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。

针对上述传统质量检测方法的问题，开发能够实现中厚板表面质量在线检测检测手段势在必行，成为生产中亟待解决的问题、意义重大。 （1）采用基于非接触的 CCD 成像原理，实现在线抓捕高温表面钢板的图像,解决复杂环境下高对比度、高清晰的成像。 （2）开发实时高效的在线检测及在线分析技术。中板厂生产节奏快，快的时候不到 2 分钟一块钢板就轧制完成。所以表面检测系统必须是在生产时快速成像、快速处理图像，在下一块钢板到达矫直机之前快速形成检测结果提供给操作工，需要极快的处理速度 （3）根据中厚板表面复杂的特殊情况，建立高准确度的缺陷识别模型。中厚板水、氧化铁皮等造成表面非常复杂，需开发准确度高的缺陷识别模型，才能实现在线缺陷识别。

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。

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。

酸洗模型由酸浓度在线检测系统、冷轧带钢表面质量在线检测系统和酸洗工艺段智能系统三部分组成。酸洗模型主要应用与冷轧领域，其中所使用的人工神经网络、遗传算法、数据挖掘和计算机视觉等可拓展应用到冶金信息化多个领域。

带钢冷轧机大多为四辊或六辊轧机，其板形调控装置或手段有：倾斜轧辊、弯曲轧辊（液压弯辊）、横移轧辊（轴向窜辊）、分段冷却轧辊等。装备板形测控系统的作用目的，就是要科学充分发挥这些调控装置的作用，提高板形质量，将工人和工程师从复杂繁重的体力和脑力劳动中解放出来，实现板形检测和控制的自动化和智能化。板形测控系统由板形检测系统（板形仪）和板形控制系统组成。板形仪由板形检测辊、板形信号传输装置、板形信号处理计算机组成。板形控制系统由控制计算机、可编程控制器、板形调控装置组成。本项目板形测控系统的技术原理就是，通过安装在轧机出口或入口侧的板形仪实时检测在线板形，通过板形控制系统实时控制在线板形。

成分在线检测系统，提供混合料的在线成分分析结果，配料系统根据在线成分分析结果与生产控制目标的差值，计算并向控制系统提供下料调整指令，通过闭环控制，最终使成分波动减小。配料系统分粗调与细调两个环节，前者为前馈，后者为反馈，系统根据计算的应加量，通过控制变频器或皮带秤的方式，改变加入量进行粗调，根据成分在线检测系统的检测值进行细调。

以压水堆核电站关键结构材料和焊接部件的主要失效形式为重点，研究现役和在建核电站国产材料在模拟核电高温高压水环境中微纳米尺度缺陷的损伤演化规律，并与国外材料对比。重点研究环境/力学/材料成分与微观结构对高温电化学的热力学、动力学的影响规律；研究材料微纳米尺度缺陷的腐蚀到应力腐蚀裂纹萌生的演化规律；研究裂尖纳米尺度的化学/结构/力学特征及其扩展机制；通过第一原理计算研究合金元素和残余应力对辐照导致元素团簇形成的影响，用辐照结合小试样试验研究析出原子团簇的交互作用及其与脆性转变温度的关系；研究材料/温度/水化学/载荷/位移/频率等多因素交互作用下的微动磨损行为；研究依据电化学方法的监检测系统，实现电化学探头长期可靠性和微纳级上的早期/无损/在线腐蚀损伤监检测；研究依据损伤机理的寿命预测模型和安全评估方法。在环境因素与材料交互作用的非线性耦合理论、材料在环境中损伤演化的微细观理论、材料环境行为的模型与寿命预测理论三个关键科学问题上有所突破。形成与基础理论紧密联系的若干关键技术基础和两项示范性技术—监检测与寿命评估，为材料国产化和科学使用、建立材料安全使用的评价准则和寿命预测提供基础数据和判据。

随着烧结机的大型化日益发展，对烧结生产过程控制，特别是全流程的过程控制需求越来越多。目前，国外发达工业国家的烧结生产基本上实现了全过程智能自动控制。国内应用烧结智能控制系统情况，总体看分为引进技术和自主研发两种。对引进技术普遍存在功能不能完全使用，连续投运率差，其主要原因是国外控制系统功能不尽适用国内生产实际，以及国内设备、环境、经营理念等因素所致。自主研发的同类型控制系统主要存在以下问题：传统的检测系统设计造成测量不准确，控制精度低，不稳定；未能有效克服烧结系统的大滞后特性，实时性差；手动控制多，需要大量人工干预。因此，国内需要一种适合我国国情的全流程的综合自动控制系统以满足烧结现代化生产的需求。 此项目中将烧结全流程综合自动控制系统分为6个一级模型和5个二级模型共11个模型，一级为基础自动化控制系统，唐钢南区360m2烧结机的控制系统由AB公司的Logix5000系列产品组成，在实现设备顺序控制和常用检测功能基础上进行改造，增加温度、水分率、流量、密度等检测仪表以及调节阀等调节执行设备，开发新的控制软件。新增二级烧结智能控制系统，二级系统采用客户端/服务器模式。由一台服务器和两台客户机、一台打印机组成并通过100M交换机组成以太网络，与一级系统的通讯通过PLC网关实现。 一级控制模型包括烧结混合料料量控制模型、返矿控制模型、混合料水分控制模型、燃料控制模型、烧结混合料布料控制模型、烧结混合料点火控制模型。二级模型包括基本配料模型、动态配料控制模型、烧透偏差控制模型、烧透位置控制模型、生产报表和趋势图数据管理。