版權(quán)聲明“來源:河鋼集團(tuán)有限公司、中國信息通信研究院云計(jì)算與大數(shù)據(jù)研編制說明任公司、中國銅業(yè)有限公司、中國旭陽集團(tuán)有限公司、陜西鋼鐵集團(tuán)有限公司、西安西部新鋯科技股份有限公司、河鋼數(shù)字技術(shù)股份有限公司、唐山鋼鐵集團(tuán)微爾自動(dòng)化有限公司、北京旭陽數(shù)字科技有限公司、人工智能關(guān)鍵技術(shù)和應(yīng)用評(píng)測(cè)工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室教授級(jí)高級(jí)工程師董志洪唐山鋼鐵集團(tuán)微爾自動(dòng)化有限公司董事長潘玉發(fā)AI視覺智能質(zhì)檢技術(shù)是一種融合人工智能和機(jī)器視覺技術(shù)的產(chǎn)了冶金行業(yè)產(chǎn)品質(zhì)檢的重要性、傳統(tǒng)方法的局限性，并提出引入AII 1 1 1 2 3 3 3 5 6 6 7 8 8 8 8 9 9 10 11 11 11 11 12 12 13 13 15 17 17 17 18 18 19 20 20 20 25 27 30 32 32 33 37 37 39 40 40 41 42 44 44 45 45 45 46 46 46 47冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）1一、冶金行業(yè)AI視覺質(zhì)檢發(fā)展背景（一）冶金行業(yè)產(chǎn)品表面質(zhì)檢的重要性1.表面質(zhì)檢是嚴(yán)格把控冶金產(chǎn)品質(zhì)量的基本手段冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）2機(jī)組斷帶、鋼板降級(jí)改判、產(chǎn)品判廢等嚴(yán)重生產(chǎn)事故;對(duì)于最后環(huán)節(jié)2.表面質(zhì)檢是減少潛在經(jīng)濟(jì)損失和糾紛的根本保障身安全;發(fā)動(dòng)機(jī)是車輛生產(chǎn)制造過程中非常核心的環(huán)節(jié)，其質(zhì)量把控冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）33.表面質(zhì)檢是生產(chǎn)線維護(hù)和改造方案的重要支撐（二）傳統(tǒng)表面質(zhì)量檢測(cè)方法與局限性1.表面質(zhì)量檢測(cè)發(fā)展歷程與常見方法人工目視法檢測(cè)是一種基于人眼直接觀察和判斷的表面質(zhì)量檢冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）4機(jī)械檢測(cè)主要依賴于機(jī)械傳感器和設(shè)備來檢測(cè)表面的物理特征。1或其他不良情況。這種方法容易受到人為主觀因素的影冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）5234利用超聲波的傳播和反射特性來檢測(cè)冶金產(chǎn)品表面的缺5X射線技術(shù)可用于探測(cè)金屬材料內(nèi)部和表面的缺陷和異6782.傳統(tǒng)表面質(zhì)量檢測(cè)方法的局限性冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）6傳統(tǒng)方法通常是離線進(jìn)行的，無法實(shí)現(xiàn)對(duì)產(chǎn)品表面質(zhì)量的實(shí)時(shí)監(jiān)測(cè)。（三）引入AI視覺技術(shù)的必要性和可行性1.表面質(zhì)檢引入AI視覺技術(shù)的必要性處理能力支撐下可以處理大規(guī)模工業(yè)數(shù)據(jù)，AI視覺技術(shù)以其較少需冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）72.表面質(zhì)檢引入AI視覺技術(shù)的可行性冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）8二、冶金行業(yè)AI視覺質(zhì)檢技術(shù)路線AI視覺智能質(zhì)檢技術(shù)是一種融合人工智能和計(jì)算機(jī)視覺技術(shù)的（一）AI視覺質(zhì)檢的關(guān)鍵技術(shù)AI視覺質(zhì)檢在冶金行業(yè)主要涉及到產(chǎn)品外觀缺陷、尺寸、平整傳感器與圖像處理技術(shù)的普及，AI視覺質(zhì)檢開始被越來越多的廠商析識(shí)別、機(jī)器視覺、深度學(xué)習(xí)和自適應(yīng)算法1.圖像處理圖像處理技術(shù)主要依賴于手動(dòng)設(shè)定閾值和參數(shù)進(jìn)行圖像分割和特征2.機(jī)器視覺冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）9機(jī)器視覺是利用物體的光學(xué)特征來進(jìn)行自動(dòng)檢測(cè)和識(shí)別的技術(shù)，被廣泛用于自動(dòng)化生產(chǎn)線的監(jiān)控和管理，如跟蹤物體的位置和移動(dòng)，3.深度學(xué)習(xí)等為代表的現(xiàn)代自適應(yīng)算法成為了在算法實(shí)際落地應(yīng)用中不可或缺冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）總的來說，AI視覺質(zhì)檢技術(shù)的發(fā)展路線是從基本的圖像處理技（二）AI視覺質(zhì)檢的系統(tǒng)組成冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）1.運(yùn)動(dòng)控制單元實(shí)現(xiàn)物體或傳感器的精確定位,保證全視野檢測(cè)。常用方式有傳送帶、機(jī)械臂等。運(yùn)動(dòng)控制系統(tǒng)結(jié)合復(fù)雜軌跡和多傳感器協(xié)同,使檢2.光源光模式,有助識(shí)別表面和內(nèi)部缺陷。合理的光源布置方案能夠大幅減3.智能相機(jī)4.圖像采集處理單元該系統(tǒng)控制圖像的采集和緩存,并進(jìn)行圖像校正、映射、增強(qiáng)等前處理,以提高后續(xù)處理的效果?？蓪?shí)現(xiàn)復(fù)雜環(huán)境下的圖像處理和多冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）5.AI智能處理單元基于深度學(xué)習(xí)等AI算法自動(dòng)分析圖像,識(shí)別缺陷類型及質(zhì)量狀態(tài),實(shí)現(xiàn)智能化檢測(cè)。預(yù)訓(xùn)練模型與在線/聯(lián)邦學(xué)習(xí)相結(jié)合,可適應(yīng)新模型來提取圖像中的特征。其中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）是最常用的模塊能夠根據(jù)已有的基礎(chǔ)模型和線上的少量數(shù)據(jù)進(jìn)行小樣本在線學(xué)6.顯示單元直觀顯示檢測(cè)結(jié)果,包括缺陷區(qū)域標(biāo)注、統(tǒng)計(jì)圖表等。同時(shí)顯示檢測(cè)過程中的圖像,方便調(diào)試監(jiān)控。該單元可以通過與傳感器和實(shí)時(shí)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）（三）冶金行業(yè)AI視覺質(zhì)檢的技術(shù)挑戰(zhàn)1.數(shù)據(jù)問題冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）2.算法性能問題冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）金屬表面缺陷檢測(cè)需要一個(gè)公認(rèn)的標(biāo)準(zhǔn)數(shù)據(jù)集和良好的實(shí)驗(yàn)數(shù)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）1.多模態(tài)數(shù)據(jù)融合2.新一代計(jì)算攝影算法冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）3.云端計(jì)算和邊緣計(jì)算的結(jié)合AI視覺質(zhì)檢技術(shù)需要大量的計(jì)算資源和存儲(chǔ)空間。未來的趨勢(shì)4.智能運(yùn)維、生產(chǎn)反饋、預(yù)測(cè)性維護(hù)和故障診斷冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）5.產(chǎn)線的實(shí)時(shí)結(jié)合改造程的實(shí)時(shí)監(jiān)測(cè)和自動(dòng)化控制。通過對(duì)接產(chǎn)線冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）三、冶金行業(yè)AI視覺質(zhì)檢場(chǎng)景應(yīng)用質(zhì)檢方式和既有的生產(chǎn)工藝越來越不能滿足現(xiàn)有的冶金產(chǎn)品市場(chǎng)需（一）冶金行業(yè)AI視覺質(zhì)檢場(chǎng)景需求一是產(chǎn)品質(zhì)量檢測(cè)需求。冶金產(chǎn)品的生產(chǎn)種類增多、復(fù)雜程度增大，發(fā)展，冶金產(chǎn)品的質(zhì)量檢測(cè)需要延伸至冶金產(chǎn)品生命周期的上下游。1.改進(jìn)冶金產(chǎn)品質(zhì)量檢測(cè)專用檢測(cè)技術(shù)實(shí)現(xiàn)內(nèi)部探傷。AI視覺檢測(cè)技術(shù)可以覆蓋除內(nèi)部缺陷冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）品質(zhì)量檢測(cè)。AI視覺智能質(zhì)檢技術(shù)的對(duì)于冶金產(chǎn)品質(zhì)量檢測(cè)的改進(jìn)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）常溫下的質(zhì)檢缺陷的反饋不能及時(shí)反映高溫工藝流程中的生產(chǎn)工藝AI視覺智能質(zhì)檢技術(shù)得益于檢測(cè)效率的提升和相比人工作業(yè)的冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）AI視覺質(zhì)檢技術(shù)特定的算法模型進(jìn)行判斷和分析，這些算法模冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）引起的作業(yè)人員聽力障礙已成為目前臨床上發(fā)生率較高的職業(yè)病之長期在此類環(huán)境中作業(yè)對(duì)處于其中的一線工人而言作業(yè)環(huán)境帶給身冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）2.支持冶金產(chǎn)線工藝優(yōu)化在冶金產(chǎn)品的生成過程中生產(chǎn)缺陷的越早發(fā)現(xiàn)能夠在后續(xù)環(huán)節(jié)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）AI視覺檢測(cè)設(shè)備具備適應(yīng)多種作業(yè)環(huán)境的能力，能夠在冶金生冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）AI視覺檢測(cè)技術(shù)可實(shí)現(xiàn)生產(chǎn)線各個(gè)生產(chǎn)工藝流程上關(guān)鍵節(jié)點(diǎn)處3.拓展冶金產(chǎn)線質(zhì)檢范圍冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）4.助力冶金產(chǎn)品回收質(zhì)檢有色金屬具有極高的經(jīng)濟(jì)價(jià)值和廣泛的應(yīng)用范圍,在冶金產(chǎn)品于光譜圖像等分選技術(shù)，但此類技術(shù)環(huán)境要求苛刻,且相關(guān)設(shè)備成本冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，中國鋼鐵產(chǎn)量全球領(lǐng)先，但廢鋼利用率僅為21.2%，低于世界平均水平。且我國鋼鐵行業(yè)一直以來以鐵礦石為原冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）（二）冶金行業(yè)AI視覺質(zhì)檢的典型應(yīng)用場(chǎng)景在冶金行業(yè)質(zhì)檢場(chǎng)景當(dāng)中，AI視覺技術(shù)目前已有較多的實(shí)際應(yīng)1.熱態(tài)長材表面質(zhì)量檢測(cè)長達(dá)百米以上，需要保證尺寸誤差與表面平整精度達(dá)到0.1毫米以冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）2.帶鋼表面質(zhì)量檢測(cè)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）采集設(shè)備、機(jī)器視覺算法平臺(tái)和系統(tǒng)管理可視化平臺(tái)三大核心內(nèi)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）3.鈦及鈦合金板材表面質(zhì)量檢測(cè)4.鋁/銅板帶表面質(zhì)量檢測(cè)冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）鋁/銅板帶表面缺陷檢測(cè)一直是精密檢測(cè)領(lǐng)域的一個(gè)重要研究方向，隨著我國有色金屬工業(yè)的迅猛發(fā)展，鋁/銅板帶生產(chǎn)線工藝設(shè)施術(shù)水平是現(xiàn)代企業(yè)生產(chǎn)中急需攻克的難關(guān)。當(dāng)前，國內(nèi)鋁/銅板帶材息被合并和保存，海量存儲(chǔ)器用于存儲(chǔ)大量的缺陷冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）5.鑄坯表面質(zhì)量檢測(cè)要技術(shù)手段。經(jīng)切割之后的高溫鑄坯表面溫度在800℃以上，基于開發(fā)了基于機(jī)器視覺與人工智能相配合的鑄坯缺陷輪廓實(shí)時(shí)檢測(cè)方冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）壓入、脫皮、結(jié)疤、孔洞、縱裂、水印、星（三）冶金行業(yè)AI視覺質(zhì)檢技術(shù)應(yīng)用發(fā)展趨勢(shì)1.AI視覺質(zhì)檢技術(shù)與生產(chǎn)管理系統(tǒng)相結(jié)合冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）2.AI視覺質(zhì)檢技術(shù)與云邊協(xié)同金行業(yè)通常涉及大規(guī)模的生產(chǎn)和復(fù)雜的生產(chǎn)環(huán)境，AI視覺技術(shù)的運(yùn)于高速的無線通信技術(shù)使得工業(yè)相機(jī)拍攝的檢測(cè)圖像數(shù)據(jù)可以高保冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）3.AI視覺質(zhì)檢技術(shù)輔助智能決策冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）四、冶金行業(yè)AI視覺質(zhì)檢發(fā)展建議（一）AI視覺質(zhì)檢當(dāng)前應(yīng)用問題冶金行業(yè)AI視覺智能質(zhì)檢技術(shù)與應(yīng)用白皮書（2023年）（二）AI視覺質(zhì)檢應(yīng)用發(fā)展建議1.加強(qiáng)典型缺陷數(shù)據(jù)收集2.加快應(yīng)用角色由檢到控轉(zhuǎn)變AI視覺技術(shù)主要應(yīng)用還處于直接使用檢測(cè)結(jié)果的階段，即現(xiàn)狀