一、研究的背景与问题

   表面缺陷是影响中厚板整体质量的重要因素，由于高温和生产工艺的影响，传统的中厚板表面缺陷检测以人眼目测法为主。在目前的轧制生产过程中还没有很好的手段可在线监控到矫直机前后的钢板表面质量情况，大部分时候是通过钢板到达冷床降温后再进行抽检。这种传统的用“抽检”检查质量的方法存在许多问题：

   （1）检测结果受检测人员的主观因素影响，缺乏准确性、可靠性、连续性、完整性。中厚板生产线只能等钢板降温到以后进行检查，且只能等钢板静止后检测。当在冷床检查台降温发现缺陷问题时，如果是轧机或者矫直机产生的轧制缺陷，则至少已经连续生产了25片钢板，这种连续缺陷的产生对后续工序产生极大影响，如果缺陷严重，还会产生极大的经济损失

   （2）人工抽查检测到的缺陷，不能实现数据的有效保存。只能通过记录板号，将缺陷拍照等临时记录，这样无法掌握关于产品表面质量的历史数据，无法对缺陷进行统计分析，也不能以此来指导生产。

   （3）钢板下表面难以直接检查，需通过翻板或者设置下表面反光镜安装专门人员检测，且采用抽检的方式。将钢板吊离剪切线至翻板机翻板检查，此方式增加了生产工序作业难度和生产效率，且翻板机位于冷床后，一旦下表面出现二次划伤等缺陷问题将造成大批量质量缺陷板。

   （4）一些厚板及时达到冷床时，温度依然很高（温度在300-400℃），很难由人工直接检查。某些厚板在到达冷床上检查位置温度甚至可达500℃以上，如果在如此的高温下，人工很难靠近钢板仔细观察其表面，因此难以检测到这些厚板的表面缺陷。特别有些品种钢必须要检测，由于温度高不能快速检测，检测速度慢还会对生产造成影响。尤其夏天质量检测员的工作条件异常艰苦，容易发生中暑，有极大安全隐患。

二、技术解决方案

   针对上述传统质量检测方法的问题，开发能够实现中厚板表面质量在线检测检测手段势在必行，成为生产中亟待解决的问题、意义重大。

   （1）采用基于非接触的CCD成像原理，实现在线抓捕高温表面钢板的图像, 解决复杂环境下高对比度、高清晰的成像。

   （2）开发实时高效的在线检测及在线分析技术。中板厂生产节奏快，快的时候不到2分钟一块钢板就轧制完成。所以表面检测系统必须是在生产时快速成像、快速处理图像，在下一块钢板到达矫直机之前快速形成检测结果提供给操作工，需要极快的处理速度

   （3）根据中厚板表面复杂的特殊情况，建立高准确度的缺陷识别模型。中厚板水、氧化铁皮等造成表面非常复杂，需开发准确度高的缺陷识别模型，才能实现在线缺陷识别。

四、主要创新性成果

   1、开发出基于深度学习模型的卷积神经网络算法，建立缺陷识别模型，根据训练样本的特点优化特征空间，在训练前仅需要极少的预处理工作，特征提取过程由网络自动优化完成。有效区分了翘皮、纵向裂纹、辊印等真实缺陷与氧化铁皮、水印等复杂背景的伪缺陷。

   2、开发基于独特的绿色光成像方案，有效去除钢板表面红外、紫外光等外界光的影响，同时避免某些板子表面光滑产生镜面反射造成的光照不均，得到更加清晰，均匀的图像

   3、采用长短期记忆网络算法（LSTM）建立周期性缺陷识别模型，实现了中厚板周期性缺陷追踪及预警。

五、应用情况与效果

   基于于深度学习的中厚板表面缺陷在线检测及质量评估系统2017年7月开始在福建三钢中板生产线投入常规化使用，取得如下效果：

   1、提高了钢板的轧制生产效率，实现了中厚板生产的钢板表面质量在线监测,其常见缺陷检出率≥98%，准确缺陷识别率≥90%。

   2、降低了批量钢板质量事故率。在检测系统没有应用前，若是出现矫直辊印类缺陷，到冷床上发现存在质量问题时，至少已经产生25-30片钢板。系统应用后，在类似缺陷出现时，只需1-2块钢板即可发现，极大的避免了批量质量事故造成的损失。

   3、减少了翻板次数，降低工人劳动强度。翻板工序不仅增加成本，同时翻板过程中，还可能会产生二次划伤等缺陷。通过系统上下表面同时检测钢板表面质量，若是发现下表面没有质量问题，就可以不用翻板，大大提高了作业效率。项目应用后，由以前的每10块板必须翻板一次进行检查，减少到现在每30块板检查一次。

   4、质量评估依据。系统可保存原始图像数据30以上，缺陷数据时间更长，这些数据为处理质量异议提供了强有力的帮助。

   5、对子板质量情况跟踪。通过子板数据分级系统和生产企业管理系统的结合，一定程度上找到了产品分级结果和工艺参数之间的对应关系。

   6、项目应用以后，利用该在线检测技术实现了高效、高质生产。至2018年6月底共计新增产值3.625亿元，直接经济效益达8397.585万元，新增税收3987.240万元。