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：。

已投入成本：1200 万元。

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。

期望技术转移成交价格（大概金额）：300 万/套。

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。

联系人：姚老师

电  话：010-62333881 ，13718384597