CSP热轧带钢表面在线检测与评级系统

地区：上海市宝山区

关键词：上海吴淞口创业园有限公司

需求类型：产品升级

需求领域：新材料

需求编号：D2021061600002851

解决方案：暂无

审核状态：通过审核

需求描述：

背景：武钢CSP产线从德国引进了百思泰表面在线检测系统，但是系统的检测效率与精度不能满足生产要求。主要表现在：（1）缺陷误报严重。由于带钢表面温度高、状态复杂、缺陷类型多，传统算法难以区分真实缺陷和“伪缺陷”，产生大量的误报，严重影响系统的使用效果。（2）而目前在线应用的表检系统法难以检测轻微的辊印和划伤等缺陷，等到人工发现时，已经造成了重大的质量事故。（3）由于缺陷的检出率与识别率无法达到理想水平，并且缺陷的严重等级无法量化，因此难以实现带卷表面质量的在线自动评级。由于缺陷种类繁杂，传统的图像识别方法无法满足现场要求，拟开发一套基于深度学习的热轧带钢表面缺陷检测系统。需求描述：1、基于深度学习的热轧带钢表面缺陷检测算法研究。1）收集现场CSP热轧带钢表面图片。2）对带钢表面缺陷图片进行人工标注，区分图片中是否有缺陷，以及缺陷的种类与具体位置，开发自动化标注工具。3）搭建深度学习神经网络，研究确定深度网络的结构、参数及训练算法，采用深度学习目标检测算法识别带钢表面图片中的缺陷位置、大小以及类别信息。4)结合现场实际情况，对深度学习表面缺陷检测算法及模型进行部署、调试，并设计维护方案。 2.基于对抗生成网络的缺陷样本生成方法。部分热轧带钢表面缺陷类型的图片样本较少，且样本收集成本较高，直接影响深度学习神经网络的分类精度，采用基于对抗生成网络（GAN）生成缺陷样本，平衡正负样本数量，提高算法的检测效果。 3.基于层次分析法的热轧带钢表面质量评估方法。目前在线应用的表面检测系统仅能对缺陷进行检测与分类，由于缺陷检测与分类准确率达不到理想程度，因此表面质量分级缺乏实时带钢表面缺陷数据支持，无法实现有效的质量分级。 4.开发CSP热轧带钢表面检测系统软件，设计适应现场CSP热轧带钢表面缺陷检测的用户界面、数据库、缺陷检测算法及模型。约束条件： 1、有宝武集团相关生产厂开发经验； 2、熟悉宝钢股份热轧生产工艺流程。技术要求：1）检测速度能够满足生产要求； 2）缺陷检出率达到95%； 3）缺陷分类准确率达到90%。成果匹配

CSP热轧带钢表面在线检测与评级系统

沪ICP备2021009587号-1 沪公网安备 31010402009217号