冶金行业AI视觉智能质检技术应用白皮书

版权声明“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编制说明任公司、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教授级高级工程师董志洪唐山钢铁集团微尔自动化有限公司董事长潘玉发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 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冶金行业AI视觉智能质检技术与应用白皮书（2023年）1一、冶金行业AI视觉质检发展背景（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冶金行业AI视觉智能质检技术与应用白皮书（2023年）2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2.表面质检是减少潜在经济损失和纠纷的根本保障身安全;发动机是车辆生产制造过程中非常核心的环节，其质量把控冶金行业AI视觉智能质检技术与应用白皮书（2023年）33.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冶金行业AI视觉智能质检技术与应用白皮书（2023年）4机械检测主要依赖于机械传感器和设备来检测表面的物理特征。1或其他不良情况。这种方法容易受到人为主观因素的影冶金行业AI视觉智能质检技术与应用白皮书（2023年）5234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冶金行业AI视觉智能质检技术与应用白皮书（2023年）6传统方法通常是离线进行的，无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1.表面质检引入AI视觉技术的必要性处理能力支撑下可以处理大规模工业数据，AI视觉技术以其较少需冶金行业AI视觉智能质检技术与应用白皮书（2023年）72.表面质检引入AI视觉技术的可行性冶金行业AI视觉智能质检技术与应用白皮书（2023年）8二、冶金行业AI视觉质检技术路线AI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（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、平整传感器与图像处理技术的普及，AI视觉质检开始被越来越多的厂商析识别、机器视觉、深度学习和自适应算法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2.机器视觉冶金行业AI视觉智能质检技术与应用白皮书（2023年）9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，被广泛用于自动化生产线的监控和管理，如跟踪物体的位置和移动，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冶金行业AI视觉智能质检技术与应用白皮书（2023年）总的来说，AI视觉质检技术的发展路线是从基本的图像处理技（二）AI视觉质检的系统组成冶金行业AI视觉智能质检技术与应用白皮书（2023年）1.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冶金行业AI视觉智能质检技术与应用白皮书（2023年）5.AI智能处理单元基于深度学习等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冶金行业AI视觉智能质检技术与应用白皮书（2023年）（三）冶金行业AI视觉质检的技术挑战1.数据问题冶金行业AI视觉智能质检技术与应用白皮书（2023年）冶金行业AI视觉智能质检技术与应用白皮书（2023年）2.算法性能问题冶金行业AI视觉智能质检技术与应用白皮书（2023年）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冶金行业AI视觉智能质检技术与应用白皮书（2023年）1.多模态数据融合2.新一代计算摄影算法冶金行业AI视觉智能质检技术与应用白皮书（2023年）3.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4.智能运维、生产反馈、预测性维护和故障诊断冶金行业AI视觉智能质检技术与应用白皮书（2023年）5.产线的实时结合改造程的实时监测和自动化控制。通过对接产线冶金行业AI视觉智能质检技术与应用白皮书（2023年）三、冶金行业AI视觉质检场景应用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视觉质检场景需求一是产品质量检测需求。冶金产品的生产种类增多、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专用检测技术实现内部探伤。AI视觉检测技术可以覆盖除内部缺陷冶金行业AI视觉智能质检技术与应用白皮书（2023年）品质量检测。AI视觉智能质检技术的对于冶金产品质量检测的改进冶金行业AI视觉智能质检技术与应用白皮书（2023年）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冶金行业AI视觉智能质检技术与应用白皮书（2023年）AI视觉质检技术特定的算法模型进行判断和分析，这些算法模冶金行业AI视觉智能质检技术与应用白皮书（2023年）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冶金行业AI视觉智能质检技术与应用白皮书（2023年）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冶金行业AI视觉智能质检技术与应用白皮书（2023年）AI视觉检测设备具备适应多种作业环境的能力，能够在冶金生冶金行业AI视觉智能质检技术与应用白皮书（2023年）AI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冶金行业AI视觉智能质检技术与应用白皮书（2023年）冶金行业AI视觉智能质检技术与应用白皮书（2023年）冶金行业AI视觉智能质检技术与应用白皮书（2023年）4.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,且相关设备成本冶金行业AI视觉智能质检技术与应用白皮书（2023年）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冶金行业AI视觉智能质检技术与应用白皮书（2023年）（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1.热态长材表面质量检测长达百米以上，需要保证尺寸误差与表面平整精度达到0.1毫米以冶金行业AI视觉智能质检技术与应用白皮书（2023年）2.带钢表面质量检测冶金行业AI视觉智能质检技术与应用白皮书（2023年）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冶金行业AI视觉智能质检技术与应用白皮书（2023年）冶金行业AI视觉智能质检技术与应用白皮书（2023年）冶金行业AI视觉智能质检技术与应用白皮书（2023年）3.钛及钛合金板材表面质量检测4.铝/铜板带表面质量检测冶金行业AI视觉智能质检技术与应用白皮书（2023年）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/铜板带材息被合并和保存，海量存储器用于存储大量的缺陷冶金行业AI视觉智能质检技术与应用白皮书（2023年）5.铸坯表面质量检测要技术手段。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冶金行业AI视觉智能质检技术与应用白皮书（2023年）压入、脱皮、结疤、孔洞、纵裂、水印、星（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冶金行业AI视觉智能质检技术与应用白皮书（2023年）2.AI视觉质检技术与云边协同金行业通常涉及大规模的生产和复杂的生产环境，AI视觉技术的运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冶金行业AI视觉智能质检技术与应用白皮书（2023年）3.AI视觉质检技术辅助智能决策冶金行业AI视觉智能质检技术与应用白皮书（2023年）冶金行业AI视觉智能质检技术与应用白皮书（2023年）四、冶金行业AI视觉质检发展建议（一）AI视觉质检当前应用问题冶金行业AI视觉智能质检技术与应用白皮书（2023年）（二）AI视觉质检应用发展建议1.加强典型缺陷数据收集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