基于深度学习的热轧带钢表面在线检测与质量评级系统

所属学院：钢铁共性技术协同创新中心

合作方式：☐整体转让 ☐技术许可 ☐作价入股 ☒合作开发 ☐其它_____

成果简介：

现有表面缺陷检测系统检出率低、周期性缺陷及表面质量在线分级难，本团队开发了基于深度学习的热轧带钢表面在线检测与质量评级系统。替代了原有的国外检测系统，缺陷检出率和识别率分别提高了3%和7%，实现了热轧表面质量从人工经验到量化模型的自动评级。已成功推广到海内外多家钢企应用，推动了热轧带钢表面质量和生产效率的提高，经济和社会效益显著。被行业权威专家评价为总体达到国际先进水平、检测算法处于国际领先水平。

成熟程度及推广应用情况：

目前处于何种研发阶段：☒研发☐小试☐中试☐小批量生产☒产业化；样机：☒有☐无其他：□如选择“其他”，请说明：。

推广应用情况：发的基于深度学习的热轧带钢表面在线检测与质量评级系统，已于2017年先后在太钢2250、马钢CSP、酒钢炉卷轧机等热轧生产线在线应用，替代了生产线上原有德国百视泰（ISRA-Parsytec）、美国康耐视（Cognex）等国外进口系统。

技术优势：

1. 首次将深度学习方法应用于热轧带钢表面缺陷在线检测与识别，缺陷检出率比国外系统提高了3%，缺陷识别率比国外系统提高了7%。

2. 研制了高均匀性、高亮度的LED线光源和多光路照明方法，实现高温、高速热轧带钢表面缺陷的清晰成像，检测分辨率比国外系统提高了1倍。

3. 开发了基于对抗生成网络半监督样本学习方法，能够有效利用大量无标签的钢板表面缺陷样本，大幅提升了深度学习网络的训练效率。

4. 开发了基于长短时记忆网络的周期性缺陷识别算法，实现了热轧带钢辊印、划伤等缺陷的追踪及预警，可有效避免上述缺陷导致的批量质量事故。

5. 利用表面检测系统提供的缺陷信息，采用层次分析法对热轧带钢表面质量进行综合评级，实现了从人工经验到量化模型的自动评级。

性能指标：

板带表面缺陷检出率可达95%以上，缺陷分类准确率可达90%以上，系统利用率99.98%。

市场分析：

表面缺陷是影响金属板带材质量的重要因素，热轧带钢产品质量异议60%以上都由表面缺陷引起。表面检测系统可以及时反馈缺陷信息，对于控制表面质量、减少废品率和质量异议具有重要作用，可带来巨大经济效益。截止到2012年，国内70%以上的宽带钢热轧生产线上都安装使用了表面在线检测系统，并且大部分都从国外引进,主要存在缺陷的误报严重、难以检测轻微的辊印和划伤等缺陷、缺陷的严重等级无法量化等问题。

经济效益分析：为热轧带钢生产线高效生产、节能降本、质量监控和跟踪提供了生产及质控依据，对带钢批量缺陷的产生、控制及追溯起到了重要作用，具有十分广阔的应用前景。

成果亮点：

1. 具有自主知识产权，研究成果已授权发明专利5项，申请2项。

2. 成果来源：自然基金面上项目、国家重点研发计划材料基因组项目、宝钢、鞍钢、马钢、中信特钢、新兴铸管、邯钢企业横向项目等。

3. 技术先进性：国际领先。

4. 获奖情况：该成果已获得2008年度冶金工业科学技术一等奖、2013年度教育部科学技术奖二等奖，2020年度冶金工业科学技术一等奖。

团队简介：

徐科教授，长期从事先进检测技术的开发、人工智能在工业领域的技术开发与应用、智能制造理论及应用等方面的研究。自主研发了表面缺陷在线检测系统、铸坯内部质量快速检测、设备远程运维、无线传感器等新型感知技术，已在国内外100余条产线应用。在智能制造领域为多家大型冶金企业（钢铁、有色等）提供智能制造整体解决方案规划，并承担多项智能制造领域合作项目。团队研究成果在鞍钢、首钢、沙钢、马钢等多家钢铁企业智能制造与智能工厂建设得到应用，并取得多项创新性成果。

成果相关照片：

图1 太钢热轧板带

图2 三钢中厚板

图3 表面检测与质量分级系统界面

联系方式：

北京科大科技园

010-62333830,62335841,62335665,62333626