|
表面质量是钢铁产品质量的核心指标，但传统热轧表检缺陷识别存在准确率低、模型迭代不及时等痛点。为应对产线节奏快、缺陷数据量大等挑战，宝钢股份数据AI部联合湛江钢铁运营改善部、热轧厂，协同宝信软件成立专项团队。 宝钢人，困难面前不低头，挑战面前敢亮剑！他们立志要在这片钢铁“湛场”上闯出一片AI新天地。 
在短短的6个月内完成需求分析、模型开发到上线应用，基于宝钢股份私有云平台与华为CV大模型，实现热轧表面缺陷识别逐步由CV大模型替代传统表面检测模型。这是华为大模型在沪外基地的首个泛化应用案例，也是AI技术赋能钢铁制造的里程碑。 数据标注优化，从50%到83%的跨越 团队成员回忆起项目历程，感慨万千，回顾项目历程并非一帆风顺，他们在第一阶段就遇到了棘手难题。最初，专项团队收集了3000张图片进行训练，初期模型准确率仅有50%左右，距离90%的目标犹如天堑。 
模型训练需要将缺陷进行分类、标注、训练、效果验证、模型再优化过程，每次训练需要三人通力合作花费十五小时完成，需持之以恒不断摸索来提升模型准确率。 “困难像弹簧，你弱它就强！”面对困境，团队成员没有丝毫退缩。他们一次次围坐在一起，展开激烈的头脑风暴，大胆假设、小心求证。最终，利用精细化数据治理破局，利用三个月的时间，筛选超5万张原始图片，细分29类缺陷，每类样本量超500张。同时，按缺陷按严重程度进行细分均衡。 在模型训练过程中，他们发现错误标注就像一颗“定时炸弹”，会引发大量过检、漏检问题。讨论会上大家纷纷表示，“办法总比困难多，一定能找到规范标注的方法！”于是他们积极探索，制定了7项标注规范，完成1.8万张高质量标注，模型准确率跃升至83%，为后续的研发工作奠定了坚实的基础。 模型训练 边用边学的智慧 在现场测试中，模型出现缺陷大量过检问题。为解决模型准确性，专项团队一个个目光坚定地说，自我提气，“AI也是人创造的，肯定能找到更好的办法。”团队成员认真分析，探索出可以通过发挥CV模型“边用边学”的优势，持续优化模型，并结合规则引擎二次校验，来确保模型精度与稳定性。 
团队成员们利用华为CV大模型将识别错误的缺陷，重新按正确的缺陷类别进行修正标注、训练迭代。 
每一次迭代，都是一次挑战；每一次修正，都是一次进步。通过27轮迭代修正错误标注，结合带钢规格、去向规则综合判定，准确率从83%提升至95%，实现模型与生产场景的高度适配，让模型能够不断适应生产过程中的变化，为热轧云表检上线提供了有力保障。 时延攻坚，从5分钟到2分钟的突破 热轧厂生产线上，每2分钟生产1卷带钢，可模型从识别到判定结束需要至少5分钟，模型识别跟不上轧制节奏，导致无法上线应用。在联调期间，专项团队面对模型上线后推理速度滞后于产线节奏的难题，团队中的专家们纷纷在各自专业领域和对凭借机组的理解，提出了改善方案和计策。 
针对热轧生产线的实时性要求，团队成员不仅通过优化网络“黑科技”，大幅提高了云表检AI系统的整体响应效率。同时，优化数据链路，通过分段处理和优化算法，成功突破了检测时延的难题。 
最终，以43天全流程攻关集中突破，时延符合率从17%提升至99%，系统负荷率降低65%。 1月14日，湛江钢铁热轧厂2250产线云表检项目成功上线，实现安全性、稳定性、时延性、准确性全面达标，15天后成功拓展至1780产线并稳定运行。 
云表检项目的成功，得益于团队的高效协同，更得益于宝钢人敢为人先、勇于创新的精神。未来，将以项目为载体，培养更多数智人才，为AI深度应用储备核心力量，进一步提升数智人才在模型深度开发、现场场景建模、参数迭代调优等方面的自主开发能力，推动AI技术与生产深度融合，为钢铁行业数智化转型贡献更多AI方案。 
宝钢股份湛江钢铁，将以项目为载体，培养更多数智人才，为AI深度应用储备核心力量，提升其在模型深度开发，现场场景建模、参数迭代调优等方面的，自主开发能力，推动AI技术与生产深度融合，为钢铁行业数智化转型贡献更多AI方案 |
