基于深度学习的图像板形检测方法研究

徐扬欢1, 2，王东城3，刘宏民3，党丽莹1，刘云飞2，杨爱民4（1.华北理工大学机械工程学院；2.中国重型机械研究院股份公司；3.燕山大学国家冷轧板带装备及工艺工程技术研究中心；4.华北理工大学理学院）

摘要：智能制造是钢铁行业转型升级的关键方向，过程参数与产品质量的精准数字感知是基础与重点。板形是带材的重要质量指标之一，板形在线检测技术是生产高级精品带材的必然选择。目前国内板形仪配备率低，进口设备成本高昂，多数企业仍依赖人工判断，质量稳定性与智能化水平不足。为此，需要对板形检测机理进行创新研究，旨在保证检测精度的条件下，降低检测设备成本，提升检测技术的通用性。目前，新形式的机器视觉理论与技术(深度学习)取得了快速发展，采用机器视觉技术实现板形检测具有理论可行性，也是一种必然趋势。为研究基于机器视觉的冷轧带材板形检测方法，通过一系列理论和技术创新，建立了多层次的智能模型，实现了带材位置区域检测、图像板形(图像)及应变板形(应变)深度表征、表征因子定量映射，最终实现了图像板形至应变板形之间的精准映射。研究结果为推进板形检测技术智能化的落地提供了思路和具体方案，有助于行业实现转型升级。

关键词：冷轧带材；图像板形；应变板形；深度学习；机器视觉；智能检测