1 (ko) * 2012-07-31 2014-08-29 현대제철 주식회사 슬라브 표면 결함 예측 방법

Similar Documents

Publication Publication Date Title
JP6430467B2 (ja) 鋳片品質の予測装置及びその方法
EP3121557B1 (en) Method and apparatus for determining spatial parameter based on an image
KR101696629B1 (ko) 구조물 변형 모니터링을 이용한 붕괴 경고 시스템 및 그 방법
CN104874756B (zh) 钢坯智能切割方法及系统
CN110672232A (zh) 锅炉受热面管壁温修正方法、装置和存储介质
KR102299562B1 (ko) 몰드의 용융층 측정 방법 및 그 전자 장치
CN117622960A (zh) 测宽纠偏方法及装置
KR102336760B1 (ko) 래들 식별 방법 및 그 전자 장치
Liu et al. Optimization of mold inverse oscillation control parameters in continuous casting process
WO2004008135A3 (en) Method for online measurement of molten phases
JP2017053084A (ja) コンクリート締固め判定システム
KR102213972B1 (ko) 슬라브 표면의 면세로 크랙 예측 장치 및 방법
CN103900713A (zh) 热像检测装置和热像检测方法
KR102247057B1 (ko) 인공신경망을 이용한 슬라브 길이 연산 방법 및 그 장치
US12219124B2 (en) Using multiple target distances to determine long-term quality and/or performance over a temperature range
JPH10221025A (ja) ビデオ式非接触伸び計
US20230286037A1 (en) System and method for monitoring metal level during casting
Van Mieghem et al. Benchmarking of depth of field for large out-of-plane deformations with single camera digital image correlation
JP2009069080A (ja) 被測定物の将来温度推定方法、装置、及びコンピュータプログラム
RU2813255C1 (ru) Контроль уровня металла во время литья
TW200724855A (en) System and method for image measuring
EP4567135A1 (en) Gutter management system and gutter management method
KR20100080640A (ko) 디지털 카메라를 이용한 배관의 2차원 정도관리 방법 및 측정 시스템
RU2348063C2 (ru) Способ и устройство для управления протеканием процесса
JP4470173B2 (ja) 高温金属材の移動速度測定装置

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

PN2301 Change of applicant

St.27 status event code: A-3-3-R10-R13-asn-PN2301

St.27 status event code: A-3-3-R10-R11-asn-PN2301

R18-X000 Changes to party contact information recorded

St.27 status event code: A-3-3-R10-R18-oth-X000

D14-X000 Search report completed

St.27 status event code: A-1-2-D10-D14-srh-X000

PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R13-asn-PN2301

St.27 status event code: A-5-5-R10-R11-asn-PN2301

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R13-asn-PN2301

St.27 status event code: A-5-5-R10-R11-asn-PN2301

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 4

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 5