12月24日，中国金属学会在北京组织召开了由北京科技大学、山西太钢不锈钢股份有限公司、马钢(集团)控股有限公司、甘肃酒钢集团宏兴钢铁有限公司不锈钢分公司和北京科技大学设计研究院有限公司等单位共同完成的“基于深度学习的热轧带钢表面在线检测与质量评级”科技成果评价会。评价委员会委员认为“基于深度学习的热轧带钢表面在线检测与质量评级”项目成果整体达到国际先进水平。

    热轧产线中存在带钢表面温度高、表面状态复杂、缺陷类型多等特点。尽管国内外大量研究并开发了热轧带钢生产线的表面缺陷在线检测系统，但其图像分辨率低、缺陷分类准确率低、周期性缺陷无法检出、表面质量未在线分级、系统维护频繁及维护难度大等问题，国外进口的表面缺陷在线检测技术已无法满足国内高端热轧产品生产及钢铁企业转型升级的需求。本项目针对以上问题，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。主要创新点如下：

    1. 开发了基于分类优先网络与多尺度感受野的热轧带钢表面缺陷检测算法，常见缺陷检出率达98%，识别率达92%，与世界现有的检测系统相比，缺陷检出率和识别率分别提高了3%和7%。

    2. 开发的基于对抗生成网络半监督样本学习方法，能够有效地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。

    3. 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。

    4. 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。

    该项目成果获得授权发明专利4件，软件著作权8件，发表论文38篇；在太钢、马钢、酒钢以及台湾尚承钢铁、印尼青山钢铁等多家企业成功应用，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。

中国金属学会