团队名称: 材料检测与智能制造团队
项目负责人: 周东东
研究方向: 1、质量建模与工业大数据应用;2、先进工业检测技术;3、新一代人工智能应用;4、工业数据解析与生产运行优化;5、智能制造整体解决方案与关键共性技术。
核心人数: 8人 其中博士:8人
B类
研发团队
现有表面缺陷检测系统检出率低、周期性缺陷及表面质量在线分级难,本团队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。替代了原有的国外检测系统,缺陷检出率和识别率分别提高了 3%和 7%,实现了热轧表面质量从人工经验到量化模型的自动评级。已成功推广到海内外多家钢企应用,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。被行业权威专家评价为总体达到国际先进水平、检测算法处于国际领先水平。
该成果已获得 2008 年度冶金工业科学技术一等奖、2013 年度教育部科学技术奖二等奖,2020 年度冶金工业科学技术一等奖。
技术成熟度:系统级
技术创新度:第三级
技术先进度:第六级(国际先进)
综合来看,当前成果项目整体细分等级达到“技术产业化阶段E++”级,从技术可行性角度来说属于“风险等级:中低;价值潜力:中高”的成果项目。
应用领域:
通用仪器仪表制造
应用案例
基于深度学习的热轧带钢表面在线检测与质量评级系统,已于2017 年先后在太钢 2250、马钢 CSP、酒钢炉卷轧机等热轧生产线在线应用,替代了生产线上原有德国百视泰(ISRA-Parsytec)、美国康耐视(Cognex)等国外进口系统。
表面缺陷是影响金属板带材质量的重要因素,热轧带钢产品质量异议 60%以上都由表面缺陷引起。表面检测系统可以及时反馈缺陷信息,对于控制表面质量、减少废品率和质量异议具有重要作用,可带来巨大经济效益。截止到 2012 年,国内 70%以上的宽带钢热轧生产线上都安装使用了表面在线检测系统,并且大部分都从国外引进,主要存在缺陷的误报严重、难以检测轻微的辊印和划伤等缺陷、缺陷的严重等级无法量化等问题。本成果为热轧带钢生产线高效生产、节能降本、质量监控和跟踪提供了生产及质控依据,对带钢批量缺陷的产生、控制及追溯起到了重要作用,具有十分广阔的应用前景。
无政策风险