缺陷检测对于分析宽厚板产品的表面质量至关重要，这些缺陷会影响后续成品的耐蚀性和耐磨性。由于钢板生产过程中有钢板表面温度过高、轧制速度过快、钢板冷却时间过长等因素，导致人工检测方法效率过低，容易造成批量缺陷出现，对钢厂带来巨大的损失，因此，机器视觉方法被用于自动化钢板表面质量检测。北京科技大学成功研发了宽厚板表面检测系统，其创新点如下：1. 研发了一种超宽厚板表面缺陷在线检测系统图像采集方法，根据板面的最大宽度和所需检测缺陷的最小尺寸以及相机分辨率决定使用的线阵相机数量，窄带LED光源数量和相机数量保持一致。保证了相机采集速率不发生变化的情况下实现对光源亮度的快速调整，保证图像背景亮度的均匀。2. 研发了实时的缺陷图像检测和识别方法，结合遗传算法和加权最大类间方差法解决缺陷检测问题，并且采用Inception-Resnet-v2模型来识别缺陷的种类，得到平均检出率大于98%，平均识别率大于88%，满足了实际的现场需求。3. 研发设计了针对重点缺陷的报警功能，通过声光报警模块将报警信息转化为语音信息，能够实时对操作人员通报严重缺陷的类别，位置等信息。

成果亮点：

1. 具有自主知识产权，研究成果已授权发明专利2项。

2. 技术先进性：国内领先,具有大于98%的缺陷检出率以及大于88%识别率。

性能指标：

检出率≥98%，识别率≥88%。

技术优势：

采用多组线阵CCD相机和窄带LED光源，通过激光测速仪获取钢板准确运动速度，使用PWM信号实现对多个相机的进行外部触发同步采集控制，保证多个相机采集位置，同时通过利用同一信号的脉冲宽度来控制图像采集每一行照明光源的亮度。实现了对采集速度和图像亮度的控制，可实现图像中单条线亮度调整，让光源快速响应亮度变化的请求。针对不同背景、不同厚度、不同钢种的钢板，均可采集得到较为清晰的板面图像。缺陷检测方面结合区域分割与迁移学习分类技术，训练得到不同钢种下的背景模型，模型具备较强的鲁棒抗干扰能力，大大降低了缺陷误报。系统设计了针对重点缺陷的报警功能，通过声光报警模块将报警信息转化为语音信息，提醒操作人员注意板面质量情况。同时系统支持历史回查及缺陷数据导出功能，实现了钢板质量的追溯。

中厚板生产轧制品种规格多、表面复杂、生产质量在线监控等问题是影响中厚板高效、高质生产的重要因素。为了提高宽厚板产品的质量及服役寿命,其表面不能有气泡、结疤、拉痕、刮伤、折叠、裂缝、夹杂和压入氧化铁皮等表面缺陷,上述缺陷不仅影响板制件的外观,而且会破坏加工件的物理性能,成为应力集中的薄弱环节，但传统的人工检测方法不足以满足市场对质量的需求。基于机器视觉的钢板表面缺陷检测技术以高效、实时、可追溯、接近人眼感知等诸多优势。因此，宽厚板表面检测系统的研发有效的减少了钢板轧制过程中出现的批量性缺陷和严重性缺陷，大大降低了钢厂在生产钢板中产生的损失，且提高了钢板的生产质量。

邓能辉，长期从事智能制造和人工智能的研究。北京科技大学工程技术研究院自动化团队主要从事钢铁、有色等行业的精准控制、质量管控、智能制造等技术的研究，并为行业提供了大量的自动化、信息化、智能化系统解决方案，除了完成科研及研究生培养任务外，还承担了大量科技成果转化的工程任务，所研发的多项国内首台套自动化系统都打破了国外技术垄断，为国家节约了大量外汇，为企业创造了大量利润。主要人员：邓能辉，吴昆鹏，石杰，王少聪，郭亚男，焦小松。主要成员：杨朝霖，吴昆鹏，石杰，王少聪，郭亚男，焦小松。

1.本成果有效地促进了传统冶金制造业与图像处理等信息技术的深度融合,全面提升板带钢生产过程智能化水平,打通了钢铁企业全流程质量管控通道,成为了有利于促进产业转型升级的关键技术。降低了工人劳动强度,避免了批量质量事故发生,有利于为市场提供大量高质量的优质产品,提高了企业产品在国内外市场上竞争力,为我国的钢铁制造业的发展和技术进步做出贡献。

2.宽厚板表面缺陷检测系统可以高效的排查钢板表面的严重缺陷，一旦检测到周期性缺陷，将立刻停止钢板轧制工作，执行换辊等操作，有效避免了批量问题钢板出现的可能，大大的提升了钢厂的经济效益。

合作方式：技术许可

目前处于何种研发阶段：产业化；

推广应用情况：实现了实时钢板表面缺陷检测和识别，为钢厂避免了严重缺陷批量化问题，有效的提高了钢板的成材率，并且极大地提高了钢厂的经济效益。

期望技术转移成交价格（大概金额）：面议。