产品概述：

该产品采用机器视觉、深度学习技术、大数据存储技术和自动化控制技术，由硬件、软件和算法三部分组成，主要用来检测板材表面缺陷（纵裂、横裂、异物压入、麻坑、划伤、压痕、汽包等）。硬件部分主要实现板材位置感知，板材表面图像的拍摄，图像的转发；软件部分主要实现与现场一二级系统的联动，数据的存储、展示、统计、分析、推理，知识图谱的自动扩建，设备状态监控，异常状态的自动处理等；算法模型部分主要负责板材表面图像拼接、去雾、对比度增强、前景背景分离、缺陷检测等。

板材表面缺陷主要基于图像来检测，通过对深度学习技术的深耕，借助语义分割和生成式对抗网络技术来实现检测板材部分和背景部分，通过剔除背景图片从而大规模的减少计算量，随后检测板材异常部分，最后判断异常部分的缺陷种类。该产品围绕表面缺陷的检出率在98%以上，检准率在96.8%以上。该产品中的图形化操作界面具有自动模式和手动模式，在自动模式下，操作界面会自动播放当前检测到的板材表面缺陷信息（包括缺陷种类、缺陷大小、缺陷位置、缺陷图像、板材喷号等），在手动模式下，质检员可以查询历史数据、修正检测结果、添加新的缺陷种类等。该产品中的状态检测模块可以实时检测软硬件运行情况，对设备温度升高、通信中断、软件功能模块故障等问题进行自动处理，减少人工干预，保障设备稳定运行。

在创新性方面，该产品在设计过程中借助数字孪生技术，构建了板材产线对应的数字虚体，通过在虚拟空间中模拟生产环境，测试设备运行状态，提前发现隐藏的问题完善产品设计。在图像采集部分，采用自主研发的超高清工业相机，每平方毫米板材表面图像达到11个像素点，在物理层面保证毫米级缺陷检测的可行性。在算法模型部分，采用先进行异常检测，然后进行缺陷分类的策略，极大地提高了缺陷检测的查全率和查准率。异常检测模型采用基于特征空间的方法，通过正常样本与缺陷样本特征分布之间的差异进行异常检测；缺陷分类模型采用度量学习技术，通过判断异常部分与每种缺陷的相似度来判断异常部分所属缺陷种类。在智能化方面，该产品内嵌一套知识图谱，并且随着系统的运行不断积累数据，自动挖掘数据中的潜在关系，不断扩建知识图谱，真正实现了具有分析和推理能力的机器智能。该产品提供了数据接口，支持TCP、HTTP、WebSocket等协议，工厂内的其它系统可通过该接口获得表检系统的实时数据和历史数据。

性能特点：

该产品对现场生产节奏不产生干扰；在高温、震动、光照变化的条件下能保证高清晰度图像的采集；在正负样本极度不均衡，缺陷样本非常少的条件下可以完成异常检测；在单张图像的大小达到30M的条件下，可以进行快速地缺陷筛选并完成像素级别的缺陷检测与定位；该设备可以与工业大数据平台进行对接，实现数据之间的互联互通；能够实时监控系统运行状态，并在系统出现故障时自动解决故障；能对检测结果进行分析，并将分析结果反馈给生产，及时发现生产中的问题。

适用领域：

板材产品表面缺陷检测和分析。

推荐理由：

该产品是首钢针对我国冶金行业重点疑难问题自主研发的首台首套产品，其围绕板材产品进行深耕，将智能化技术与工艺技术有效融合，该产品应用了大数据技术、深度学习技术、自动化技术以及构建了一套“云-边-端”的体系。该产品在功能方面实现了板材动态感知、图像自动拼接、前景背景自动剥离、板材表面缺陷（纵裂、横裂、异物压入、麻坑、划伤、压痕、汽包等）的自动检测与分析，同步将图像与结果回传到自主研发的工业互联网平台中，借助大数据技术实现T级数据的长久存储、快速查询与统计分析，同时设计开发了一套方便质检员操作的图形化操作界面。同时引入数字孪生技术，将模型、数据和工艺进行可视化的紧密结合。整合多项技术能力，围绕钢铁冶金行业，率先构建并落地围绕中厚板生产的知识图谱，通过不断的数据积累与迭代，围绕工艺承接关系以及数据逻辑，构建出完整的知识图谱，从而使其具备推理能力和机器智能的能力。该产品不仅仅适配板材生产环节，可以横向扩展到其他行业，如汽车制造业、航天业以及有色金属业等多个业态。该产品从软件系统、深度学习模型设计和PLC联动控制，到工业相机和光源的选择等硬件维度，都是100%自主设计与研发的，首钢研发出该产品并能够在多家钢厂的多条产线使用，使我国在该技术领域的技术水平达到了新的高度，整体达到国际先进水平，部分技术达到国际领先水平，经济效益社会效益十分显著。

产品图片：