河鋼勤字

邊緣智能賦能產(chǎn)業(yè)發(fā)展已成為主流趨勢(shì)，

下游應(yīng)用場(chǎng)景豐富

。基于軟件服務(wù)

云服務(wù)

、硬件基礎(chǔ)設(shè)施等產(chǎn)品形式，

結(jié)合消費(fèi)

、制造業(yè)

、互聯(lián)網(wǎng)

、金融

、元

字宙與數(shù)字孿生等各類應(yīng)用場(chǎng)景，

人工智能賦能各個(gè)產(chǎn)業(yè)發(fā)展

。

邊緣智能的產(chǎn)品形態(tài)和應(yīng)用邊界不斷拓寬；

2022年，

邊緣智能產(chǎn)學(xué)研界在

通用載體

、模型等促進(jìn)技術(shù)通用性和效率化生產(chǎn)的方向上取得了一定突破

。

商業(yè)價(jià)值塑造

、通用性提升和效率化應(yīng)用是AI技術(shù)助力產(chǎn)業(yè)發(fā)展

、社會(huì)進(jìn)步

和自身造血的要義

。人工智能正在為千行百業(yè)賦能

，實(shí)現(xiàn)各類應(yīng)用場(chǎng)景落地

，而“硬件+平臺(tái)+應(yīng)用+服務(wù)

”軟硬一體的架構(gòu)形態(tài)現(xiàn)階段已經(jīng)發(fā)展成為主流趨勢(shì)，技

術(shù)商業(yè)價(jià)值不斷增長(zhǎng)，產(chǎn)品形態(tài)和應(yīng)用邊界也在不斷拓寬。n

企業(yè)應(yīng)用比重持續(xù)提升

，A

I技術(shù)商業(yè)價(jià)值不斷增長(zhǎng)

。據(jù)調(diào)查，2017年企業(yè)應(yīng)用AI技術(shù)比重約20%，

2022年企業(yè)至少在一個(gè)業(yè)

務(wù)領(lǐng)域采用AI技術(shù)比率增至

50%

。2019年應(yīng)用AI產(chǎn)品平均僅19

個(gè)，

2023年增至3.8個(gè)應(yīng)用數(shù)量提升以外

，A

I商業(yè)價(jià)值不斷增長(zhǎng)，

企業(yè)部署A

I

動(dòng)力顯著

。n

機(jī)器人流程自動(dòng)化(RPA)和計(jì)算機(jī)視覺是人工智能領(lǐng)域每年最常

用的技術(shù)自然語言文本理解已經(jīng)從

2019年的中間位置上升到僅

次于計(jì)算機(jī)視覺的第三位

。邊緣智能定義:邊緣智能產(chǎn)業(yè)是指

以人工智能關(guān)鍵技術(shù)為核心的

、由基礎(chǔ)支撐和應(yīng)用場(chǎng)景組成的

、覆蓋領(lǐng)域極為廣闊的行業(yè)群智能

產(chǎn)品是指用人工智能技術(shù)賦能的

產(chǎn)品

。設(shè)計(jì)過程中需要具備較強(qiáng)

的仿真能力和失效模式分析能力

。演進(jìn)規(guī)律與現(xiàn)狀：

共性賦能技術(shù)體系逐步形成人工（邊緣）智能行業(yè)定義及特征行業(yè)落地場(chǎng)景2019-2023年全球企業(yè)應(yīng)用邊緣智能產(chǎn)品的平均數(shù)量算力算法數(shù)據(jù)價(jià)值性

、通用性

、效率化為產(chǎn)業(yè)發(fā)展戰(zhàn)略方向智能計(jì)算集群智能模型敏捷開發(fā)工具數(shù)據(jù)基礎(chǔ)服務(wù)與治理平臺(tái)發(fā)展三大要素基礎(chǔ)層3.1

2.3202020232019202220213.

83.

91.

9終端層

企業(yè)級(jí)用戶

政府機(jī)構(gòu)用戶

大眾消費(fèi)用戶應(yīng)用層

工業(yè)制造政務(wù)醫(yī)療新能源企業(yè)服務(wù)教育/科研多模態(tài)生成能力層虛擬場(chǎng)景生成技術(shù)層CV模型多模態(tài)模型文檔理解語音語言人工智能知識(shí)圖譜自然語言理解n

技術(shù)架構(gòu)鏈條邏輯上可分為

基礎(chǔ)層

、技術(shù)層

、能力層

、

應(yīng)用層

、終端層五大板塊

。n

基礎(chǔ)層:涉及硬件基礎(chǔ)設(shè)施和

數(shù)據(jù)算力

、算法模型三大核

心要素

。隨著AI大模型規(guī)模

的不斷擴(kuò)大

，對(duì)計(jì)算資源的

需求也在增加

。因此，

高性

能的硬件設(shè)備

、海量場(chǎng)景數(shù)

據(jù)

、強(qiáng)大的算力基礎(chǔ)和升級(jí)

迭代的算法模型成為了支持A

I

大模型發(fā)展的關(guān)鍵

。n

技術(shù)層:主要涉及模型構(gòu)建

。

目前

，Transformer架構(gòu)在A

I大模型領(lǐng)域占據(jù)主導(dǎo)地位，

如BERT

、GPT系列等能力n

能力層

、應(yīng)用層及終端層:在

基礎(chǔ)層和技術(shù)層的支持下，A

I大模型擁有了文字

、音頻

、

圖像

、視頻

、代碼策略

、多

模態(tài)生成能力等，

具體應(yīng)用

于金融

、

電商

、傳媒

、教育

、

游戲

、醫(yī)療

、工業(yè)

、政務(wù)等

多個(gè)領(lǐng)域，

為企業(yè)級(jí)用戶

、政府機(jī)構(gòu)用戶

、大眾消費(fèi)者

用戶提供產(chǎn)品和服務(wù)

。技術(shù)架構(gòu)邏輯上分為基礎(chǔ)層

、技術(shù)層

、能力層

、應(yīng)用層

、終端層五大板塊，其中核心技術(shù)層涵蓋AI技術(shù)群和模型的融合創(chuàng)新

，為各行業(yè)領(lǐng)域提供

相關(guān)產(chǎn)品及服務(wù)。NLP大模型工業(yè)智能創(chuàng)新發(fā)展的體系框架基礎(chǔ)層計(jì)算平臺(tái)預(yù)訓(xùn)練大模型深度學(xué)習(xí)框架/開源模型多語言模型圖像分類服務(wù)器信息抽取與檢索視覺語言數(shù)據(jù)整合計(jì)算機(jī)視覺存儲(chǔ)資源圖像表征代碼生成和理解外部數(shù)據(jù)安全資源文本語義與圖結(jié)構(gòu)第三方數(shù)據(jù)語音語義理解因果推理計(jì)算平臺(tái)視頻表征開放域?qū)υ捯曨l生成云計(jì)算與云服務(wù)網(wǎng)絡(luò)資源語義分割多模態(tài)對(duì)話語言理解與生成圖像生成圖像與物體檢測(cè)機(jī)器學(xué)習(xí)芯片多模態(tài)檢測(cè)與分割算力資源數(shù)據(jù)標(biāo)注結(jié)構(gòu)化圖像生成視頻生成音頻生成策略生成文字生成代碼生成算力基礎(chǔ)數(shù)據(jù)資源硬件設(shè)施模型工具時(shí)間政策工業(yè)AI質(zhì)檢相關(guān)政策要點(diǎn)2023年2月《質(zhì)量強(qiáng)國建設(shè)綱要》提出了優(yōu)化消費(fèi)品供給品類的諸多舉措，

包括實(shí)施消費(fèi)品質(zhì)

量提升行動(dòng)，

加快升級(jí)消費(fèi)品質(zhì)量標(biāo)準(zhǔn)，

提高研發(fā)設(shè)計(jì)與生

產(chǎn)質(zhì)量。2021年12月《

“

十四五

”信息化和工

業(yè)化深度融合發(fā)展規(guī)劃》推進(jìn)生產(chǎn)制造數(shù)字化管控

，基于傳感器

、機(jī)器視覺

、

自動(dòng)化

控制

、先進(jìn)測(cè)量?jī)x器等技術(shù)在生產(chǎn)環(huán)節(jié)深度應(yīng)用，

提升精益

生產(chǎn)過程質(zhì)量控制水平。2021年12月《“

十四五

”智能制造發(fā)

展規(guī)劃》研發(fā)數(shù)字化非接觸精密測(cè)量

、在線無損檢測(cè)

、激光跟蹤測(cè)量

等智能檢測(cè)裝備和儀器2021年7月《5G應(yīng)用“揚(yáng)帆

”行動(dòng)

計(jì)劃（2021-2023年）》5G+工業(yè)互聯(lián)網(wǎng)

。推進(jìn)5G模組與AR/VR

、遠(yuǎn)程操控設(shè)備

、機(jī)

器視覺

、AGV等工業(yè)終端的深度融合。2021年1月《工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動(dòng)計(jì)劃（2021一2023

年）

》提出要加強(qiáng)工業(yè)互聯(lián)網(wǎng)基礎(chǔ)支撐技術(shù)攻關(guān)

。支持工業(yè)5G芯片

模組

、邊緣計(jì)算專用芯片與操作系統(tǒng)

、工業(yè)人工智能芯片、工業(yè)視覺傳感器及行業(yè)機(jī)理模型等基礎(chǔ)軟硬件的研發(fā)突破。深化供給側(cè)結(jié)構(gòu)性改革的關(guān)鍵著力點(diǎn)就是提高制造業(yè)供給質(zhì)量，

提高質(zhì)檢水平是提高產(chǎn)品質(zhì)量最直接有效的手段

。以2D圖像或3D點(diǎn)云數(shù)據(jù)為基礎(chǔ)，

算力終端為載體，

結(jié)合AI檢測(cè)算法的工業(yè)AI質(zhì)檢技術(shù)，

具有非接觸

、無損檢測(cè)

、準(zhǔn)確率高

、檢測(cè)速度快等突出優(yōu)勢(shì)，

逐漸在各行

業(yè)得到廣泛應(yīng)用。習(xí)近平總書記強(qiáng)調(diào)，“要樹立質(zhì)量第一的強(qiáng)烈意識(shí)，

下最大氣力抓全面提高質(zhì)量

”、“

中國致力于質(zhì)量

提升行動(dòng)，

提高質(zhì)量標(biāo)準(zhǔn)，

加強(qiáng)全面質(zhì)量管理，

推

動(dòng)質(zhì)量變革

、效率變革

、動(dòng)力變革，

推動(dòng)高質(zhì)量發(fā)

展

”。2023年2月，

中共中央

、國務(wù)院印發(fā)《質(zhì)量

強(qiáng)國建設(shè)綱要》，

再次確定了質(zhì)量強(qiáng)國是黨和國家

重大戰(zhàn)略。質(zhì)量強(qiáng)國戰(zhàn)略要求全面提升制造業(yè)供給質(zhì)量人工天然容漏檢

、誤檢傳統(tǒng)質(zhì)檢完全依靠眼力

、經(jīng)驗(yàn)與耐心，

人員的生理差異與疲勞

、消極狀態(tài)都

會(huì)導(dǎo)致對(duì)產(chǎn)品缺陷的漏檢和誤檢，

且

對(duì)于質(zhì)檢工作效率難以量化考核，

最終造成人力成本和管理成本的極大浪

費(fèi)。質(zhì)量標(biāo)準(zhǔn)不統(tǒng)一導(dǎo)致執(zhí)行混亂傳統(tǒng)質(zhì)量管理體系下，

工廠自身與不同下游客戶通常都提出自有的質(zhì)量標(biāo)

準(zhǔn)，

造成了質(zhì)檢人員針對(duì)同一產(chǎn)品的

缺陷分類和質(zhì)量判級(jí)標(biāo)準(zhǔn)定義混亂

，嚴(yán)重影響質(zhì)量管理體系的執(zhí)行效果。O3無法通過質(zhì)檢結(jié)果指導(dǎo)生產(chǎn)過程傳統(tǒng)質(zhì)檢行為相對(duì)于生產(chǎn)過程存在嚴(yán)重滯后性，

面對(duì)越來越快的生產(chǎn)節(jié)拍，人員無法在生產(chǎn)的同時(shí)實(shí)時(shí)在線完成質(zhì)檢工作

。當(dāng)出現(xiàn)早期質(zhì)量異常時(shí)無

法快速反應(yīng)，

更難以通過告警

、控制工藝參數(shù)等方式指導(dǎo)生產(chǎn)以避免質(zhì)量事故。傳統(tǒng)人工質(zhì)檢方式存在以下幾點(diǎn)弊端：O1

O2潛在的經(jīng)濟(jì)與商譽(yù)損失風(fēng)險(xiǎn)因前述弊端造成的質(zhì)量缺陷最終會(huì)傳

導(dǎo)至下游客戶，

而客戶通常只能在后加工過程甚至生產(chǎn)完成后才能發(fā)現(xiàn)來料質(zhì)量問題

。

由此導(dǎo)致售后壓力與經(jīng)

濟(jì)糾

，嚴(yán)重時(shí)甚至?xí)苯釉斐煽蛻袅?/p>

失與商業(yè)信譽(yù)受損，

喪失市場(chǎng)競(jìng)爭(zhēng)力。傳統(tǒng)質(zhì)檢的諸多弊端亟待新興技術(shù)予以解決O4從“質(zhì)量感知

”到“質(zhì)量提升

”“代替人工

”或者“超越人工

”只是在線表面質(zhì)量檢

測(cè)系統(tǒng)最基礎(chǔ)的應(yīng)用價(jià)值，

在此之上，

這一系統(tǒng)對(duì)于

用戶更深遠(yuǎn)的意義在于：

通過在線

、實(shí)時(shí)

、數(shù)字化的

產(chǎn)品質(zhì)量記錄，

使得用戶能夠追溯生產(chǎn)過程中導(dǎo)致質(zhì)

量偏差的異常行為，

分析“人機(jī)料法環(huán)

”等關(guān)鍵生產(chǎn)要素及關(guān)鍵工藝參數(shù)與產(chǎn)品質(zhì)量表現(xiàn)間的關(guān)聯(lián)關(guān)系

，

最終建立質(zhì)量控制模型，

實(shí)現(xiàn)通過產(chǎn)品質(zhì)量表現(xiàn)反向

控制生產(chǎn)過程，

使用戶對(duì)產(chǎn)品質(zhì)量可感知

、可預(yù)測(cè)

、

可控制

、可提升，

形成健全的質(zhì)量控制體系

。為全面

提升企業(yè)產(chǎn)品質(zhì)量與管理水平，

創(chuàng)造更多經(jīng)濟(jì)效益打

下堅(jiān)實(shí)的基礎(chǔ)。工業(yè)AI質(zhì)檢為企業(yè)帶來更加深遠(yuǎn)的價(jià)值提升質(zhì)量提升質(zhì)量控制質(zhì)量感知質(zhì)量預(yù)測(cè)更智能的算法采用深度學(xué)習(xí)算法及嵌入式AI加速模塊等技術(shù)，

實(shí)現(xiàn)智能算法在現(xiàn)場(chǎng)邊緣側(cè)的實(shí)時(shí)應(yīng)用創(chuàng)造更多價(jià)值通過與二三級(jí)系統(tǒng)打通

、

以數(shù)據(jù)驅(qū)動(dòng)生產(chǎn)，

以檢測(cè)結(jié)果優(yōu)化工藝，

實(shí)現(xiàn)提質(zhì)降本增效在成像傳感器上，

應(yīng)用高線陣&大面陣CMOS傳感，

提升橫向物理分辨率，

達(dá)到更高的檢測(cè)精度通過算法優(yōu)化

、

限制ROI區(qū)域

、提升處理器等方式，

提高數(shù)據(jù)處理速度，

以適應(yīng)更快的生產(chǎn)節(jié)拍通過先進(jìn)生產(chǎn)工藝，

將激光器

、

傳感器

、處理單元等模塊制成一體化產(chǎn)品，

降低部署和應(yīng)用成本鋼鐵行業(yè)產(chǎn)品質(zhì)檢特性要求更快的檢測(cè)速度更高的集成度更高的檢測(cè)精度彩涂板產(chǎn)線目前大部分質(zhì)量檢測(cè)還是以傳統(tǒng)的人工方式進(jìn)行

，存在漏檢

、誤檢

、缺陷信息標(biāo)準(zhǔn)不統(tǒng)一

、無法數(shù)字化記錄和追溯等問題

，尤其是因?yàn)椴缓细竦漠a(chǎn)品出廠所帶來的產(chǎn)品退換貨和投訴的時(shí)候，會(huì)給企業(yè)帶來極大的經(jīng)濟(jì)和名譽(yù)的損失

。針對(duì)傳統(tǒng)表面檢測(cè)模型在面對(duì)彩涂板多紋路

、多色彩的特點(diǎn)時(shí)，檢測(cè)效果差甚至無法檢測(cè)的問題自主研發(fā)的一套全流程

、自動(dòng)化

、智能化的AI系統(tǒng)

，主要是提升整個(gè)彩涂板材行業(yè)表面質(zhì)檢遠(yuǎn)程化

、自動(dòng)化

、智能化

、標(biāo)準(zhǔn)化水平

，實(shí)現(xiàn)了從人工現(xiàn)場(chǎng)分類分級(jí)到遠(yuǎn)程智能分類分級(jí)的跨越。彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-總體介紹機(jī)器視覺A

I深度學(xué)習(xí)…

…95%整卷缺陷識(shí)別準(zhǔn)確率100%整卷缺陷識(shí)別率0%整卷漏拍率算法庫缺陷庫100%整卷質(zhì)量地圖準(zhǔn)確率99%缺陷分級(jí)準(zhǔn)確率0.5%提高成材率缺陷分類準(zhǔn)確率98%系統(tǒng)由成像系統(tǒng)

、算法處理

、上位機(jī)軟件組成，利用成像系統(tǒng)對(duì)彩涂板進(jìn)行圖像采集和感知

，并獲取多幅彩涂板物體圖像，對(duì)獲取到的圖像在邊緣處理層進(jìn)行特征處理和測(cè)量，根據(jù)測(cè)量結(jié)果對(duì)彩涂板缺陷進(jìn)行定性分析和定量解釋，

為彩涂板的缺陷分類分級(jí)以及后續(xù)工序提供相應(yīng)的執(zhí)行決策

。助力生產(chǎn)人員和質(zhì)控人員對(duì)彩涂板的生產(chǎn)和質(zhì)量進(jìn)行總體把控

，找出影響彩涂板質(zhì)量的問題

，從而進(jìn)一步優(yōu)化改善彩涂板的生產(chǎn)工藝。反饋控制彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-系統(tǒng)架構(gòu)成像系統(tǒng)板材圖像采集模型訓(xùn)練缺陷檢出A

I檢測(cè)模型缺陷分類

!模型部署缺陷樣本管理 上下游工藝協(xié)調(diào)控制深度學(xué)習(xí)算法模型鍍層厚度與灰渣形成機(jī)理模型模型

&

訓(xùn)練數(shù)

據(jù)選擇模型部署&更

新鍍層質(zhì)量影響機(jī)制模型沉沒輥系受力狀態(tài)模型異常及嚴(yán)重缺陷報(bào)警在線缺陷自動(dòng)檢出深度學(xué)習(xí)缺陷分類算法應(yīng)

用數(shù)據(jù)存儲(chǔ)系統(tǒng)配置工具離線缺陷復(fù)查檢測(cè)過程控制模型樣本管理缺陷可視化數(shù)據(jù)應(yīng)用數(shù)據(jù)報(bào)表圖像預(yù)處理工業(yè)光源-上表面天璇算力終端實(shí)時(shí)檢測(cè)客戶端模型訓(xùn)練工作站工業(yè)相機(jī)-下表面遠(yuǎn)程質(zhì)檢工作站

在彩涂板經(jīng)過表面檢測(cè)系統(tǒng)完成缺陷檢出和識(shí)別后，終端畫面實(shí)時(shí)動(dòng)態(tài)顯示檢測(cè)表

面情況

支持歷史數(shù)據(jù)反查

、缺陷報(bào)警

、數(shù)據(jù)報(bào)表

生成等多種功能彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-硬件架構(gòu)

采用工業(yè)相機(jī)上下表面進(jìn)行全幅掃描

，獲取表

面圖像

通過先進(jìn)的圖像處理技術(shù)對(duì)圖像進(jìn)行預(yù)處理

利用高速嵌入式邊緣計(jì)算網(wǎng)關(guān)進(jìn)行并行圖像處理和深度學(xué)習(xí)算法融合計(jì)算

，實(shí)現(xiàn)高

算力缺陷檢出與缺陷識(shí)別缺陷智能檢測(cè)檢測(cè)結(jié)果輸出相機(jī)全幅掃描工業(yè)相機(jī)-上表面工業(yè)光源-下表面天樞智能網(wǎng)關(guān)優(yōu)化的深度學(xué)習(xí)算法采用調(diào)優(yōu)的預(yù)訓(xùn)練模型解決現(xiàn)實(shí)場(chǎng)景中初始缺陷樣本不足問題，

半監(jiān)督學(xué)習(xí)算法能夠隨著檢測(cè)過程中數(shù)據(jù)

積累持續(xù)自訓(xùn)練迭代模型

，極大降低人工標(biāo)注成本。B/S+C/S混合軟件架構(gòu)軟件開發(fā)采用B/S+C/S混合架構(gòu)

，不同角色用戶可

靈活選擇，

同時(shí)滿足工業(yè)現(xiàn)場(chǎng)對(duì)檢測(cè)結(jié)果快速響應(yīng)與管理人員遠(yuǎn)程查詢質(zhì)量報(bào)表的需求。模塊化可配置組件設(shè)計(jì)基于模塊化設(shè)計(jì)思想，

實(shí)現(xiàn)不同規(guī)格成像組件

、

檢測(cè)組件

、擴(kuò)展組件之間的靈活配置和快速對(duì)接，以標(biāo)準(zhǔn)化產(chǎn)品覆蓋個(gè)性化需求。自研嵌入式異構(gòu)計(jì)算平臺(tái)專為機(jī)器視覺檢測(cè)場(chǎng)景研發(fā)的FPGA+GPU+CPU

異構(gòu)計(jì)算平臺(tái)，

最大限度發(fā)揮不同架構(gòu)硬件的計(jì)

算優(yōu)勢(shì)，

實(shí)現(xiàn)高算力

、低能耗。彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-方案特性0304050201彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-實(shí)現(xiàn)路徑070608GPUFPGA

支持圖像縮放

，ROI截取

、圖像拼接

、幾何校正

、左右

鏡像等

降低待識(shí)別窗口數(shù)量，有效縮短對(duì)彩涂板種類分類器

的搜尋過程，有效提升分類準(zhǔn)確率基于FPGA+GPU+CPU的邊緣計(jì)算單元DecoderDSPEncoder

滿足彩涂板產(chǎn)線最高速度800m/min

成像精度0.2mm~0.5mm

可調(diào)節(jié)亮度光源

，亮度可達(dá)

90000LUX共享內(nèi)存ROI區(qū)域分割圖像拼接圖像校正ADC

可完成lut/gamma/直方圖/圖像位偏移

/bayer解碼等處理APIs參數(shù)配置任務(wù)調(diào)度CPU（

ARM

64bit

）多模型自適應(yīng)缺陷分割有效區(qū)域提取模型多模態(tài)融合缺陷分類分級(jí)模型表面質(zhì)量在線反饋控制模型通過在線反饋監(jiān)控模型及時(shí)調(diào)整

異常工藝參數(shù)

，

提高成材率和產(chǎn)

品質(zhì)量彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-核心算法利用殘差網(wǎng)絡(luò)構(gòu)建缺陷分類模型，自動(dòng)提取缺陷的輪廓、大小、形

狀等特征

，

構(gòu)建缺陷類別特征空

間利用AI模型預(yù)先感知彩涂板顏色和紋路自適應(yīng)調(diào)整缺陷快速分割算法模型參數(shù)坐標(biāo)信息優(yōu)化質(zhì)量工藝自適應(yīng)缺陷分割準(zhǔn)確提取缺陷區(qū)域智能分類分級(jí)對(duì)有效區(qū)域像素級(jí)分割，準(zhǔn)確提取邊緣坐標(biāo)信息彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-核心功能離線缺陷數(shù)據(jù)復(fù)查二

、三級(jí)數(shù)據(jù)交互功能在線實(shí)時(shí)檢測(cè)缺陷分析功能質(zhì)量控制模型在線反饋針對(duì)檢測(cè)結(jié)果進(jìn)行缺陷統(tǒng)計(jì)與報(bào)表生成打印彩涂板質(zhì)量等級(jí)判定樣本缺陷庫管理創(chuàng)新性

協(xié)同高頻低壓差分信號(hào)處理技術(shù)

深度學(xué)習(xí)語義分割算法與卷積神經(jīng)

網(wǎng)絡(luò)輕量化設(shè)計(jì)方法構(gòu)建彩涂板表

面缺陷分割模型

面向多缺陷類別的彩涂板表面質(zhì)量

實(shí)時(shí)智能標(biāo)注系統(tǒng)

涂鍍產(chǎn)線上下游工藝協(xié)調(diào)控制模型

與表面質(zhì)量在線反饋控制技術(shù)安全性

數(shù)據(jù)傳輸加密

、數(shù)據(jù)存儲(chǔ)加密

身份認(rèn)證

、授權(quán)機(jī)制

數(shù)據(jù)定期備份

、災(zāi)難恢復(fù)計(jì)劃

數(shù)據(jù)匿名化和脫敏

、防火墻和入侵

檢測(cè)有效性

系統(tǒng)劃傷、麻點(diǎn)、漆渣、漏涂、嚴(yán)

重硌傷等常見缺陷檢出率≥98%

分級(jí)分類準(zhǔn)確率≥99%

檢測(cè)結(jié)果輸出速度≤2秒

算法識(shí)別的坐標(biāo)定位誤差≤3厘米

彩

涂

板常

見

表

面

缺陷

發(fā)

生

率降

低

70%以上

系統(tǒng)連續(xù)運(yùn)行8000小時(shí)以上無故

障收集缺陷種類188種采集背景圖片80W張建立缺陷模型庫自動(dòng)標(biāo)注模型5個(gè)彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-核心優(yōu)勢(shì)

跨平臺(tái)兼容性

多語言SDK以及標(biāo)準(zhǔn)API接口

模塊化設(shè)計(jì)

，

支持定制化和擴(kuò)展性國內(nèi)首套涂鍍行業(yè)集缺陷識(shí)別、

自

動(dòng)標(biāo)注、在線控制、分級(jí)缺陷分類分級(jí)模型18個(gè)個(gè)處理于一體的全流程產(chǎn)品缺陷管控系統(tǒng)

。通用性圖像處理模型工藝優(yōu)化模型彩涂板表面缺陷檢測(cè)及優(yōu)化系統(tǒng)在線實(shí)時(shí)的監(jiān)控帶鋼產(chǎn)品的表面質(zhì)量信息，無論是周期性缺陷還是突發(fā)性缺陷都能及時(shí)發(fā)現(xiàn)，然后反饋在線指導(dǎo)系統(tǒng)，結(jié)合工藝生產(chǎn)數(shù)據(jù)進(jìn)行相關(guān)性分析，分析出影響因素后及時(shí)給予生產(chǎn)過程指導(dǎo)意見，

向下反饋智慧決策，可以避免批

量缺陷的連續(xù)發(fā)生，對(duì)于認(rèn)知不出的缺陷類型

，工藝人員可以通過表面缺陷檢測(cè)反饋的信

息，在線調(diào)整和優(yōu)化工藝參數(shù)，使板材質(zhì)量得以穩(wěn)定和提高，滿足用戶對(duì)板材質(zhì)量的要求。智慧運(yùn)營

、智慧決策彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-閉環(huán)控制產(chǎn)品缺陷檢出圖像識(shí)別自動(dòng)化執(zhí)行（單點(diǎn)-協(xié)同）推訓(xùn)一體化大數(shù)據(jù)分析技術(shù)/A

I算法平臺(tái)邊緣物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)中心

工業(yè)大數(shù)據(jù)信息獲取工藝

、設(shè)備

、人員

信息感知合規(guī)性分析關(guān)聯(lián)關(guān)系構(gòu)建用于對(duì)操作進(jìn)行實(shí)時(shí)指導(dǎo)以數(shù)字模式描述一系列的技術(shù)規(guī)則可執(zhí)行的知識(shí)庫影響參數(shù)分析運(yùn)行時(shí)決策優(yōu)化工藝邊緣數(shù)字化平臺(tái)工業(yè)質(zhì)檢在線指導(dǎo)系統(tǒng)資源配置平臺(tái)

運(yùn)行時(shí)決策智慧決策反饋賦能趨勢(shì)分析回歸分析實(shí)時(shí)分析相關(guān)性分

析 關(guān)聯(lián)關(guān)

系

構(gòu)建大數(shù)據(jù)分析技術(shù)A

I算法平臺(tái)大數(shù)據(jù)中心經(jīng)濟(jì)賦能：

降低企業(yè)成本提高經(jīng)濟(jì)效益增加企業(yè)經(jīng)濟(jì)效益l

一條涂鍍產(chǎn)線月產(chǎn)平均10000噸，

合格率提高后年經(jīng)濟(jì)效益提高至

132萬元，

一級(jí)品率提高后年經(jīng)

濟(jì)效益提高至108.48萬元

，合計(jì)

240.48萬元l

未來兩年系統(tǒng)將在全國進(jìn)行推廣，

按照每年增加覆蓋5條產(chǎn)線計(jì)算

，

合計(jì)每年收益提高240萬元*5=1200萬元。產(chǎn)業(yè)賦能：

提高行業(yè)生產(chǎn)效

率和質(zhì)量

劃傷

、麻點(diǎn)

、漆渣

、漏涂

、嚴(yán)重硌

傷等常見缺陷檢出率≥98%

分級(jí)分類準(zhǔn)確率≥95%

檢測(cè)結(jié)果輸出速度≤1s

生產(chǎn)線整體生產(chǎn)效率提高1%以上

算法識(shí)別的坐標(biāo)定位與人工復(fù)檢測(cè)

量誤差≤3cm

彩涂板常見表面缺陷發(fā)生率降低70%以上系統(tǒng)上線改變了傳統(tǒng)依靠人工經(jīng)驗(yàn)?zāi)恳暀z測(cè)缺陷的方式

，實(shí)現(xiàn)了從人工現(xiàn)場(chǎng)檢測(cè)缺陷到遠(yuǎn)程智能檢測(cè)缺陷

、分類分級(jí)的跨越

。同時(shí)通過缺陷

表現(xiàn)與生產(chǎn)工藝的關(guān)聯(lián)關(guān)系，指導(dǎo)工藝人員優(yōu)化工藝參數(shù)，減少或消除缺陷，最終達(dá)成降本增效的目標(biāo)。彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-應(yīng)用效果某企業(yè)應(yīng)用系統(tǒng)后產(chǎn)品不良率從

4%降低至3%

，年不良品降低995噸，

每噸價(jià)格5000元左右，

每年增效業(yè)績(jī)5000*995=497.5

萬元產(chǎn)線4轉(zhuǎn)3班，

每班4人，

應(yīng)用

之后每班僅需1人

。按照每名檢

驗(yàn)人員每年成本10萬元計(jì)算每

年降低人工成本10*9=90萬元降低企業(yè)人工成本降低產(chǎn)品不良率DThings物聯(lián)網(wǎng)平臺(tái)?工業(yè)物聯(lián)網(wǎng)

：實(shí)時(shí)/歷史數(shù)據(jù)分析

、工藝分析?通用物聯(lián)網(wǎng)：集管集控

、預(yù)報(bào)預(yù)警?基于IOT的設(shè)備故障診斷邊緣計(jì)算

智能網(wǎng)關(guān)

：實(shí)現(xiàn)設(shè)備互聯(lián)和信息流通的邊緣

數(shù)字化設(shè)備

算力終端：具備視頻AI分析的邊緣智能終端設(shè)備；基于FPGA+DSP+CPU的高速圖像

采集與實(shí)時(shí)處理異構(gòu)計(jì)算平臺(tái)物聯(lián)網(wǎng)

泛在連接：一種基于MQTT協(xié)議的數(shù)字模型與物理設(shè)備匹配的系統(tǒng)及方法；一種將物理設(shè)備時(shí)序變量自動(dòng)映射為數(shù)字模型的方法

可靠傳輸：物聯(lián)網(wǎng)環(huán)境下分布式高并發(fā)數(shù)據(jù)

采集與處理方法及系統(tǒng)

云邊協(xié)同：基于邊云協(xié)同實(shí)時(shí)數(shù)據(jù)計(jì)算框架

技術(shù)

。智能檢測(cè)

產(chǎn)品質(zhì)檢

：以產(chǎn)品表面缺陷檢測(cè)場(chǎng)景為主的

2D表面檢測(cè)；以形態(tài)及尺寸量測(cè)場(chǎng)景為主的3D立體量測(cè)

動(dòng)態(tài)監(jiān)測(cè)：基于視覺技術(shù)的多場(chǎng)景運(yùn)動(dòng)目標(biāo)

檢測(cè)與跟蹤天樞智能網(wǎng)關(guān)系列?

可視化運(yùn)行狀態(tài)監(jiān)測(cè)?

插件式可擴(kuò)展協(xié)議庫?

本地與平臺(tái)雙向運(yùn)動(dòng)協(xié)同?內(nèi)置防火墻白名單?

零代碼通訊協(xié)議接入智能裝備是河鋼數(shù)字產(chǎn)業(yè)版圖的重要戰(zhàn)略方向，依托自主打造的WeShyper+Plat威賽博工業(yè)互聯(lián)網(wǎng)平臺(tái)強(qiáng)大的技術(shù)能力及河鋼豐富的工業(yè)制造場(chǎng)景優(yōu)勢(shì)，

以“

自主可控

、軟硬結(jié)合

”為導(dǎo)向

，以“提質(zhì)

、降本

、增效

”為策略研發(fā)智能裝備產(chǎn)品，

目前涵蓋了智能感知及控制

、智能終端

、智能檢測(cè)等產(chǎn)品研發(fā)方向

，面向工業(yè)制造

、城市治理

、產(chǎn)業(yè)集

群等重點(diǎn)行業(yè)提供智能化裝備+服務(wù)為一體的解決方案

。2D平面檢測(cè)

帶鋼表面質(zhì)量檢測(cè)裝置

型材/棒材表面缺陷檢測(cè)3D立體測(cè)量

熱態(tài)連鑄坯結(jié)構(gòu)缺陷檢測(cè)熱軋板平直度檢測(cè)裝置

轉(zhuǎn)爐爐襯快速測(cè)厚儀鋼卷端面檢測(cè)裝置?2D+3D融合數(shù)據(jù)檢測(cè)

?自研嵌入式異構(gòu)計(jì)算平臺(tái)?B/S+C/S混合軟件架構(gòu)?優(yōu)化的深度學(xué)習(xí)算法?模塊化可配置組件設(shè)計(jì)河鋼數(shù)字智能裝備產(chǎn)品及能力智能巡檢機(jī)器人?智能巡檢?環(huán)境監(jiān)測(cè)?

局方檢測(cè)?

視頻監(jiān)控智能裝備核心能力介紹?

多協(xié)議視頻設(shè)備接入?

統(tǒng)一格式視頻數(shù)據(jù)分發(fā)?

智能算法任務(wù)調(diào)度?

多元算力與高速互聯(lián)?

集算法、存儲(chǔ)

、應(yīng)用一體的智能邊緣終端智能感知及控制

多參數(shù)變送器

干氣體流量計(jì)

節(jié)流巴傳感器

拉格朗日流量計(jì)

高壓/防堵孔板流量計(jì)天璇算力終端系列實(shí)時(shí)數(shù)據(jù)處理規(guī)則引擎多因子身份認(rèn)證機(jī)制??廠區(qū)內(nèi)遠(yuǎn)程抄表

、能源數(shù)據(jù)采集

、能源調(diào)度

、能源管控等需求電表

、水表

、流量計(jì)等都有位置分散

、數(shù)量眾多的特點(diǎn)

。人工抄表

無法滿足實(shí)時(shí)性和準(zhǔn)確性需求

。天樞智能網(wǎng)關(guān)P32能夠?qū)鹘y(tǒng)儀表

的模擬量

、開關(guān)量

、RS485信號(hào)直接轉(zhuǎn)換為數(shù)字化信號(hào)，

并通過MQTT協(xié)議統(tǒng)一封裝后上送到能源系統(tǒng)或平臺(tái)

。產(chǎn)線數(shù)字化改造；

生產(chǎn)數(shù)據(jù)跨設(shè)備

、跨網(wǎng)絡(luò)實(shí)時(shí)流轉(zhuǎn)由于工業(yè)通訊協(xié)議的差異性和封閉性

，傳統(tǒng)產(chǎn)線的數(shù)據(jù)僅用于服務(wù)

生產(chǎn)過程，

無法進(jìn)行集中采集和實(shí)時(shí)交換

。天樞智能網(wǎng)關(guān)P65能夠

將PLC

、DCS和二級(jí)系統(tǒng)中的過程數(shù)據(jù)進(jìn)行批量接入

、解析，

并轉(zhuǎn)

換為統(tǒng)一格式

，通過標(biāo)準(zhǔn)協(xié)議為各系統(tǒng)提供實(shí)時(shí)可信的生產(chǎn)數(shù)據(jù)

?；谶吘売?jì)算的實(shí)時(shí)告警

、實(shí)時(shí)控制

、數(shù)據(jù)處理天樞智能網(wǎng)關(guān)P65支持基于數(shù)學(xué)計(jì)算

、邏輯運(yùn)算的邊緣計(jì)算能力

，

可以對(duì)采集到的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，

并基于規(guī)則引擎對(duì)外輸出報(bào)警

消息

、控制信號(hào)等

。實(shí)現(xiàn)對(duì)生產(chǎn)過程的實(shí)時(shí)監(jiān)控和控制

。n

支持與物聯(lián)網(wǎng)平臺(tái)形成云邊協(xié)同n

滿足數(shù)據(jù)采集的及時(shí)性

、可信性

、準(zhǔn)確性

、有效性需求天樞智能網(wǎng)關(guān)-P65①適用于單體機(jī)械

、設(shè)備的數(shù)字化改造②豐富IO接口，滿足90%以上設(shè)備接入/控制③512點(diǎn)位/秒數(shù)據(jù)采集處理能力解決現(xiàn)有工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)只能看

，不能存不能用的問題

。破解二級(jí)工業(yè)軟件封閉特性

導(dǎo)致的數(shù)據(jù)“黑洞

”，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)應(yīng)用，并且通過時(shí)序數(shù)據(jù)的長(zhǎng)期存儲(chǔ)

，實(shí)現(xiàn)生產(chǎn)數(shù)據(jù)資產(chǎn)化，挖掘出生產(chǎn)數(shù)據(jù)背后的價(jià)值

。生產(chǎn)數(shù)字化轉(zhuǎn)型核心硬件-天樞智能網(wǎng)關(guān)系列①適用于某著名企業(yè)設(shè)備的GIS定位

、狀態(tài)監(jiān)測(cè)③支持CAN總線接入及J1939協(xié)議解析①適用于樓宇

、市政等大范圍部署場(chǎng)景②基于LoRa

Mesh

，節(jié)點(diǎn)免配置自動(dòng)入網(wǎng)n

具備邊緣計(jì)算能力及海量設(shè)備接入

、多種協(xié)議轉(zhuǎn)換

、統(tǒng)一格式輸出的網(wǎng)關(guān)設(shè)備，②原生支持北斗衛(wèi)星授時(shí)

、定位④支持?jǐn)U展4G

、Wi

Fi通信模組

天樞智能網(wǎng)關(guān)-P32天樞智能網(wǎng)關(guān)-P980系列P980-BEI

DOU

核心能力

產(chǎn)品優(yōu)勢(shì)天樞智能網(wǎng)關(guān)-P68P980-MESHP980適用于在線AI工業(yè)質(zhì)檢

、智能駕駛等需要高算力

、

高實(shí)時(shí)性場(chǎng)景，

作為核心的AI推理加速和控制單元。

高速產(chǎn)線實(shí)時(shí)AI質(zhì)量檢測(cè)；

智能駕駛系統(tǒng)天璇算力終端N100采用旗艦級(jí)硬件方案，

提供高達(dá)100TOPS的端側(cè)

澎湃算力

。能夠?yàn)楦咚偕a(chǎn)節(jié)拍下的高精度AI質(zhì)量檢測(cè)或高算力需

求的智能駕駛系統(tǒng)提供充足算力支撐。

無人天車；

無人物流車；自動(dòng)巡檢機(jī)器人等天璇算力終端N40具備40TOPS強(qiáng)大算力，

足以支撐復(fù)雜場(chǎng)景下多傳

感器數(shù)據(jù)融合推理計(jì)算

。能夠應(yīng)用于港口AGV

、庫房無人天車

、

車

間自動(dòng)巡檢機(jī)器人

、

自動(dòng)協(xié)作機(jī)器人等需要較大本地AI推理加速能

力的產(chǎn)品或解決方案。

天璇算力終端N100可對(duì)高頻傳感器信號(hào)進(jìn)行實(shí)時(shí)處理，

適用于基于AI算法的設(shè)備故障診斷等應(yīng)用，

作為邊緣側(cè)實(shí)時(shí)推理計(jì)算單元。

邊緣側(cè)實(shí)時(shí)設(shè)備故障診斷天璇算力終端N21內(nèi)置推理加速GPU，

可搭載基于神經(jīng)網(wǎng)絡(luò)的設(shè)備

故障診斷模型，

通過多點(diǎn)位/振動(dòng)信號(hào)的實(shí)時(shí)分析，

對(duì)設(shè)備健康

狀態(tài)進(jìn)行在線監(jiān)測(cè)

。能夠極大減輕傳統(tǒng)設(shè)備故障診斷方案中對(duì)網(wǎng)絡(luò)

傳輸帶寬需求及服務(wù)器的計(jì)算壓力。

天璇算力終端N40適用領(lǐng)域AI工業(yè)質(zhì)檢

、

生產(chǎn)狀態(tài)

、智慧園區(qū)

、安防監(jiān)控等領(lǐng)

域產(chǎn)品優(yōu)勢(shì)①GPU+CPU異構(gòu)計(jì)算平臺(tái)②提供強(qiáng)大邊緣算力，

為現(xiàn)場(chǎng)AI推理加速③硬件編解碼器，

支持視頻硬編硬解④豐富IO接口，

滿足邊緣側(cè)實(shí)時(shí)控制需求工業(yè)智能化應(yīng)用核心硬件-天璇算力終端系列適用于AGV

、機(jī)器人

、智能巡檢等復(fù)雜場(chǎng)景下的AI智能應(yīng)用，

可作為端側(cè)實(shí)時(shí)推理計(jì)算單元。

天璇算力終端N21河鋼數(shù)字工業(yè)智能質(zhì)檢系統(tǒng)構(gòu)建了成像系統(tǒng)

、機(jī)械結(jié)構(gòu)

、無監(jiān)督檢測(cè)算法與應(yīng)用系統(tǒng)一體化設(shè)計(jì)

，整體覆蓋了型鋼

、板鋼

，熱態(tài)

、高速等不同場(chǎng)景下的檢測(cè)產(chǎn)品，助力企業(yè)降本增效。表面質(zhì)量檢測(cè)判級(jí)44

、通過2D相機(jī)采集鋼材表面圖像信息，

通過3D激光輪廓儀對(duì)全尺寸輪廓進(jìn)行采集，

融合2D可

見光圖像與3D點(diǎn)云數(shù)據(jù)，

實(shí)現(xiàn)在線對(duì)凹坑

、

劃傷

、

刮傷

、

裂紋

、

折疊

、橫向壓痕

、

軋痕

、翹皮

的檢測(cè)，

綜合檢出率不低于95%；

綜合分類率不低于90%

。3

、對(duì)現(xiàn)場(chǎng)高

、紅外輻射干擾等客觀不利因素進(jìn)行特殊防護(hù)和濾光設(shè)計(jì)，

實(shí)現(xiàn)在線對(duì)表

面裂紋

、劃傷

、振痕

、邊部角裂等缺陷及時(shí)檢出，

缺陷檢出率與識(shí)別率均達(dá)到95%以上，

提

高熱裝熱送率3%

。1

、使用多臺(tái)工業(yè)相機(jī)及雙光場(chǎng)對(duì)帶鋼生產(chǎn)表面圖像進(jìn)行掃描識(shí)別，

自動(dòng)檢出缺陷并分類

、

分級(jí)

，對(duì)劃傷

、麻點(diǎn)

、漆渣

、漏涂

、嚴(yán)重硌傷等常見缺陷檢出率不低于95%，

分級(jí)分類準(zhǔn)確

率不低于95%；2

、通過2D相機(jī)采集鋼材表面圖像信息，

通過3D激光輪廓儀對(duì)全尺寸輪廓進(jìn)行采集，

在線

自動(dòng)檢出鐮刀彎

、

浪板

（可自定義浪形分類）

等缺陷類型，

綜合檢出率不低于90%。工業(yè)檢測(cè)產(chǎn)品系列深度學(xué)習(xí)算法高精度視覺識(shí)別帶鋼表檢型鋼表檢+++產(chǎn)品種類鍍錫板

（食品