钢铁厂请来“新员工”，AI质检员为企业降本增效

　　在江苏，某个钢铁车间内，轰隆隆的机器声中，两块滚烫的红彤彤钢铸板坯在产线匀速滑动，产线上下面的两组面阵工业相机正在高速拍摄，操作室的电脑屏幕上滚动着钢铁上下面的外观缺陷数据和画面，并进行自动分类。这正是钢铁厂上线深兰科技AI质检系统后智能化运营的一幕。

　　江苏的这家钢铁厂，是一个从原料到炼铁、炼钢、连铸、热轧等工序配套齐全、生产装备水平国内领先的大型钢铁联合企业，是国内沿海具有先进制造能力的热轧商品卷生产基地，年产热轧卷500万吨，此次随着生产规模扩大，他们对传统产线的铸钢质检环节提出了升级，主要目标是：要在600-1100℃的高温下进行快速检测辊道速度为 0～60 m/min的钢铸板坯上的横裂、纵裂、划伤和重接等方面的缺陷，其中纵裂和划伤缺陷的宽度在1mm左右。

　　据了解，传统的钢板瑕疵检测方法是需要等待钢铸板坯冷却后质检员再肉眼观察，而且每次只能观看一个面，这不仅耗时，而且难以量化和标准化，时间长了，人眼也容易疲劳、疏忽，会造成瑕疵品流出。

　　“这样的任务要是在以前，传统的人工检测根本做不到，因为首先1000℃的温度就让人无法靠近，更别说收集检测数据以及表标准化，但是现在在人工智能技术的加持下，这些问题将迎刃而解。”钢铁厂项目负责人表示，厂里的连铸机为一机两流板坯连铸机，深兰科技针对产线在运输辊道配置了两套AI连铸板坯图像热检系统，可以在高温下检测运动中的钢铸板坯上下两层表面缺陷，并且能把生成的数据保存和挖掘，大大提高了质检效率，保证了产品质量，提高了生产率。

　　对于如何快速完成这个项目以及遇到哪些难题，深兰科技项目团队也透露，深兰科技有全面的软硬件设计开发人员，大家互相分工协作可以快速实现一个项目的整体架构。例如每一套AI连铸板坯图像热检系统都包括图像采集系统、电气及控制系统、计算机系统、终端处理系统、机械桥架、隔热冷却系统和光源照明系统等七部分，这些系统都涉及不同的部门和小组。

　　技术细节执行过程中，深兰科技在图像采集方面，采用6个工业面阵相机分组上下部署，充分覆盖了最宽1650mm 的钢板;在缺陷识别方面，采用 CNN(卷积神经网络)AI 技术，通过拍摄大量产品图像训练，深度学习算法自动提取产品缺陷特征，从而达到产品缺陷识别的需求;在检测算法上，深兰科学院自研算法模型保证了分类的准确度以及目标位置检测的准确度;在算力方面， 60m/min 的检测速度下，配合使用了深兰科技自主研发的边缘计算盒子“五岳”系列硬件，保证了检测的速度能够达到运转的速度。

　　目前，深兰AI连铸板坯图像热检系统可以检测出包括横裂、纵裂、划伤和重接等多种缺陷，板坯图像分辨率能力、系统运行率、缺陷检出率都已经超出预期，是名副其实的行业“老司机”。

　　当下，中国钢板质量检测市场需求巨大。根据世界钢铁协会数据，2015-2019年全球钢铁表观消费量(成品钢)逐年增长。2019年为17.68亿吨，同比增长3.51%。2019年，中国钢铁产量位居全球第一，为9.96亿吨，占全钢铁产量的53.31%，同比增长7.33%。

　　未来，随着AI的不断迭代自学习，AI对传统钢铁制造业的降本、增效、提质效果将更加明显，越来越多的钢铁制造厂也将会在钢铁质检环节运用AI实现更高效、更准确、更自动化的作业，来提升生产质量，实现我国由钢铁大国向钢铁强国转变，成为世界钢铁工业的引领者。