深度学习在钢铁质量智能检测与缺陷诊断中的应用

循宝 权(中冶赛迪上海工程技术有限公司，中国)

摘要

针对传统钢铁质量检测效率低、主观性强、内部缺陷量化难等问题，本研究探索深度学习在该领域的应用路径。首先，构建覆盖连铸、热轧、冷轧全环节的数据集，含8类缺陷3.2万张图像及18维时序工艺数据，标注准确率98.5%。其次，设计二类核心模型：轻量化YOLOv8表面缺陷检测模型（mAP 94.2%、速度28FPS）、3D CNN-U-Net内部缺陷分割模型（面积计算误差＜3%）。研究解决了钢铁检测实时性、缺陷量化、质量预测难题，为钢铁行业从“经验驱动”向“数据驱动”转型提供技术支撑。

关键词

深度学习；智能检测；缺陷诊断

参考

李新创.智能制造助力钢铁工业转型升级[J].中国冶金,2017(02)

李欢;莫欣岳. “互联网+”时代下智能制造技术在我国钢铁行业的应用[J]. 世界科技研究与发展,2017(01)

刘文仲.中国轧钢自动化现状及实现轧钢智能化的思考[J]. 冶金自动化,2016(06)

DOI: http://dx.doi.org/10.12345/gcjsygl.v9i15.31418