CN118122785B - 一种线材轧制生产制造智能监测系统 - Google Patents

Abstract

本发明涉及金属加工领域，具体为一种线材轧制生产制造智能监测系统，该智能控制系统包括图像获取模块、轧制轮转动稳定参数检测模块、轧制轮转动稳定参数分析模块、轧制轮缺陷检测模块、轧制轮质量参数分析模块、轧制机运行影响系数分析模块、线材数据检测模块、线材成型影响系数分析模块、轧制机综合生产指数分析模块、管理数据库，本系统通过对轧制轮转动稳定参数、质量参数分析得到轧制机运行影响系数，通过分析轧制完成的线材的表面缺陷程度、宽度均匀程度、弯曲程度得到线材成型影响系数，进而分析轧制机的综合生产指数，全面评估了轧制机的生产情况，有助于提高轧制机的生产效率和产品质量，减少生产中的缺陷。

Description

一种线材轧制生产制造智能监测系统

技术领域

本发明涉及金属加工领域，具体而言，是一种线材轧制生产制造智能监测系统。

背景技术

线材轧制是一种金属加工方法，常见的方式包括冷轧和热轧，用于将金属坯料通过轧机进行加工和压制，从而获得所需直径和形状的线材产品，常应用于钢铁、铜、铝等金属材料的加工，其质量控制对产品性能和成本具有重要影响，是金属加工领域中重要的工艺过程，随着智能制造和工业互联网的发展，线材轧制工艺也在不断创新和改进，但仍有不足之处，具体表现在：一、在轧制机的生产质量检测上，传统的检测方法主要依赖人工检查和经验判断，无法实时准确地检测轧制轮的运行状态和性能稳定性，这种方式往往存在主观性和不准确性的问题，无法满足高效、精确和自动化的要求。

二、线材产品通常是以大批量生产的方式进行，而且生产速度较快，因此在生产过程中可能存在一些无法及时捕捉和纠正的缺陷，例如，可能会出现直径不均匀、表面质量不佳等问题，且由于传统的线材生产线大多采用离散式的生产方式，各个环节之间的数据交流和信息共享存在不便，导致生产线的实时调整能力不足，很难及时反馈生产过程中的问题，并采取相应的措施进行调整和改进。

发明内容

为了克服背景技术中的缺点，本发明实施例提供了一种线材轧制生产制造智能监测系统，能够有效解决上述背景技术中涉及的问题。

本发明的目的可以通过以下技术方案来实现：本发明提供了一种线材轧制生产制造智能监测系统，包括：图像获取模块，用于通过摄像头对轧制轮进行视频监测，并从轧制轮监测视频中提取轧制轮的图像，记为轧制轮信息图像。

轧制轮缺陷检测模块，用于从轧制轮信息图像中获取轧制轮表面的缺陷情况，缺陷情况包括表面缺损程度、表面龟裂程度。

轧制轮质量参数分析模块，用于根据轧制轮表面的缺陷情况分析得到轧制轮的质 量参数。

轧制轮转动数据检测模块，用于在轧制轮转动过程中对轧制轮在各预设工作时间点的相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值进行监测。

轧制轮转动稳定参数分析模块，用于根据轧制轮转动过程中各预设工作时间点的 相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值分析得到轧制轮转动 稳定参数。

轧制机运行影响系数分析模块，用于根据轧制轮的转动稳定参数和轧制轮的质量 参数分析得到轧制机的运行影响系数，并将轧制机的运行影响系数同预设的轧制机运行 影响系数阈值进行比对，进而得到轧制机的运行影响情况并进行对应处理。

线材数据检测模块，用于对轧制过程中的线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度进行检测。

线材成型影响系数分析模块，用于根据线材的表面缺陷程度、线材的宽度均匀程 度、线材的弯曲程度分析得到线材的成型影响系数，并将线材的成型影响系数和预设的 线材的成型影响系数安全值进行比对，进而获得线材加工的质量情况并进行相应处理。

轧制机综合生产指数分析模块，用于根据轧制机的运行影响系数和线材的成型影响系数分析得到轧制机的综合生产指数，并将其和预设的轧制机的综合生产指数合格阈值进行比对，进而得到轧制机的生产制造情况并进行相应处理。

管理数据库，用于储存轧制轮原始模型、轧制轮的标准体积、线材边缘轮廓标准图像。

优选的，所述轧制轮缺陷检测模块的具体分析方法包括以下步骤：第一步，读取轧 制轮信息图像，从管理数据库中获取轧制轮原始模型，同时利用边缘检测算法从轧制轮信 息图像中提取轧制轮的轮廓，根据轧制轮的轮廓生成3D模型，记为轧制轮实际模型，将轧制 轮实际模型和轧制轮原始模型进行叠加比对，提取轧制轮的缺损体积并从管理数据库中读 取轧制轮的标准体积，将轧制轮的缺损体积和轧制轮的标准体积进行比对，得到轧制轮的 表面缺损程度。

第二步，从轧制轮信息图像中提取轧制轮表面裂纹的数量和各裂纹的长度，将其 分别记为，表示第条裂纹的编号，，通过公式得到轧制轮 的表面龟裂程度，其中分别表示轧制轮表面裂纹的数量和裂纹长度的最大允许值。

优选的，所述轧制轮的质量参数的具体分析过程为：分别读取轧制轮的表面缺损 程度和轧制轮的表面龟裂程度，通过公式得到轧制轮的质量参数，其中分别表示轧制轮的表面缺损程度和轧制轮的表面龟裂程度的权值因子， 为自然常数。

优选的，所述轧制轮转动数据检测模块的具体分析方法包括以下步骤：第一步，在 轧制轮转动过程中通过压力传感器对轧制轮在各预设工作时间点的相互压力值进行检测， 记为，表示为第个预设工作时间点的编号，，同时对轧制轮在各预设工 作时间点的轧制速度进行检测，记为。

第二步，对轧制轮在转动过程中产生的噪音进行监测，并获取噪音在各频率点的 分贝值，将其和预设的最大分贝值进行比对，若噪音在某频率点的分贝值超过预设的最大 分贝值，则将该频率点记为异响频率点，统计各异响频率点的噪音的分贝值，记为各异响频 率点的异响值，表示第个异响频率点的编号，。

优选的，所述轧制轮转动稳定参数的具体分析过程为：读取轧制轮在各预设工作 时间点的相互压力值、轧制轮在各预设工作时间点的轧制速度、各异响频率点的异 响值，代入到公式得到轧制轮转动 稳定参数，其中分别表示预设的轧制轮的标准相互压力值、轧制轮的标准轧 制速度、轧制轮在异响频率点的最大允许异响值，表示轧制轮转动稳定参数的修正系数，表示自然常数。

优选的，所述轧制机的运行影响系数的具体分析方法包括以下步骤：第一步，分别 读取轧制轮转动稳定参数和轧制轮的质量参数，代入到公式得 到轧制机的运行影响系数，其中分别表示轧制轮转动稳定参数和轧制轮的质量参 数的权值因子。

第二步，将轧制机的运行影响系数同预设的轧制机运行影响系数阈值进行比对，若轧制机的运行影响系数小于轧制机运行影响系数阈值，则表示轧制机的运行稳定性不合格，向系统发送维护保养提醒，反之则表示轧制机的运行稳定性合格，可以继续使用。

优选的，所述线材数据检测模块的具体分析方法包括以下步骤：第一步，通过摄像 头对轧制过程中的线材根据预设的间隔时间点依次获取实时图像，记为各间隔时间点线材 图像，利用边缘检测技术对各间隔时间点线材图像的线材进行边缘轮廓提取并生成图像， 记为各间隔时间点线材边缘轮廓图像，从管理数据库中提取线材边缘轮廓标准图像，将各 间隔时间点线材边缘轮廓图像分别和线材边缘轮廓标准图像进行叠加，记为各间隔时间点 线材边缘轮廓叠加图像，提取各间隔时间点线材边缘轮廓叠加图像中线材边缘轮廓未重叠 区域，并计算线材边缘轮廓围成区域的总面积和线材边缘轮廓未重叠区域的面积，分别记 为和，表示第个间隔时间点线材边缘轮廓叠加图像的编号，，通过公式得到线材的表面缺陷程度。

第二步，按照线材长度设定预设数量的等长间距点，在各间隔时间点线材边缘轮 廓图像中线材的各间距点对线材的宽度进行测量，记为，表示第个间隔时间点线材 边缘轮廓图像的编号，，表示第个间距点的编号，，通过公式得到线材的宽度均匀程度。

第三步，在各间隔时间点线材边缘轮廓图像中线材的各间距点对线材的曲率进行 计算，记为，通过公式得到线材的弯曲程度。

优选的，所述线材的成型影响系数的具体分析方法包括以下步骤：第一步，分别读 取线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度，通过公式分析得到线材的成型影响系数，其中表示线材的弯曲程度的标准值，分别表示线材的表面缺陷程度、线材的宽度 均匀程度、线材的弯曲程度的权值因子，且，为自然常数，表示线材的成 型影响系数的修正系数。

第二步，将线材的成型影响系数和预设的线材的成型影响系数安全值进行比对，若线材的成型影响系数大于或等于线材的成型影响系数安全值，则表示线材加工的质量情况合格，若线材的成型影响系数小于线材的成型影响系数安全值，则表示线材加工的质量情况不合格，对系统发送停机检修预警。

优选的，所述轧制机的综合生产指数的具体分析方法包括以下步骤：第一步，读取 轧制机的运行影响系数和线材的成型影响系数，代入到公式得到轧制机的综合生产指数，其中为自然常数，表 示轧制机的运行影响系数和线材的成型影响系数的权值因子。

第二步，将轧制机的综合生产指数与预设的轧制机的综合生产指数合格阈值进行比对，若轧制机的综合生产指数大于或等于轧制机的综合生产指数合格阈值，则表示轧制机生产制造合格，可以正常投入使用，若轧制机的综合生产指数小于轧制机的综合生产指数合格阈值，则表示轧制机生产制造不合格，向系统进行质量反馈。

相对于现有技术，本发明具有以下有益效果：一、本系统通过分析两个轧制轮的相互压力值、轧制轮的轧制速度、轧制时的异响值得到轧制轮转动稳定参数，通过对轧制轮表面的缺陷情况进行分析得到轧制轮的质量参数，进而结合轧制轮转动稳定参数和轧制轮的质量参数综合分析得到轧制机的运行影响系数，有助于了解轧制轮的运行状态和性能稳定性，可以帮助及早发现轧制轮的异常情况，以便采取相应的维修或更换措施，确保其正常运行，提高产品质量和生产效率。

二、本系统通过分析线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度分析得到线材的成型影响系数，可以更准确地评估线材的成型质量，从而改善产品的稳定性和一致性，同时，及时发现和解决线材的问题，可以减少生产停机和质量调整，提高生产的连续性和效率。

三、本系统通过轧制机的运行影响系数和线材的成型影响系数分析得到轧制机的综合生产指数，可以准确评估和监测轧制机的生产效率水平，实现生产效率的提升、故障预防和调度优化，进而提高生产效益。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统模块连接图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种线材轧制生产制造智能监测系统，包括图像获取模块、轧制轮缺陷检测模块、轧制轮质量参数分析模块、轧制轮转动数据检测模块、轧制轮转动稳定参数分析模块、轧制机运行影响系数分析模块、线材数据检测模块、线材成型影响系数分析模块、轧制机综合生产指数分析模块、管理数据库。

所述管理数据库和轧制轮转动稳定参数分析模块、轧制机运行影响系数分析模块、轧制机综合生产指数分析模块、线材成型影响系数分析模块连接，轧制机运行影响系数分析模块和轧制轮转动稳定参数分析模块、轧制机综合生产指数分析模块、轧制轮质量参数分析模块连接，线材成型影响系数分析模块和轧制机综合生产指数分析模块、线材数据检测模块连接，轧制轮缺陷检测模块和轧制轮质量参数分析模块、图像获取模块连接，轧制轮转动数据检测模块和轧制轮转动稳定参数分析模块连接。

图像获取模块，用于通过摄像头对轧制轮进行视频监测，并从轧制轮监测视频中提取轧制轮的图像，记为轧制轮信息图像。

轧制轮缺陷检测模块，用于从轧制轮信息图像中获取轧制轮表面的缺陷情况，缺陷情况包括表面缺损程度、表面龟裂程度。

所述轧制轮缺陷检测模块的具体分析方法包括以下步骤：第一步，读取轧制轮信 息图像，从管理数据库中获取轧制轮原始模型，同时利用边缘检测算法从轧制轮信息图像 中提取轧制轮的轮廓，根据轧制轮的轮廓生成3D模型，记为轧制轮实际模型，将轧制轮实际 模型和轧制轮原始模型进行叠加比对，提取轧制轮的缺损体积并从管理数据库中读取轧制 轮的标准体积，将轧制轮的缺损体积和轧制轮的标准体积进行比对，得到轧制轮的表面缺 损程度；将轧制轮的缺损体积除以轧制轮的标准体积得到轧制轮的表面缺损程度，这个 数值表示了轧制轮表面缺损所占据的比例，数值越高，表示轧制轮的表面缺损越严重，通过 将生成的轧制轮实际模型与轧制轮的原始模型进行叠加比对，可以检测出实际模型与原始 模型之间的差异和变化，进一步验证轧制轮的缺损情况，便于后续的质量评估。

第二步，从轧制轮信息图像中提取轧制轮表面裂纹的数量和各裂纹的长度，将其 分别记为，表示第条裂纹的编号，，通过公式得到轧制轮 的表面龟裂程度，其中分别表示轧制轮表面裂纹的数量和裂纹长度的最大允许值； 通过计算轧制轮的表面龟裂程度，并将其与最大允许值进行比较，可以对轧制轮的质量和 可靠性进行评估，这有助于判断轧制轮的使用寿命和安全性，以及采取相应的维修措施。

所述轧制轮的质量参数的具体分析过程为：分别读取轧制轮的表面缺损程度和 轧制轮的表面龟裂程度，通过公式得到轧制轮的质量参数，其中分别表示轧制轮的表面缺损程度和轧制轮的表面龟裂程度的权值因子，为自然常 数；通过分析轧制轮的质量参数，综合考虑了轧制轮的缺陷情况，将缺损和龟裂两种类型的 缺陷情况权衡在内，为轧制轮的质量评估提供一个综合的指标。

轧制轮转动数据检测模块，用于在轧制轮转动过程中对轧制轮在各预设工作时间点的相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值进行监测。

所述轧制轮转动数据检测模块的具体分析方法包括以下步骤：第一步，在轧制轮 转动过程中通过压力传感器对轧制轮在各预设工作时间点的相互压力值进行检测，记为，表示为第个预设工作时间点的编号，，同时对轧制轮在各预设工作时 间点的轧制速度进行检测，记为。

第二步，对轧制轮在转动过程中产生的噪音进行监测，并获取噪音在各频率点的 分贝值，将其和预设的最大分贝值进行比对，若噪音在某频率点的分贝值超过预设的最大 分贝值，则将该频率点记为异响频率点，统计各异响频率点的噪音的分贝值，记为各异响频 率点的异响值，表示第个异响频率点的编号，；通过监测轧制轮在转动过 程中产生的噪音，可以及时发现轧制轮可能存在的异常情况，有助于预警可能存在的故障 或问题。

轧制轮转动稳定参数分析模块，用于根据轧制轮转动过程中各预设工作时间点的 相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值分析得到轧制轮转动 稳定参数。

所述轧制轮转动稳定参数的具体分析过程为：读取轧制轮在各预设工作时间点的 相互压力值、轧制轮在各预设工作时间点的轧制速度、各异响频率点的异响值， 代入到公式得到轧制轮转动稳定参数， 其中分别表示预设的轧制轮的标准相互压力值、轧制轮的标准轧制速度、轧制 轮在异响频率点的最大允许异响值，表示轧制轮转动稳定参数的修正系数，表示自然 常数。

轧制机运行影响系数分析模块，用于根据轧制轮的转动稳定参数和轧制轮的质量 参数分析得到轧制机的运行影响系数，并将轧制机的运行影响系数同预设的轧制机运行 影响系数阈值进行比对，进而得到轧制机的运行影响情况并进行对应处理。

所述轧制机的运行影响系数的具体分析方法包括以下步骤：第一步，分别读取轧 制轮转动稳定参数和轧制轮的质量参数，代入到公式得到轧制 机的运行影响系数，其中分别表示轧制轮转动稳定参数和轧制轮的质量参数的权 值因子；通过分析轧制机的运行影响系数，可以监测和评估轧制机的运行稳定性，及时发现 问题并采取相应的维护措施，保障轧制机的正常运行和减少故障发生的可能性。

第二步，将轧制机的运行影响系数同预设的轧制机运行影响系数阈值进行比对，若轧制机的运行影响系数小于轧制机运行影响系数阈值，则表示轧制机的运行稳定性不合格，向系统发送维护保养提醒，反之则表示轧制机的运行稳定性合格，可以继续使用；通过比对运行影响系数和阈值，可以有效判断轧制机的运行稳定性，确保轧制机的正常运行。

线材数据检测模块，用于对轧制过程中的线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度进行检测。

所述线材数据检测模块的具体分析方法包括以下步骤：第一步，通过摄像头对轧 制过程中的线材根据预设的间隔时间点依次获取实时图像，记为各间隔时间点线材图像， 利用边缘检测技术对各间隔时间点线材图像的线材进行边缘轮廓提取并生成图像，记为各 间隔时间点线材边缘轮廓图像，从管理数据库中提取线材边缘轮廓标准图像，将各间隔时 间点线材边缘轮廓图像分别和线材边缘轮廓标准图像进行叠加，记为各间隔时间点线材边 缘轮廓叠加图像，提取各间隔时间点线材边缘轮廓叠加图像中线材边缘轮廓未重叠区域， 并计算线材边缘轮廓围成区域的总面积和线材边缘轮廓未重叠区域的面积，分别记为 和，表示第个间隔时间点线材边缘轮廓叠加图像的编号，，通过公式得到线材的表面缺陷程度；线材边缘轮廓叠加图像中线材边缘轮廓未重叠 的区域表示线材发生了变形或者表面出现了缺陷，通过与标准轮廓比对来评估线材的表面 缺陷程度，以便及时调整轧制过程或采取其他措施进行质量控制。

第二步，按照线材长度设定预设数量的等长间距点，在各间隔时间点线材边缘轮 廓图像中线材的各间距点对线材的宽度进行测量，记为，表示第个间隔时间点线材 边缘轮廓图像的编号，，表示第个间距点的编号，，通过公式得到线材的宽度均匀程度；通过计算不同间距点之间的宽 度差异，可以得到线材宽度的均匀程度，量化线材宽度的均匀性，从而评估线材的品质和一 致性。

第三步，在各间隔时间点线材边缘轮廓图像中线材的各间距点对线材的曲率进行 计算，记为，通过公式得到线材的弯曲程度；曲率是描述曲 线弯曲程度的重要参数，通过将线材的曲率值转化为对应的弯曲程度，可以更直观地表示 线材的弯曲情况，判断线材的质量和工艺状态，从而对后续的生产或加工过程进行调整和 改进。

线材成型影响系数分析模块，用于根据线材的表面缺陷程度、线材的宽度均匀程 度、线材的弯曲程度分析得到线材的成型影响系数，并将线材的成型影响系数和预设的 线材的成型影响系数安全值进行比对，进而获得线材加工的质量情况并进行相应处理。

所述线材的成型影响系数的具体分析方法包括以下步骤：第一步，分别读取线材 的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度，通过公式分析得到线材的成型影响系数，其中表 示线材的弯曲程度的标准值，分别表示线材的表面缺陷程度、线材的宽度均匀程 度、线材的弯曲程度的权值因子，且，为自然常数，表示线材的成型影响 系数的修正系数。

第二步，将线材的成型影响系数和预设的线材的成型影响系数安全值进行比对，若线材的成型影响系数大于或等于线材的成型影响系数安全值，则表示线材加工的质量情况合格，若线材的成型影响系数小于线材的成型影响系数安全值，则表示线材加工的质量情况不合格，对系统发送停机检修预警；通过在轧制过程中根据预设的间隔时间点对线材进行质量检测，可以实时监测线材的成型影响系数，并及时采取措施来确保线材加工的质量，提高生产效率和产品质量。

轧制机综合生产指数分析模块，用于根据轧制机的运行影响系数和线材的成型影响系数分析得到轧制机的综合生产指数，并将其和预设的轧制机的综合生产指数合格阈值进行比对，进而得到轧制机的生产制造情况并进行相应处理。

所述轧制机的综合生产指数的具体分析方法包括以下步骤：第一步，读取轧制机 的运行影响系数和线材的成型影响系数，代入到公式得到 轧制机的综合生产指数，其中为自然常数，表示轧制机的运行影响系数和线材的 成型影响系数的权值因子。

第二步，将轧制机的综合生产指数与预设的轧制机的综合生产指数合格阈值进行比对，若轧制机的综合生产指数大于或等于轧制机的综合生产指数合格阈值，则表示轧制机生产制造合格，可以正常投入使用，若轧制机的综合生产指数小于轧制机的综合生产指数合格阈值，则表示轧制机生产制造不合格，向系统进行质量反馈；通过量化计算轧制机的综合生产指数，并与合格阈值进行比对，从而判断轧制机的生产质量是否合格，有助于及时发现和纠正轧制机的制造问题，提高生产效率和产品质量。

管理数据库，用于储存轧制轮原始模型、轧制轮的标准体积、线材边缘轮廓标准图像。

本系统通过对轧制机运行影响系数和线材成型影响系数进行分析，可以全面评估轧制机的生产情况，及时发现问题并采取相应的措施进行调整和改进，同时根据轧制机的运行影响系数和线材的成型影响系数分析得到轧制机的综合生产指数，并将其和预设的轧制机的综合生产指数合格阈值进行比对，全面评估了轧制机的生产情况，有助于提高生产过程的稳定性和可靠性，优化产品质量，减少生产过程中的故障率和停机时间，以达到更高的生产效益。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型，仍涵盖在本发明的保护范围。

Claims (9)

1.一种线材轧制生产制造智能监测系统，其特征在于，该系统具体包括以下模块：

图像获取模块，用于通过摄像头对轧制轮进行视频监测，并从轧制轮监测视频中提取轧制轮的图像，记为轧制轮信息图像；

轧制轮缺陷检测模块，用于从轧制轮信息图像中获取轧制轮表面的缺陷情况，缺陷情况包括表面缺损程度、表面龟裂程度；

轧制轮质量参数分析模块，用于根据轧制轮表面的缺陷情况分析得到轧制轮的质量参数；

轧制轮转动数据检测模块，用于在轧制轮转动过程中对轧制轮在各预设工作时间点的相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值进行监测；

轧制轮转动稳定参数分析模块，用于根据轧制轮转动过程中各预设工作时间点的相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值分析得到轧制轮转动稳定参数；

轧制机运行影响系数分析模块，用于根据轧制轮的转动稳定参数和轧制轮的质量参数分析得到轧制机的运行影响系数，并将轧制机的运行影响系数同预设的轧制机运行影响系数阈值进行比对，进而得到轧制机的运行影响情况并进行对应处理；

线材数据检测模块，用于对轧制过程中的线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度进行检测；

线材成型影响系数分析模块，用于根据线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度分析得到线材的成型影响系数，并将线材的成型影响系数和预设的线材的成型影响系数安全值进行比对，进而获得线材加工的质量情况并进行相应处理；

轧制机综合生产指数分析模块，用于根据轧制机的运行影响系数和线材的成型影响系数分析得到轧制机的综合生产指数，并将其和预设的轧制机的综合生产指数合格阈值进行比对，进而得到轧制机的生产制造情况并进行相应处理；

管理数据库，用于储存轧制轮原始模型、轧制轮的标准体积、线材边缘轮廓标准图像。

2.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮缺陷检测模块的具体分析方法包括以下步骤：

第一步，读取轧制轮信息图像，从管理数据库中获取轧制轮原始模型，同时利用边缘检测算法从轧制轮信息图像中提取轧制轮的轮廓，根据轧制轮的轮廓生成3D模型，记为轧制轮实际模型，将轧制轮实际模型和轧制轮原始模型进行叠加比对，提取轧制轮的缺损体积并从管理数据库中读取轧制轮的标准体积，将轧制轮的缺损体积和轧制轮的标准体积进行比对，得到轧制轮的表面缺损程度；

第二步，从轧制轮信息图像中提取轧制轮表面裂纹的数量和各裂纹的长度，将其分别记为，表示第条裂纹的编号，，通过公式得到轧制轮的表面龟裂程度，其中表示轧制轮表面裂纹的数量的最大允许值，表示轧制轮表面裂纹长度的最大允许值。

3.根据权利要求2所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮的质量参数的具体分析过程为：分别读取轧制轮的表面缺损程度和轧制轮的表面龟裂程度，通过公式得到轧制轮的质量参数，其中表示轧制轮的表面缺损程度的权值因子，表示轧制轮的表面龟裂程度的权值因子，为自然常数。

4.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮转动数据检测模块的具体分析方法包括以下步骤：

第一步，在轧制轮转动过程中通过压力传感器对轧制轮在各预设工作时间点的相互压力值进行检测，记为，表示为第个预设工作时间点的编号，，同时对轧制轮在各预设工作时间点的轧制速度进行检测，记为；

第二步，对轧制轮在转动过程中产生的噪音进行监测，并获取噪音在各频率点的分贝值，将其和预设的最大分贝值进行比对，若噪音在某频率点的分贝值超过预设的最大分贝值，则将该频率点记为异响频率点，统计各异响频率点的噪音的分贝值，记为各异响频率点的异响值，表示第个异响频率点的编号，。

5.根据权利要求4所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮转动稳定参数的具体分析过程为：读取轧制轮在各预设工作时间点的相互压力值、轧制轮在各预设工作时间点的轧制速度、各异响频率点的异响值，代入到公式得到轧制轮转动稳定参数，其中表示预设的轧制轮的标准相互压力值，表示预设的轧制轮的标准轧制速度，表示预设的轧制轮在异响频率点的最大允许异响值，表示轧制轮转动稳定参数的修正系数，表示自然常数。

6.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制机的运行影响系数的具体分析方法包括以下步骤：

第一步，分别读取轧制轮转动稳定参数和轧制轮的质量参数，代入到公式得到轧制机的运行影响系数，其中表示轧制轮转动稳定参数的权值因子，表示轧制轮的质量参数的权值因子；

第二步，将轧制机的运行影响系数同预设的轧制机运行影响系数阈值进行比对，若轧制机的运行影响系数小于轧制机运行影响系数阈值，则表示轧制机的运行稳定性不合格，向系统发送维护保养提醒，反之则表示轧制机的运行稳定性合格，可以继续使用。

7.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述线材数据检测模块的具体分析方法包括以下步骤：

第一步，通过摄像头对轧制过程中的线材根据预设的间隔时间点依次获取实时图像，记为各间隔时间点线材图像，利用边缘检测技术对各间隔时间点线材图像的线材进行边缘轮廓提取并生成图像，记为各间隔时间点线材边缘轮廓图像，从管理数据库中提取线材边缘轮廓标准图像，将各间隔时间点线材边缘轮廓图像分别和线材边缘轮廓标准图像进行叠加，记为各间隔时间点线材边缘轮廓叠加图像，提取各间隔时间点线材边缘轮廓叠加图像中线材边缘轮廓未重叠区域，并计算线材边缘轮廓围成区域的总面积和线材边缘轮廓未重叠区域的面积，分别记为和，表示第个间隔时间点线材边缘轮廓叠加图像的编号，，通过公式得到线材的表面缺陷程度；

第二步，按照线材长度设定预设数量的等长间距点，在各间隔时间点线材边缘轮廓图像中线材的各间距点对线材的宽度进行测量，记为，表示第个间隔时间点线材边缘轮廓图像的编号，，表示第个间距点的编号，，通过公式得到线材的宽度均匀程度；

第三步，在各间隔时间点线材边缘轮廓图像中线材的各间距点对线材的曲率进行计算，记为，通过公式得到线材的弯曲程度。

8.根据权利要求7所述的一种线材轧制生产制造智能监测系统，其特征在于，所述线材的成型影响系数的具体分析方法包括以下步骤：

第一步，分别读取线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度，通过公式分析得到线材的成型影响系数，其中表示线材的弯曲程度的标准值，表示线材的表面缺陷程度的权值因子，表示线材的宽度均匀程度的权值因子，表示线材的弯曲程度的权值因子，且，为自然常数，表示线材的成型影响系数的修正系数；

第二步，将线材的成型影响系数和预设的线材的成型影响系数安全值进行比对，若线材的成型影响系数大于或等于线材的成型影响系数安全值，则表示线材加工的质量情况合格，若线材的成型影响系数小于线材的成型影响系数安全值，则表示线材加工的质量情况不合格，对系统发送停机检修预警。

9.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制机的综合生产指数的具体分析方法包括以下步骤：

第一步，读取轧制机的运行影响系数和线材的成型影响系数，代入到公式得到轧制机的综合生产指数，其中为自然常数，表示轧制机的运行影响系数的权值因子，表示线材的成型影响系数的权值因子；

第二步，将轧制机的综合生产指数与预设的轧制机的综合生产指数合格阈值进行比对，若轧制机的综合生产指数大于或等于轧制机的综合生产指数合格阈值，则表示轧制机生产制造合格，可以正常投入使用，若轧制机的综合生产指数小于轧制机的综合生产指数合格阈值，则表示轧制机生产制造不合格，向系统进行质量反馈。