基于深度學習的熱軋帶鋼表面在線檢測與質量評級系統

所屬學院：鋼鐵共性技術協同創新中心

合作方式：?整體轉讓 ?技術許可 ?作價入股 ?合作開發 ?其它_____

成果簡介：

現有表面缺陷檢測系統檢出率低、周期性缺陷及表面質量在線分級難，本團隊開發了基于深度學習的熱軋帶鋼表面在線檢測與質量評級系統。替代了原有的國外檢測系統，缺陷檢出率和識別率分別提高了3%和7%，實現了熱軋表面質量從人工經驗到量化模型的自動評級。已成功推廣到海內外多家鋼企應用，推動了熱軋帶鋼表面質量和生產效率的提高，經濟和社會效益顯著。被行業權威專家評價為總體達到國際先進水平、檢測算法處于國際領先水平。

成熟程度及推廣應用情況：

目前處于何種研發階段：?研發?小試?中試?小批量生產?產業化；樣機：?有?無其他：□如選擇“其他”，請說明：。

推廣應用情況：發的基于深度學習的熱軋帶鋼表面在線檢測與質量評級系統，已于2017年先后在太鋼2250、馬鋼CSP、酒鋼爐卷軋機等熱軋生產線在線應用，替代了生產線上原有德國百視泰（ISRA-Parsytec）、美國康耐視（Cognex）等國外進口系統。

技術優勢：

1. 首次將深度學習方法應用于熱軋帶鋼表面缺陷在線檢測與識別，缺陷檢出率比國外系統提高了3%，缺陷識別率比國外系統提高了7%。

2. 研制了高均勻性、高亮度的LED線光源和多光路照明方法，實現高溫、高速熱軋帶鋼表面缺陷的清晰成像，檢測分辨率比國外系統提高了1倍。

3. 開發了基于對抗生成網絡半監督樣本學習方法，能夠有效利用大量無標簽的鋼板表面缺陷樣本，大幅提升了深度學習網絡的訓練效率。

4. 開發了基于長短時記憶網絡的周期性缺陷識別算法，實現了熱軋帶鋼輥印、劃傷等缺陷的追蹤及預警，可有效避免上述缺陷導致的批量質量事故。

5. 利用表面檢測系統提供的缺陷信息，采用層次分析法對熱軋帶鋼表面質量進行綜合評級，實現了從人工經驗到量化模型的自動評級。

性能指標：

板帶表面缺陷檢出率可達95%以上，缺陷分類準確率可達90%以上，系統利用率99.98%。

市場分析：

表面缺陷是影響金屬板帶材質量的重要因素，熱軋帶鋼產品質量異議60%以上都由表面缺陷引起。表面檢測系統可以及時反饋缺陷信息，對于控制表面質量、減少廢品率和質量異議具有重要作用，可帶來巨大經濟效益。截止到2012年，國內70%以上的寬帶鋼熱軋生產線上都安裝使用了表面在線檢測系統，并且大部分都從國外引進,主要存在缺陷的誤報嚴重、難以檢測輕微的輥印和劃傷等缺陷、缺陷的嚴重等級無法量化等問題。

經濟效益分析：為熱軋帶鋼生產線高效生產、節能降本、質量監控和跟蹤提供了生產及質控依據，對帶鋼批量缺陷的產生、控制及追溯起到了重要作用，具有十分廣闊的應用前景。

成果亮點：

1. 具有自主知識產權，研究成果已授權發明專利5項，申請2項。

2. 成果來源：自然基金面上項目、國家重點研發計劃材料基因組項目、寶鋼、鞍鋼、馬鋼、中信特鋼、新興鑄管、邯鋼企業橫向項目等。

3. 技術先進性：國際領先。

4. 獲獎情況：該成果已獲得2008年度冶金工業科學技術一等獎、2013年度教育部科學技術獎二等獎，2020年度冶金工業科學技術一等獎。

團隊簡介：

徐科教授，長期從事先進檢測技術的開發、人工智能在工業領域的技術開發與應用、智能制造理論及應用等方面的研究。自主研發了表面缺陷在線檢測系統、鑄坯內部質量快速檢測、設備遠程運維、無線傳感器等新型感知技術，已在國內外100余條產線應用。在智能制造領域為多家大型冶金企業（鋼鐵、有色等）提供智能制造整體解決方案規劃，并承擔多項智能制造領域合作項目。團隊研究成果在鞍鋼、首鋼、沙鋼、馬鋼等多家鋼鐵企業智能制造與智能工廠建設得到應用，并取得多項創新性成果。

成果相關照片：

圖1 太鋼熱軋板帶

圖2 三鋼中厚板

圖3 表面檢測與質量分級系統界面

聯系方式：

北京科大科技園

010-62333830,62335841,62335665,62333626