通过对国内近百条中厚板生产线的工艺技术装备现状研究发现，产线普遍在关键工艺质量参数感知、多工序协调优化方面，长期面临如下突出问题： 1、生产过程中轧制、剪切等工序的自动化达到较高水平，但是各工序控制系统相对孤立，尚未形成联动，部分工序缺失关键质量参数，不能基于反馈进行动态优化控制，机理模型的预测和控制精度低，严重影响产品质量、生产效率和成材率的提升； 2、缺少钢板轮廓识别和板形检测关键大型仪表，导致轧后钢板头尾形貌、轮廓和板形等关键质量参数难以在线精准识别，仍以人工方式线下测量，无法与轧制过程形成在线反馈控制，难以通过在线工艺优化来保证最终产品质量； 3、依靠人工经验的传统组板系统订单匹配度低、精准剪切控制能力偏低，无法根据钢板实时轮廓信息优化组板策略导致组板余材过多，影响生产效率和成材率。剪切工序也无法根据实时轮廓形状优化剪切策略。此外，剪切工序与轧制过程、组坯过程除基础的产品信息交互之外，无其它过程质量数据交互，迫切需要将轧后钢板实际轮廓形状与订单合同进行实时动态匹配，急需开发面向多目标约束的优化剪切和动态组板策略，以实现减少切损的同时提高订单的匹配度。 针对宽厚板制造领域内过程精准控制科学问题和相关技术瓶颈，2010年由山钢与东北大学等单位组建联合研发团队，在国家十三五重点研发计划《基于CPS架构的多工序协调优化与质量精准控制及应用示范》（2017YFB0304103）项目和山东省《宽厚板智能轧制数字化车间是的试点示范》项目的支撑下，依托山东省山钢王国栋院士工作站科研平台，深入推进开展产学研合作和协同创新，发挥高校基础研究理论创新优势与企业产工程技术优势，联合开展本项目关键共性技术的科研攻关工作。

中厚板钢板是钢铁工业的重要产品之一，主要用于航空航天、桥梁建造、汽车制造以及国防装备等领域。在轧制过程中，与冷轧薄板相比，中厚板需要采用热轧工艺，轧制温度更高、环境也更加恶劣，国内外尚无成功的热轧钢板表面在线无损检测的成功案例，其主要原因是面临以下难题： 1、热轧环境下钢板表面容易产生雾化效果，并且光线传播容易变形，利用摄像头进行采集的时候容易发生光线偏移，造成图像变形或者影响图像的整体质量，增加图像中的噪声。 2、受环境、光照、生产工艺和噪声等多重因素影响，检测系统的信噪比一般较低，微弱信号难以检出或不能与噪声有效区分。如何构建稳定、可靠、精准的检测系统，以适应光照变化、噪声以及其他外界不良环境的干扰，是要解决的问题之一。 3、由于检测对象多样、表面缺陷种类繁多、形态多样、背景复杂，对于众多缺陷类型产生的机理以及其外在表现形式之间的关系尚不明确，致使对缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目标分割困难；同时，很难找到“标准”图像作为参照，这给缺陷的检测和分类带来困难，造成识别率尚有待提高。 4、从机器视觉表面检测的准确性方面来看，尽管一系列优秀的算法不断出现，但在实际应用中准确率仍然与满足实际应用的需求尚有一定差距，如何解决准确识别与模糊特征之间、实时性与准确性之间的矛盾仍然是目前的难点。

采用基于机器视觉的测量方案，能够实现镰刀弯、翘扣头等非对称特征量的实时检测，效率高，安装简单，能够适用于各种安装环境，此外具有自主知识产权的玻璃折射成像模型、标定技术使得在热轧环境下具有更高的检测精度，满足现场检测需求。基于金属三维流动特性的板坯变形模型为基础，结合模糊预测模型、神经网络模型，使得镰刀弯、翘扣头缺陷的控制具有更高的精度，并具备自适应能力，满足各种工况条件下的镰刀弯、翘扣头缺陷控制。相关技术申请发明专利6项，具有自主知识产权，并成果应用于国内大型钢铁企业。

该技术是热轧生产最终实现自动轧钢的关键支撑技术之一，基于目前热轧生产的仪表配置及监测盲点，立足于关键质量控制指标，自主开发了基于机器视觉的跑偏测控技术，填补了目前精轧机组机架间没有带钢位置检测仪表的空白，而检测结果通过自主开发的调平计算模型实现了在线控制，大大降低了操作人员的工作强度，提高了控制精度。该技术的应用，在热连轧产线极具示范效应，具备国内一流的技术水平，在国际上也处于领先地位。

钢铁工业产品线中热连轧、中厚板、连铸坯、棒材、冷轧板带等生产线具有复杂性、多变性等特点，其产品的质量好坏直接影响到生产 效率和企业效益。针对这种高温、高速、人工检测效率极低、工人强度大安全性难移保证等众多关键问题，我们开发钢铁工业非接触的、高速、高精度在线质量检测关键技术具有非常重要的现实意义。 该技术给出了基于机器视觉的高温高速成像，复杂背景缺陷库及模型建立，并行计算系统等关键技术的成套钢铁工业视觉检测方案，通过工业摄像机获取到的大量钢板图像数据，经过并行计算机系统综合计算、分析，使用深度学习卷积神经网络方法建立缺陷数据识别模型，这样在生产过程中若再次出现同类缺陷类型时实现将同类缺陷抓拍并检测识别出来，从而实现质量自动分析及缺陷报警。 应用该技术可以对钢铁工业板带钢生产减少废品率，减少开卷次数，减少翻板次数，降低工人劳动强度，改善工人质检作业环境，实现在线质量检测的同时可整体提高产线生产效率。从实际应用上看，可大幅度减少由于批量质量问题产生的损失，该技术已推广到多个热连轧、中厚板、连铸坯、棒材、退火酸洗等生产线应用，据有些客户热轧、中厚板钢厂使用该技术后实际数据对比可知，每年整体产生1000万以上的价值。

中厚板生产过程中，板坯的头尾部及侧面会由于一系列的因素而发生较为严重的塑性变形，使得轧制成品的平面形状偏离矩形形状，需要后续的精整以及剪切工序使其满足订单所需的规格。而现今钢板轮廓检测方法，大多苦于现场环境复杂，噪声污染严重，导致检测精度不高。因此，基于机器视觉的中厚板轮廓精准识别成为提高中厚板剪切效率、降低剪切损耗的有效手段和必选方案。 本系统将给出基于机器视觉的中厚板形状检测系统硬件配置与软件功能总体方案，建立中厚板图像轮廓采集系统的架构，开发大尺寸运动目标采集模型、结合中厚板厚度变化的相机动态标定及畸变矫正模型以及多尺度噪声融合情况下的中厚板轮廓识别模型等一系列高精度检测模型，可以精准检测到中厚板的轮廓特征，为后续剪切提供数据指导。 基于机器视觉中厚板轮廓检测系统具有很高的检测精度，宽度检测指标±3mm，长度检测指标±20mm（40m），可极大程度降低剪切后长度不足以及问题板的比例。该项技术不仅是中厚板企业和市场的需要，也是摆脱国外厂商在机器视觉检测技术方面垄断的需求。相比传统中厚板检测及剪切方案，可大幅度提高剪切智能化水平，有效降低劳动强度，为中厚板生产线降本提质增效奠定良好基础。现已推广应用至某4300mm宽厚板生产线，预计年度创效约380万元。

本项目是大型钢铁企业、科研院所、检测机构等急需的产品。为了实现钢铁材料的高质量发展，通过对钢材尺寸、表面缺陷等进行在线检测识别，可以提高生产效率、降低废品率并降低劳动强度。本项目研究基于机器视觉的钢材尺寸、表面缺陷等在线检测识别技术与装备，包含以下四项技术：金属材料尺寸和外形在线综合检测仪；基于机器视觉技术的热轧高速线材表面质量在线检测仪；基于机器视觉技术的铁磁性金属表面微小裂纹在线检测和标识仪；热轧板带边部无定向边部链式毛刺检测技术