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。