由北京科技大学、山西太钢不锈钢股份有限公司、马钢(集团)控股有限公司、甘肃酒钢集团宏兴钢铁有限公司不锈钢分公司和北京科技大学设计研究院有限公司等单位共同完成的“基于深度学习的热轧带钢表面在线检测与质量评级”项目，针对在线应用的表面缺陷检测系统存在缺陷检出率与识别率低、周期性缺陷难以检测、未能实现表面质量在线分级等问题，将深度学习算法应用于热轧带钢表面缺陷在线检测与识别，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，取得的创新性成果如下： 1. 开发了基于深度学习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%，与国外先进系统相比，缺陷检出率和识别率分别提高了3%和7%。 2. 提出了基于对抗生成网络的半监督样本学习方法，能够有效的利用大量无标签样本，解决深度学习方法对有标签样本需求量大的难题。 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、划伤等批量缺陷的追踪及预警，可有效避免批量质量事故。 4. 采用层次分析法对热轧带钢进行表面质量综合评级，充分挖掘表面检测系统提供的缺陷信息，综合考虑缺陷类别、尺寸和数量等因素，实现了热轧带钢表面质量评级从人工经验到量化模型的智能转变。 该项目获得授权发明专利4件，软件著作权8件，发表论文38篇；成功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，在太钢、马钢、酒钢以及台湾尚承钢铁、印尼青山钢铁等多家企业成功应用，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。

本项目聚焦目前钢铁企业在质量管控和分析方面面临的共性问题，利用大数据及人工智能技术，突破了传统IT信息化系统框架结构、技术水平、适用领域等局限性，研发了一套适用钢铁企业全流程、全工序的质量分析管控平台，并应用于钢铁生产最为复杂的炼钢和轧钢工序，以现代质量管理方法为基础、以信息化系统为手段、以智能制造为主导，实现生产可管控、异常可预警、过程可追溯、缺陷可诊断、能力可评价、质量可预测、研发可推理。运用全面质量管理工具，辅助技术人员确保产品质量的稳定性，持续提升产品质量，不断提高顾客满意度和企业竞争力。

以数学模型为基础，通过大数据研究方法形成转炉冶炼过程控制系统的吹炼模型、加料模型和终点控制模型，形成一套转炉智能制造控制及仿真系统软件。控制系统通过流程输出端数据群能够自调整过程控制参数。控制及仿真系统利用过程监控数据具备自学习功能。 研究转炉智能制造技术的过程监控方法，通过炉气成分分析、音频化渣技术、副枪技术或倒炉取样以及下渣检测技术检验和修正模型。 在创新应用激光炉气分析技术的基础上，提高入炉原料供应标准，完善转炉基础数据信息在线检测技术，开发静态和动态智能控制模型、自动出钢技术，实现对转炉冶炼全过程的无干预智能化炼钢。

2009年起，工信部率先在钢铁行业年生产规模300万吨以上的大型企业试点建设了91家企业能源管理中心。从钢铁企业能源管理信息化建设和运行的实际效果看，还存在着一些问题： 1）普遍采用SCADA平台软件、实时数据库软件、关系型数据库软件分层搭建系统，且多为国外软件产品，缺乏统一的、自主知识产权的数据平台软件，难以适应能源大数据管理需求。从SCADA平台到实时数据库，再到关系型数据库，数据被层层筛选和粗化；受限于关系运算和B+树索引特点，关系数据库单表存储记录数达到千万条级别后查询速度显著下降，导致系统查询速度越来越慢；能源计量仪表众多，正常清零、网络故障回零或跳变、网络中断丢数问题时有发生，带来负值、极大值污染能源数据，需要人工修正。 2）没有信息描述模型支撑，能源管理功能直接基于数据库表格、查询逻辑、标签计算公式实现，存在着逻辑碎片化、指标数据落地、功能难以复用问题。吨钢综合能耗、工序能耗等指标需要成千上万个计量数据、产量数据、折标系数经过加减乘除计算后得到，缺乏良好组织的计量数据往往需要通过硬编码的公式一步一步代入计算得到，一般通过Excel表格线下实现。 3）预测调度模型研究较多，但缺乏实用性。能源预测的研究多集中在对发生消耗量、总量的预测上，这种预测受到计量误差影响，很难做到绝对量的准确，也不便于输入到调度模型。同时，调度模型中往往忽略煤气柜、单次调整成本、停机成本、峰谷电价差中的一项或几项，导致实用性不足。 4）国内上百家钢铁企业建设的能管中心系统，多以能源监控、调度和基础能源管理为主，通过信息化实现能源精细化管理，进而获得效益的较少，数据利用普遍不足。 5）计量平衡工作普遍采用公司到分厂、分厂到车间/炉座的两级分摊模式，且多以手工修改分摊数据实现，使得原始计量数据的权威性下降，能耗成本失真，ERP关账周期长，人员劳动强度大。

把所有的炼钢数据和板坯质量信息进行关联，能够更好地提升现场生产和工艺人员的工作效率，集成在内分析辅助工具能够更快速准确地提升分析能力。 以板坯为索引，把炼钢数据和板坯质量信息进行关联，通过板坯号就能够直接获取其各位置对应的生产过程数据、板坯质量信息。并提供统计分析工具，对不同类别、不同质量结果的板坯进行快速分类和分析。

以产品一贯制为主线，以数据挖掘技术为基础，构建面向全体系质量人员使用的，从用户需求识别到用户使用的质量跟踪管理平台。质量管理从结果向过程、从定性向定量，从点线向全面、从人工向自动、从事后向预防转变，显著提升管理水平和效率，加速知识积累传承，有力支撑提升产品质量。 系统按照质量管理的PDCA思想进行构建：在P环节，接收产品质量控制计划（CP），作为过程监控和分析的依据。在D环节构建在线判定、质量信息传递和工艺过程监控与预警等系统，提高过程执行和监控效率。在C环节构建跨工序产品质量交互分析与异常诊断系统，提高质量检查的技术水平，分析结果为CP的优化完善提供信息支撑。在A环节构建全流程工艺产品质量综合评价、可制造性评估等系统。

环保监管形势对企业的生产经营带来了更高的要求。未来钢铁企业不仅要注重生产流程优化和污染物生成的过程控制，更要提前对环境风险进行预测、评价、管控，快速应对环境问题引发社会问题，避免影响企业的正常生产和经营。 系统主要包含基础信息管理、全流程监控、环境监测、环境统计、综合管理、专业管理、业务管理等功能，实现了环保风险在线管控，通过一张“污控地图”，实时反映企业环保管理绩效。

人工智能产业的飞速发展以及人工智能在各个行业的成功应用，传统工厂也渐渐成功跃进至智能工厂。为了满足传统工厂到智能工厂的跃进，以及智能工厂对于生产过程的智能监控需求，智能视频监控系统便孕育而生。智能视频监控系统的技术架构主要包含泛在连接层、智能感知层和可视化层。泛在连接层主要是进行各类不同类型的相机设备、硬盘刻录机设备连接，采集底层视频采集设备的数据信息。智能感知层主要是将采集到的视频数据信息进行实时的智能分析，感知其中所包含的信息，将非结构化的视频数据转换成结构化的数据进行分析并存储。可视化层主要是指智能视频监控系统可支持桌面终端、移动终端以及大屏系统等进行多样性的可视化展示。工厂级其他管理系统以及第三方系统与智能视频监控系统可进行插拔式融合。智能视频监控系统解决了工厂级信息化系统、自动化系统、生产辅助系统中现行存在的“应用烟囱”问题，构建技术框架一致、可弹性扩展、实现泛在连接、“可测可控、可产可管”的横向集成环境。实现工艺技术、自动化技术与信息技术的融合创新。

本项目通过系统分析影响冶金全流程工序界面稳定协调的因素，利用物联网、移动互联等先进信息技术，研究实施钢铁流程工序界面一体化融合技术，实现生产过程中工序间柔性衔接、合理匹配，促进生产流程整体运行的稳定协调和连续化、高效化，从而提高钢铁生产流程的资源效率、能源效率。

本产品集成力学冲击试验机、全自动冷却机、视觉定位、上料机器人、分拣收集装置及信息管理软件等系统，在人工进行批量试样的上料、组批及任务下达后，自动进行试样的降温保温、上料、冲击，完成实验后自动上传试验数据，实现冲击实验室的全自动冲击实验。