AI表面质量检测系统在冷轧的应用

在冷轧出口卷取前部署视觉 AI 检缺陷分系统，实现镀锌与连退机组多类表面缺陷的实时报警与追溯，降低漏检率与质检劳动强度。

传统人工抽检存在视野盲区与疲劳漏检风险；进口机组检镜系统规则固化、难以适应新品种。项目采用国产 GPU 推理栈与可编排流水线，保证产线侧毫秒级闭环。

本文聚焦工程落地与运营机制，模型网络结构选型见项目结题附件。

一、系统架构与数据流

多工位相机覆盖带头带尾与稳态全宽；图像经边缘节点预处理后上送中心推理集群，结果与卷号、钢种、速度及切边参数绑定写入时序库。

与 MES 双向交互：下发生产订单与规格；上送缺陷框、级联标签与建议处置码。支持工艺工程师在 Web 端做误报标注回灌训练。

建立「金样本—争议样本—难样本」三级库；每季度滚动发布基线模型与灰度策略。关键缺陷（穿孔、夹杂、镀层脱落等）召回率纳入质量红线考核。

一年内完成三轮增量训练与专项降误报；产线质检节拍与返修率同步改善，客户端外观投诉显著下降。

油污、蒸汽与振动对成像影响显著，需与设备润滑、排烟与辊系维护建立联动工单；否则单点算法难以兜底。

知识产权与数据出境遵从企业安全规范；训练数据不出域，推理日志留存周期按信息安全策略配置。