冶金行业AI视觉智能质检技术应用白皮书

版权声明与大数据研究所和第六镜科技(北京)集团有限责任公司，并受法律“来源:河钢集团有限公司、中国信息通信研究院云计算与大数据研究所和第六镜科技(北京)集团有限责任公司”。违反上述声明者，的权利。编制说明第六镜科技(北京)集团有限责任公司金属控股集团有限责任公司、中国铜业有限公司、中国旭阳集团有限公司、陕西钢铁集团有限公司、西安西部新锆科技股份有限公司、河钢数字技术股份有限公司、唐山钢铁集团微尔自动化有限公司、北京旭阳数字科技有限公司、人工智能关键技术和应用评测工业和信息化部重点实验室究院副院长肖邦国伟张文强教授级高级工程师董志洪刘海明股份有限公司首席信息官赵庆涛理李晓刚经理潘鹏映红纪树海部长王斌唐山钢铁集团微尔自动化有限公司董事长潘玉发有限公司总工程师李颖新第六镜科技(北京)集团有限责任公司董事长刘闯第六镜科技(北京)集团有限责任公司副总工程师何贤昆第六镜科技(北京)集团有限责任公司研究员庞天吉第六镜科技(北京)集团有限责任公司研究员张义夫第六镜科技(北京)集团有限责任公司首席研究员陈诗昱第六镜科技(北京)集团有限责任公司总工程师胡峻毅第六镜科技(北京)集团有限责任公司高级工程师王姿燕第六镜科技(北京)集团有限责任公司高级工程师何岸前言AI视觉智能质检技术是一种融合人工智能和机器视觉技术的产了冶金行业产品质检的重要性、传统方法的局限性，并提出引入AII (一)冶金行业产品表面质检的重要性 1 (二)传统表面质量检测方法与局限性 3 (三)引入AI视觉技术的必要性和可行性 6 (一)AI视觉质检的关键技术 8 (二)AI视觉质检的系统组成 10 (三)冶金行业AI视觉质检的技术挑战 13 (四)冶金行业AI视觉质检技术发展趋势 17 (一)冶金行业AI视觉质检场景需求 20 (二)冶金行业AI视觉质检的典型应用场景 32 (三)冶金行业AI视觉质检技术应用发展趋势 40 AI质检技术辅助智能决策 42 (一)AI视觉质检当前应用问题 44(二)AI视觉质检应用发展建议 45 AI1工业等诸多领域。重要。(一)冶金行业产品表面质检的重要性1.表面质检是严格把控冶金产品质量的基本手段AI2机组断带、钢板降级改判、产品判废等严重生产事故;对于最后环节交付客户前的最后一次把关。2.表面质检是减少潜在经济损失和纠纷的根本保障业险。身安全;发动机是车辆生产制造过程中非常核心的环节，其质量把控AI33.表面质检是生产线维护和改造方案的重要支撑(二)传统表面质量检测方法与局限性1.表面质量检测发展历程与常见方法人工目视法检测是一种基于人眼直接观察和判断的表面质量检AI4面的物理特征。质量变化、效率较低等问题。式1或其他不良情况。这种方法容易受到人为主观因素的影AI5234测利用超声波的传播和反射特性来检测冶金产品表面的缺5X射线技术可用于探测金属材料内部和表面的缺陷和异6782.传统表面质量检测方法的局限性AI6法实现对产品表面质量的实时监测。(三)引入AI视觉技术的必要性和可行性AI7AI可行性AI8AI视觉智能质检技术是一种融合人工智能和计算机视觉技术的品的表面缺陷。(一)AI视觉质检的关键技术AI视觉质检在冶金行业主要涉及到产品外观缺陷、尺寸、平整器视觉、深度学习和自适应算法等关键技术。1.图像处理图像处理技术主要依赖于手动设定阈值和参数进行图像分割和特征率和准确性。2.机器视觉AI9机器视觉是利用物体的光学特征来进行自动检测和识别的技术，如跟踪物体的位置和移动，较为困难任务中难以取得较好的效果。3.深度学习。等为代表的现代自适应算法成为了在算法实际落地应用中不可或缺AI(二)AI视觉质检的系统组成AI1.运动控制单元实现物体或传感器的精确定位,保证全视野检测。常用方式有传送带、机械臂等。运动控制系统结合复杂轨迹和多传感器协同,使检2.光源光模式,有助识别表面和内部缺陷。合理的光源布置方案能够大幅减3.智能相机、4.图像采集处理单元该系统控制图像的采集和缓存,并进行图像校正、映射、增强等前处理,以提高后续处理的效果。可实现复杂环境下的图像处理和多AI基于深度学习等AI算法自动分析图像,识别缺陷类型及质量状态,实现智能化检测。预训练模型与在线/联邦学习相结合,可适应新模型来提取图像中的特征。其中，卷积神经网络(CNN)是最常用的模块能够根据已有的基础模型和线上的少量数据进行小样本在线学6.显示单元直观显示检测结果,包括缺陷区域标注、统计图表等。同时显示检测过程中的图像,方便调试监控。该单元可以通过与传感器和实时AI(三)冶金行业AI视觉质检的技术挑战时性提出更高要求。1.数据问题(1)数据不足和偏差AI数据，使用生成模型包括(GAN和StableDiffusion)，生成大量的(2)数据质量问题(3)数据的长期稳定性问题AI(4)数据的标准化问题、还是其他标准化等问题。2.算法性能问题AI金属表面缺陷检测需要一个公认的标准数据集和良好的实验数这个领域形成公认、权威和可行的标准。(4)算法的快速性和通用性(5)模型的泛化性可解释性AI产流程。1.多模态数据融合2.新一代计算摄影算法AI3.云端计算和边缘计算的结合AI视觉质检技术需要大量的计算资源和存储空间。未来的趋势用户数据的隐私保护。4.智能运维、生产反馈、预测性维护和故障诊断AI5.产线的实时结合改造控制。通过对接产线二级系统，可以将诊断、AI质检方式和既有的生产工艺越来越不能满足现有的冶金产品市场需(一)冶金行业AI视觉质检场景需求类增多、复杂程度增大，发展，冶金产品的质量检测需要延伸至冶金产品生命周期的上下游。1.改进冶金产品质量检测AI测技术，AI处理能力，常温下的质检缺陷的反馈不能及时反映高温工艺流程中的生产工艺AI视觉智能质检技术得益于检测效率的提升和相比人工作业的AI测结果的一致性较差。AI视觉质检技术特定的算法模型进行判断和分析，这些算法模AI引起的作业人员听力障碍已成为目前临床上发生率较高的职业病之呼吸系统、心血管问题的首要诱因。长期在此类环境中作业对处于其中的一线工人而言作业环境带给身AI总，种方式不需要人员直接干预，2.支持冶金产线工艺优化在冶金产品的生成过程中生产缺陷的越早发现能够在后续环节生产企业而言带来一笔无形的损失。AI成品质量。损AIAI视觉检测技术可实现生产线各个生产工艺流程上关键节点处3.拓展冶金产线质检范围AIAI为温AI4.助力冶金产品回收质检有色金属具有极高的经济价值和广泛的应用范围,在冶金产品于光谱图像等分选技术，但此类技术环境要求苛刻,且相关设备成本AI据统计数据显示，中国钢铁产量全球领先，但废钢利用率仅为21.2%，低于世界平均水平。且我国钢铁行业一直以来以铁矿石为原耗，提高生产效率。AI(二)冶金行业AI视觉质检的典型应用场景在冶金行业质检场景当中，AI视觉技术目前已有较多的实际应应用如下所述：1.热态长材表面质量检测AI2.带钢表面质量检测更个性化、多样化的需求。AI技术，采集设备、机器视觉算法平台和系统管理可视化平台三大核心内AI为钢板板形的主要评价指标，带运行速度计算得出。AI强。近成品钢卷，存在掉卷伤人等安全隐患。级评价。AI3.钛及钛合金板材表面质量检测4.铝/铜板带表面质量检测AI铝/铜板带表面缺陷检测一直是精密检测领域的一个重要研究方向，随着我国有色金属工业的迅猛发展，铝/铜板带生产线工艺设施术水平是现代企业生产中急需攻克的难关。当前，国内铝/铜板带材AI5.铸坯表面质量检测致性等缺点。要技术手段。经切割之后的高温铸坯表面温度在800℃以上，基于开发了基于机器视觉与人工智能相配合的铸坯缺陷轮廓实时检测方AI、孔洞、纵裂、水印、星型裂纹等。(三)冶金行业AI视觉质检技术应用发展趋势1.AI视觉质检技术与生产管理系统相结合情况。AI2.AI视觉质检技术与云边协同于高速的无线通信技术使得工业相机拍摄的检测图像数据可以高保行图像数据分析和缺陷判定。AI3.AI视觉质检技术辅助智能决策AIAII(一)AI视觉质检当前应用问题下几方面：AI(二)AI视觉质检应用发展建议1.加强典型缺陷数据收集，以实现检测系统缺陷识别准确率的提升。2.加快应用角色由检到控转变AI视觉技术主要应用还处于直接使用检测结果的阶段，即现状还处3.充分挖掘质检技术应用场景