基于可提示视觉基础模型的热环轧制几何数据高效在线监测
《Measurement》:Data-efficient online monitoring of hot ring rolling geometry via a promptable visual foundation model
【字体:
大
中
小
】
时间:2026年08月29日
来源:Measurement 6.1
编辑推荐:
**摘要要点**
- "检测与跟踪"视觉框架将 MobileSAM 与 SAM 2 协同应用于环轧工艺。
- 数据高效策略在无需大规模标注数据集的情况下实现稳健测量。
- 自适应边缘检测确保在恶劣热环境下精确提取轮廓。
- 系统仅使用单视觉传感器,即可实现 0.03% 直径
**摘要要点**- "检测与跟踪"视觉框架将 MobileSAM 与 SAM 2 协同应用于环轧工艺。- 数据高效策略在无需大规模标注数据集的情况下实现稳健测量。- 自适应边缘检测确保在恶劣热环境下精确提取轮廓。- 系统仅使用单视觉传感器,即可实现 0.03% 直径误差与 12.5 fps 运行速率。- 所提方法克服了在工业在线监控中存在的延迟与成本壁垒。**引言**高性能无缝环形部件是航空航天推进、清洁能源基础设施和重型机械等战略产业的结构基石。航空发动机机匣、风电轴承等关键金属元件的制造精度,从根本上决定了高端设备的运行可靠性与疲劳寿命 [1, 2, 3]。径向-轴向环轧(RARR)已成为这些部件的顶级"近净成形"技术,具有优越的材料利用率与致密微观组织制造能力 [4, 5]。然而,RARR 工艺涉及复杂耦合的非线性弹塑性变形,工艺稳定性对动态载荷波动和辊速同步高度敏感。这些不稳定性经常引发有害的几何异常——特别是环偏心和过大的圆度偏差——严重损害最终产品的成形性与服役完整性 [6]。为改善这些几何缺陷,工艺参数的自适应协调——尤其是芯轴进给速率——对于使径向扩张速率与环件不断增长的转动惯量相匹配至关重要。尽管近期的理论与仿真研究通过优化控制策略来缓解偏心偏差和圆度误差 [7-11],但这些方法往往基于理想化假设,缺乏稳健的实时反馈机制。任何闭环控制策略的有效性,本质上受制于系统实时感知工件几何状态的能力。因此,开发一种精确、快速且稳健的在线测量方法,是实现热环轧恶劣环境下智能过程控制与产品质量保障的前提条件。现有的工业测量方案主要依赖接触式测量或激光扫描技术,二者均存在明显局限。接触测量响应迟缓、存在安全隐患,且无法捕捉动态变形轮廓。相比之下,激光扫描系统虽精度高,但通常需配备复杂的多传感器阵列才能覆盖完整环面几何,导致硬件成本高昂,且需要严格的空间对准方案 [12-14]。此外,激光系统难以应对轧制工艺中固有的高速旋转与振动。传统机器视觉虽是一种低成本替代方案,但基于边缘检测或静态阈值处理的传统算法对锻造车间中的严重干扰——如光照变化、热辐射和氧化皮遮挡——缺乏鲁棒性,导致轮廓提取不稳定 [12, 15-17]。近年来,基于深度学习的语义分割模型(如 U-Net [18]、DeepLab [19])展现出优于传统视觉技术的鲁棒性。然而,这些监督学习模型在工业部署中面临一个关键瓶颈:其"数据密集型"特性需要大量像素级标注数据集进行训练。在环轧场景中,由于频繁的产品规格变更(多品种小批量生产),为每种新的几何构型或材料类型获取和标注大规模数据集成本极其高昂且耗时。这种对海量训练数据的依赖,使标准深度学习方法在柔性制造环境中难以实际应用。因此,如何在先进计算机视觉的鲁棒性与工业应用所需的数据效率及低部署成本之间实现有效结合,仍是亟待解决的研究空白。为填补这一空白,我们提出了一种用于实时几何测量的稳健单目视觉框架。该框架采用"检测与跟踪"策略,将轻量级 MobileSAM [20] 与 Segment Anything Model 2(SAM 2)[21] 协同集成。关键在于,这一免训练范式无需大规模领域专用数据集和人工标注。我们构建了动态轮廓演化模型来量化直径和圆度的时域演化,无需复杂的多传感器标定即可实现精确的几何表征。定量验证确认了该方法卓越的性能:直径测量的平均绝对误差(MAE)低至 0.03%(0.892 mm),圆度误差保持在有效范围内(3.40% – 4.59%)。系统运行速率为 12.526 fps,满足工业环境的严格延迟需求,为环轧智能闭环控制提供了必要前提。**章节摘要****相关工作**RARR 过程中的几何参数在制测量对保障产品质量至关重要。如文等 [22] 所述,高温金属部件的测量面临严峻的环境干扰,包括强烈热辐射、波动氧化皮和蒸汽干扰。为此,研究人员开发了多种方法论,可从精度、鲁棒性和部署成本三个关键维度进行评估。**集成测量框架的原理**所提流水线并非计算机视觉工具的简单组合,而是针对 RARR 工艺的定向架构响应。该集成遵循"先验引导跟踪"逻辑:(1) 利用边缘检测算法与 MobileSAM 进行高保真初始化,建立语义"锚点";(2) 注入静态遮挡先验以屏蔽机械部件干扰;(3) 利用 SAM 2 的时空记忆功能,在……(下文中断)条件下保持跟踪连续性。**测量系统**图 5 展示了部署于工业环轧设施中的原位几何测量系统架构示意图。被测工件为高温铝合金环件(约 400 °C),外径约 3,000 mm 至 3,400 mm,轴向高度约 150 mm。图像采集使用高分辨率 CMOS 成像传感器,安装于距工件 10 m 处正对位置……(下文中断)**评估基线的选择**为严格评估所提框架,必须建立符合本研究"数据高效"和"免训练"目标的基线。对于初始帧分割,我们选取了八种基础架构:原始 SAM 的三个尺度(ViT-H、ViT-L、ViT-B)、轻量级 MobileSAM 以及 SAM 2 的四个变体(Hiera-L、B+、S、T)。这使得可以全面评估不同模型复杂度下的分割精度。对于……(下文中断)**结论**本研究提出了一种低成本、实时的几何监测框架,将轻量级 MobileSAM 与动态跟踪基础模型(SAM 2)协同集成,用于表征高温环锻件的几何状态演化。MobileSAM 被选为初始帧分割的最优骨干网络,以有效区分环件目标与锥形辊等背景干扰。利用优化参数的自适应边缘检测策略……(下文中断)**作者贡献声明****李雷:** 论文撰写——审阅与编辑,论文撰写——初稿,可视化,验证,软件,方法论,数据整理。 **沈南:** 论文撰写——审阅与编辑,可视化,验证,方法论。 **张天宇:** 论文撰写——审阅与编辑,方法论,数据整理。 **陈飞:** 论文撰写——审阅与编辑,指导,项目管理,方法论,经费获取,构思。**利益冲突声明**作者声明不存在任何可能影响本文所报道工作的已知竞争性经济利益或个人关系。**致谢**本工作获**国家重点研发计划**(批准号:2022YFB3706902)和内蒙古-上海交通大学科技合作专项项目(批准号:2023XYJG0001-01-01)资助。李雷 | 沈南 | 张天宇 | 陈飞
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号