如我們所知，機器視覺仍相對的屬于新興技術，尚處于發(fā)展階段。雖然在3C電子、汽車、光伏等領域已有廣泛應用，但由于工況環(huán)境、技術需求等方面的巨大差異，實驗室或流水線上的機器視覺經(jīng)驗并不能直接適用于鋼鐵行業(yè)，已實施的視覺應用還很單一和局限。

為了使機器視覺更好地助力鋼鐵行業(yè)轉型升級，需要發(fā)揮機器視覺技術優(yōu)勢，不斷攻克陌生工況環(huán)境帶來的挑戰(zhàn)。

機器視覺技術在鋼鐵行業(yè)的應用主要目的是配合生產(chǎn)，并助力企業(yè)提高效益。一般來說，視覺技術在鋼鐵行業(yè)的應用可以分為生產(chǎn)過程、質(zhì)檢過程、運輸過程。本文將為大家簡單介紹幾大類下的相關案例。

生產(chǎn)過程鐵礦料生產(chǎn)檢測

鋼鐵產(chǎn)品根本原材料為鐵礦石加工而來的鐵粉，鐵粉生產(chǎn)流程基本上可以分為采礦、粗碎、細碎、粗選、磨礦、精選這些流程。工藝中涉及到顎式破碎機、球磨機、螺旋分級機、磁選機等，最終對尾礦濃縮，輸送精煉。在不同工序輸送流轉過程中，對礦料的尺寸大小把控、是否有異物、傳送帶狀態(tài)等都有監(jiān)測需求。異常尺寸、工具異物、傳送帶撕裂等都會對產(chǎn)線安全造成損害。

左：為鐵礦料原圖  右：為識別結果

利用深度學習識別超過標準尺寸的礦料球，實時控制工藝原材料配比。鐵粉原料多為深黑色，且為不規(guī)則球形，具有反光度低，外形輪廓不明顯的特點，普通算法很難提取到有效特征，無法對表面相似的礦料球進行尺寸區(qū)分。矩視智能低代碼平臺采用AI深度學算法，只需少量圖片樣本，即可對超限礦料球準確捕捉、計數(shù)。從而通過設備通訊實時反饋，改善工藝過程原料配比。與依據(jù)經(jīng)驗判斷的人工監(jiān)測方式相比：機器視覺監(jiān)測具有更強穩(wěn)定性與確定性，且易進行數(shù)據(jù)總結與統(tǒng)計；對于惡劣工況環(huán)境與全時段連續(xù)監(jiān)測來說，機器視覺具有更強的適應性；進而有效預防及減少異常情況給產(chǎn)線帶來的損害與停機檢查導致的時間損失。

質(zhì)檢過程鋼材表面質(zhì)量的檢測

鋼鐵建材種類多且形態(tài)多樣，常見的有鋼板、卷材（如帶鋼、銅帶、鋁箔等）、棒料等。由于生產(chǎn)工藝復雜，所以其表面常會出現(xiàn)結疤、裂紋、劃痕、色斑等缺陷，給生產(chǎn)商帶來不可估量的社會與經(jīng)濟后果，加之人工檢測難度大，傳統(tǒng)的視覺算法很難將這些缺陷與油污、水滴等區(qū)分開，檢測準確率低。因此，鋼材制造商與鋼材使用者都非常重視鋼材表面質(zhì)量的檢測。

以帶鋼為例，帶鋼作為化工、汽車、輕工業(yè)等制造的主要原材料，對帶鋼的成品率、合格率、優(yōu)質(zhì)率都有嚴格的要求，帶鋼的表面質(zhì)量是一項重要的指標，由于原材料的生產(chǎn)過程中會造成各種瑕疵缺陷，通常有劃痕、刮傷、崩邊、孔洞、結疤、凹坑、麻點等表面異常。怎樣實現(xiàn)鋼板表面缺陷的在線檢測與識別已成為急需解決的問題。傳統(tǒng)的機器學習算法通常包含多個步驟，如圖像預處理，分割，特征提取與分類，這其中每個步驟都非常重要，并在最終檢測結果中起著重要作用。矩視智能低代碼平臺深度學習算法中的特征提取步驟能夠使用較少的參數(shù)來獲得有用信息。

考慮到缺陷種類多樣、運動速度快、寬度大、精度要求高等原因，矩視智能采用多個單色線掃相機拼接輔以雙向打光方案。

表面檢測方案及部分缺陷圖片例如可選用N4K-7（Alkeria）線掃相機最高支持95KHz@4096像素，理論可達0.1mm精度@500米/分鐘；光源采用800W高亮線掃光源@2000mm長度。高精度的表面檢測方案不僅可以應對寬度變化、寬度方向偏移、速度突變、縱向抖動等干擾，亦可防止帶鋼斷裂導致的停工，綜合提高鋼板質(zhì)量，防止良莠摻雜引起的產(chǎn)品整體質(zhì)量下降。

運輸過程產(chǎn)品運輸計數(shù)

在產(chǎn)品出廠階段，運輸時往往會對產(chǎn)品進行計數(shù)分裝。在工業(yè)生產(chǎn)中，傳統(tǒng)的計數(shù)設備都是靠機械運轉的方式實現(xiàn)的，這樣的計數(shù)方法需要設備與建材直接接觸，在工作的過程中容易造成表面損壞，速度慢、效率低且噪聲比較大。

矩視智能低代碼平臺突破了傳統(tǒng)計數(shù)設備的瓶頸，計數(shù)時不與被測建材接觸，只需在采集圖像后對需要計數(shù)的建材進行標注和訓練。平臺對圖像及標注內(nèi)容進行處理與分析，即可準確得出實際數(shù)量，從根本上克服了接觸式計數(shù)設備的缺點，提高了計數(shù)速度，滿足生產(chǎn)過程中產(chǎn)品數(shù)字安全控制的需要。

總結與展望

正如上述案例所呈現(xiàn)的，由于傳統(tǒng)工業(yè)的工藝水平較為完善與成熟，對于機器視覺系統(tǒng)的精度、速度反而有著較高要求，加上要適應其特殊的工作環(huán)境，往往需要當下較前沿的光學、 圖像技術或創(chuàng)新性的應用方式。因此，我們可以將鋼鐵行業(yè)對視覺產(chǎn)品的要求做出一些總結和設想：● 防護等級，需要采用具有IP6X等級的相機，或額外配備相機防護罩；● 溫度控制，良好的散熱性及寬溫適應性；● 數(shù)據(jù)傳輸，長距離高速傳輸，光纖線纜可能是最終方式；● 同步采集，與產(chǎn)線速度高精度同步，多相機系統(tǒng)同步、視野拼接；● 深度學習，用于表面缺陷檢測，不規(guī)則產(chǎn)品定位識別等；● 通信互聯(lián)，可與工廠設備互聯(lián)通訊，可訪問與上傳數(shù)據(jù)庫。機器視覺技術在鋼鐵行業(yè)及周邊產(chǎn)業(yè)中仍有許多應用場景可以大展身手或等待發(fā)掘，如運輸車輛檢測、視覺引導機器人搬運、產(chǎn)線巡查、設備運行監(jiān)控、鋼板焊接、切割等。矩視智能低代碼平臺也將不斷為鋼鐵行業(yè)提供優(yōu)質(zhì)的機器視覺方案與產(chǎn)品。