2023冶金行业AI视觉智能质检技术应用白皮书

版权声明 本报告版权属于河钢集团有限公司、中国信息通信研究院云计算与大数据研究所和第六镜科技（北京）集团有限责任公司，并受法律保护。转载、摘抄或利用其他方式使用本报告文字或观点的，应注明“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究所和第六镜科技（北京）集团有限责任公司”。违反上述声明者，公司和研究院保留追究其法律责任的权利。 编制说明 主要编制单位 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究所、第六镜科技（北京）集团有限责任公司 参与编制单位 冶金工业规划研究院、鞍钢集团有限公司、陕西有色金属控股集团有限责任公司、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 指导专家 中国钢铁工业协会规划部主任�滨冶金工业规划研究院副院长肖邦国 西北工业大学自动化学院院长教授韩军伟复旦大学智能机器人研究院副院长张文强中国科学院计算技术研究所副教授�煜炜教授级高级工程师董志洪 西北工业大学教授李爱军西北工业大学教授�长青 西安电子科技大学教授邵晓冬电子科技大学教授彭真明 西北工业大学副教授吴梅 西安西部新锆科技股份有限公司党委书记、总经理刘海明鞍钢股份有限公司首席信息官赵庆涛 河钢数字技术股份有限公司副总经理李晓刚河钢数字技术股份有限公司副总经理潘鹏河钢集团唐钢公司自动化部党委书记�映红河钢集团石钢公司信息物流中心主任纪树海 河钢集团邯钢公司三级专家朱华林河钢集团唐钢公司高级工程师郭银涛 中国铜业有限公司科技与信息化部业务经理谭正洲陕西钢铁集团有限公司信息化中心主任付成勇 陕西钢铁集团有限公司信息化中心智能制造部部长�斌宝鸡钛业股份有限公司智能制造工程中心主任杨蕴鸿唐山钢铁集团微尔自动化有限公司董事长潘玉发 北京旭阳数字科技有限公司总工程师李颖新 中国信息通信研究院云计算与大数据研究所副所长魏凯 中国信息通信研究院云计算与大数据研究所人工智能部主任曹峰第六镜科技（北京）集团有限责任公司董事长刘闯 第六镜科技（北京）集团有限责任公司副总工程师何贤昆第六镜科技（北京）集团有限责任公司研究员庞天吉 第六镜科技（北京）集团有限责任公司研究员张义夫 编写组专家 河钢集团邯钢公司自动化部专家�伟兵河钢数字技术股份有限公司战略总监郝亮 河钢集团有限公司智能制造中心主任倪振兴 中国信息通信研究院云计算与大数据研究所高级研究员李荪中国信息通信研究院云计算与大数据研究所高级研究员樊威中国信息通信研究院云计算与大数据研究所研究员�颖 第六镜科技（北京）集团有限责任公司首席研究员陈诗昱第六镜科技（北京）集团有限责任公司总工程师胡峻毅第六镜科技（北京）集团有限责任公司高级工程师�姿燕第六镜科技（北京）集团有限责任公司高级工程师何岸 前言 党的二十大报告指出，要加快建设质量强国，2023年2月，由中共中央、国务院印发的《质量强国建设纲要》中提出“建设质量强国是推动高质量发展、促进我国经济由大向强转变的重要举措，是满足人民美好生活需要的重要途径”。随着我国经济步入经济新常态时期，经济发展由过去的飞速发展期向健康平稳运行期过渡，产品高质量输出成为企业在竞争日益激烈的市场中取得优势地位的重要倚靠。 近年来，我国的冶金市场逐渐与国际接轨，冶金产品种类繁杂多样，冶金产品的质量要求不断提高，传统的人工质检方式和既有的生产工艺逐渐无法满足现有冶金产品市场需求，数字化、智能化转型已成为冶金行业突破生产力瓶颈、提高生产效率的重要抓手。据IDC预测，2023年AI工业质检市场规模预计达到5.3亿美元，预计到2026年，将以30%-40%的复合年均增长率持续增长。根据彬复研究的测算数据，AI视觉检测系统替代50%的人工计算，替代成本节约在千亿规模。 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品表面质量检测方法。通过利用图像采集设备获取冶金产品表面的图像或视频，并使用图像处理、模式识别和深度学习等算法，对表面的质量特征进行分析和评估，用于检测各类冶金产品的表面缺陷。实现自动化的检测和评估，提高质检的准确性和效率。冶金行业质检方式的智能化升级一方面有助于企业提高产能、降低生产成本和优化产品质量，更好地适应市场需求，实现持续创新和提升竞争力；另一方面 推动行业向绿色、环保方向发展，为冶金业的可持续发展做出积极贡献。 本白皮书重点阐述了冶金行业AI视觉质检技术的发展背景、技术发展路线、应用场景以及未来发展对策建议。在发展背景中，分析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AI视觉技术的必要性和可行性。在技术发展路线中，针对AI视觉质检技术的发展现状、技术需求与挑战和未来发展趋势进行了梳理。在应用场景中，在分析场景需求的基础上，附上具体典型案例，并对未来发展趋势进行了展望。最后，提出推动AI视觉技术在冶金行业应用发展的建议，以期为冶金行业在实现高质量发展、提升质检效率和水平方面提供有益的参考。 冶金行业AI视觉智能质检技术的发展日新月异，应用场景不断拓宽，本研究报告对冶金行业AI视觉智能质检技术与应用的研究认识和理解还有待加强。报告中如有不足之处，还请各方专家读者不吝批评指正。 目录 一、冶金行业AI视觉质检发展背景1 （一）冶金行业产品表面质检的重要性1 1.表面质检是严格把控冶金产品质量的基本手段1 2.表面质检是减少潜在经济损失和纠纷的根本保障2 3.表面质检是生产线维护和改造方案的重要支撑3 （二）传统表面质量检测方法与局限性3 1.表面质量检测发展历程与常见方法3 2.传统表面质量检测方法的局限性5 （三）引入AI视觉技术的必要性和可行性6 1.表面质检引入AI视觉技术的必要性6 2.表面质检引入AI视觉技术的可行性7 二、冶金行业AI视觉质检技术路线8 （一）AI视觉质检的关键技术8 1.图像处理8 2.机器视觉8 3.深度学习9 4.自适应算法9 （二）AI视觉质检的系统组成10 1.运动控制单元11 2.光源11 3.智能相机11 4.图像采集处理单元11 5.AI智能处理单元12 6.显示单元12 （三）冶金行业AI视觉质检的技术挑战13 1.数据问题13 2.算法性能问题15 （四）冶金行业AI视觉质检技术发展趋势17 1.多模态数据融合17 2.新一代计算摄影算法17 3.云端计算和边缘计算的结合18 4.智能运维、生产反馈、预测性维护和故障诊断18 5.产线的实时结合改造19 三、冶金行业AI视觉质检场景应用20 （一）冶金行业AI视觉质检场景需求20 1.改进冶金产品质量检测20 2.支持冶金产线工艺优化25 3.拓展冶金产线质检范围27 4.助力冶金产品回收质检30 （二）冶金行业AI视觉质检的典型应用场景32 1.热态长材表面质量检测32 2.带钢表面质量检测33 3.钛及钛合金板材表面质量检测37 4.铝/铜板带表面质量检测37 5.铸坯表面质量检测39 （三）冶金行业AI视觉质检技术应用发展趋势40 1.AI视觉质检技术与生产管理系统相结合40 2.AI视觉质检技术与云边协同41 3.AI视觉质检技术辅助智能决策42 四、冶金行业AI视觉质检发展建议44 （一）AI视觉质检当前应用问题44 （二）AI视觉质检应用发展建议45 1.加强典型缺陷数据收集45 2.加快应用角色由检到控转变45 3.充分挖掘质检技术应用场景46 4.促进数字化系统间联通融合46 5.加快标准制定与监管措施出台46 6.加大专业人才培养力度47 一、冶金行业AI视觉质检发展背景 冶金行业依照产品类型划分注意包括钢铁、有色金属、铸造、五金加工、机械制造等细分行业，冶金制品广泛应用于3C、交通、机械、电子、航空航天、兵器、生物、新能源、信息和核工业等诸多领域。在金属制造的过程中，由于组成材料、铸造工艺、工业环境等众多因素的影响，在生产过程中可能出现划痕、裂纹、班疤等表面缺陷问题，此类问题如无法被及时发现，可能致使后续加工阶段机器故障或金属制品使用阶段性能受损。在产品生产加工过程中，引入具有高精度和高效率的表面缺陷检测系统尤为重要。 （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 产品质量是企业发展的重要基石，而表面缺陷作为产品质量的重要评判标准，必须被高度重视。随着消费水平的不断升级，大众对产品的质量和外观越来越关注，生产高质量、高可靠性的产品已是大势所趋。在这种背景下，表面缺陷检测对于减少生产成本、提高产品质量和生产效率有着至关重要的作用。表面缺陷不仅破坏产品的美感和舒适度，还可能对产品的性能造成严重损害。因此，产品的表面缺陷检测必须覆盖生产的中间环节到出厂前的最后环节的全链条。如果缺乏有效的缺陷检测系统，会导致产品质量等级的错误分级和残次品率的提升。 以带钢检测为例，由于带钢是电机、发电机和变压器铁芯的主要制作材料，夹杂、斑块、压入氧化平等表面缺陷会严重损害带钢的抗 1 腐蚀性、抗疲劳性和铁损特性，直接影响电机、发电机等产品的性能。若品质不达标的带钢在出厂前未能被甄别出来，可能导致严重的安全事故。带钢表面质量是评估产品等级的关键指标。对于中间环节来讲，带有孔洞和边裂等表面缺陷的产品由轧机向下游传递，可能造成连退机组断带、钢板降级改判、产品判废等严重生产事故;对于最后环节来说，出厂终检是交付客户前的最后一次把关。 2.表面质检是减少潜在经济损失和纠纷的根本保障 表面缺陷检测能够有效杜绝或减少残次品流入市场，在冶金行业产品广泛应用的汽车、3C等领域内，由于该类产品由成千上万的零部件组成，产品又大多属于大批量生产，表面出现微小的划痕、裂纹和凹坑等瑕疵难以避免，但其中某些关键零部件的破损可能会给最终的用户带来安全风险。 以汽车中的悬架弹簧和发动机为例：汽车悬架表面涂层需经过严格的出厂，若悬架的表面涂层不均匀或有剥离脱落，在持续冲击和腐蚀下，容易萌生裂纹，甚至导致悬架弹簧疲劳断裂，危及驾驶人的人身安全;发动机是车辆生产制造过程中非常核心的环节，其质量把控非常严格。若发动机缸孔壁出现磨损、缩松等缺陷，会造成漏油、漏气等问题，不但会影响发动机的工作性能，甚至引发安全事故。由于所售产品存在缺陷或安全隐患，每年都有大量生产商将已经送到下游零售商或最终客户的产品召回，导致沉重的经济损失。严格的表面缺陷检测能够防止不合格品流入市场，杜绝潜在的经济损失和法律纠纷，有利于提升企业的形象。 3.表面质检是生产线维护和改造方案的重要支撑 表面缺陷检测可帮助企业及时发现问题并改进相应生产工艺，预判性地维护生产机器。准确地检测出缺陷的类别是有效指导生产、检修的前提。通过自动化、智能化的表面缺陷检测方法，分析缺陷产生的原因，使得生产线的维护工作更具有针对性，有效降低维护成本和检修成本。同时，表面缺陷检测能够帮助企业更好地掌握产品质量分布状况，寻找质量薄弱环节，降低产品质量波动，形成生产和质量提升的闭环控制。 （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 自20世纪开始，传统的表面缺陷检测大致经历了三个阶段，分别为人工目视法检测阶段、单一机电或光学技术检测阶段和传统机器视觉阶段，其基本情况和缺点如下所述： 阶段一：人工目视法检测 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测方法。在冶金行业中，工作人员使用肉眼对冶金产品的表面进行检查，寻找可能存在的缺陷、损伤、污染或其他不良情况。这种方法通常是最早采用的检测方式之一，因其简单易行，无需特殊设备，所以在很多场景下仍然得到广泛应用。但是人工目视法检测存在过于依赖主观性、检测效率低、无法实时检测、易受环境影响等缺点。 阶段二：单一机电或光学技术检测 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。例如，通过使用触觉传感器或扫描探头来测量表面的平整度、凹凸度等物理参数。这种方法对于一些较简单的表面质量特征