基于深度学习的热轧带钢表面在线检测

　　由于热轧产线中带钢表面温度高、表面状态复杂、缺陷类型多等特点，缺陷检出率及识别率已不能满足高端热轧带钢生产的需求。由于表面特有的氧化铬表面膜纹理特征，导致基于传统图像分类算法得出的不锈钢热轧带钢表面缺陷识别率较低，难以满足不锈钢生产实时性的要求;周期性缺陷如辊印、划伤如果不得到及时发现及控制，会造成批量质量事故，严重影响成品质量及生产效率;缺陷在带钢表面的位置、长度信息及分布尚未实现实时定位，会严重影响后续的工序;目前表面质量分级缺乏实时数据支持，无法实现钢铁全流程的质量闭环管控。尽管国内外大量研究并开发了热轧带钢生产线的表面缺陷在线检测系统。PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　但其图像分辨率低、缺陷分类准确率低、周期性缺陷无法检出、表面质量未在线分级、系统维护频繁及维护难度大等问题，国外进口的表面缺陷在线检测技术已无法满足国内高端热轧产品生产及钢铁企业转型升级的需求。本项目针对以上问题，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。PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　其中基于分类优先网络与多尺度感受野的热轧带钢表面缺陷检测算法处于国际领先水平。主要创新点如下：PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　1. 开发了基于分类优先网络与多尺度感受野的热轧带钢表面缺陷检测算法，常见缺陷检出率达98%，识别率达92%，与世界现有的检测系统相比，缺陷检出率和识别率分别提高了3%和7%。PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　2. 开发的基于对抗生成网络半监督样本学习方法，能够有效地利用大量无标签的钢板表面缺陷样本，大幅提升了深度学习网络的训练效率。PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　3. 开发了基于长短时记忆网络的周期性缺陷识别算法，实现了热轧带钢辊印、划伤等缺陷的追踪及预警，可有效避免上述缺陷导致的批量质量事故。PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　4. 利用表面检测系统提供的缺陷信息，采用层次分析法对热轧带钢表面质量进行综合评级，实现了从人工经验到量化模型的自动评级。PDO机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_