热轧作为钢铁生产流程的重要环节，具有高频、强耦合、非线性等特点，温度、相变、应力相伴相生。经历工业3.0后，热轧技术在主线自动化程度、品种规格、产品质量、信息融通等方面取得了长足的进步，但仍然存在如下亟待解决的问题：库区、磨辊间、能源介质、质检等非主线单元存在着大量的人工操作，劳动生产率低下；加热能力、轧线节奏、多区域调度、生产顺行等问题影响产能释放，高效生产需求迫切；以板形、表面、轧破甩尾为代表的质量和生产稳定性长期困扰热轧企业，控制模型精度、设备状态、关键检测缺失、监控不完善、人工干预多等是主要原因；缺乏工厂级成本管理系统，能耗到卷（或板、管、棒等）、成本到卷无法实现，做不到精细成本控制；自动化、信息化已逐步完善，但许多和设备、人员、物料、能源等密切相关的数字化工作尚在起步；上下游工序、工厂业务之间缺乏物质流、信息流、能量流协同机制，工作效率低下，标准实施和固化困难，决策靠人。 热轧面临的如上问题大多是多因素或多目标问题，需要从全局加以考虑，现有的多级计算机系统构架具有局限性，热轧智能工厂建设则为解决如上问题提供了契机。本项目提出一种以问题为导向的热轧“双智控”智能工厂构架方案，以短板补齐、智能检测、工业互联网平台等为支撑，以关键绩效指标为牵引，从操维集约和业务协同两个方面出发，借助精准感知、数字孪生、工艺驱动、智能算法等手段，追求产线极度自动化和业务高效协同化。热轧智能工厂的建设实现物质流、能量流、信息流互联互通，并完成生产过程中大尺度的全局优化和资源配置，可推动真正意义上的热轧工厂技术变革。

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。