如我們所知，機器視覺仍相對的屬于新興技術(shù)，尚處于發(fā)展階段。雖然在3C電子、汽車、光伏等領(lǐng)域已有廣泛應(yīng)用，但由于工況環(huán)境、技術(shù)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(yīng)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(zhuǎn)型升級，需要發(fā)揮機器視覺技術(shù)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(shù)在鋼鐵行業(yè)的應(yīng)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(shù)在鋼鐵行業(yè)的應(yīng)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(guān)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(zhuǎn)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(jié)果

利用深度學(xué)習(xí)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(xué)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(shè)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(jié)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(yīng)性；進而有效預(yù)防及減少異常情況給產(chǎn)線帶來的損害與停機檢查導(dǎo)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(fù)雜，所以其表面常會出現(xiàn)結(jié)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(jié)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(xué)習(xí)算法通常包含多個步驟，如圖像預(yù)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(jié)果中起著重要作用。矩視智能低代碼平臺深度學(xué)習(xí)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(yīng)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(dǎo)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(shè)備都是靠機械運轉(zhuǎn)的方式實現(xiàn)的，這樣的計數(shù)方法需要設(shè)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(shè)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(xùn)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(shè)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(jié)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(yīng)其特殊的工作環(huán)境，往往需要當(dāng)下較前沿的光學(xué)、 圖像技術(shù)或創(chuàng)新性的應(yīng)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(jié)和設(shè)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(yīng)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(xué)習(xí)，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(shè)備互聯(lián)通訊，可訪問與上傳數(shù)據(jù)庫。機器視覺技術(shù)在鋼鐵行業(yè)及周邊產(chǎn)業(yè)中仍有許多應(yīng)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(dǎo)機器人搬運、產(chǎn)線巡查、設(shè)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。