不锈冷轧带钢表面质量判定系统的开发与应用

杨永杰， 李鹏飞

（1.太原钢铁（集团）有限公司先进不锈钢材料国家重点实验室， 山西 太原 030003；2.山西太钢不锈钢股份有限公司技术中心， 山西 太原 030003）

随着工业技术的发展，钢企的产能逐渐扩大。伴随着多工序串联集成，质量控制点的大幅增加，使得生产制造过程愈加复杂。在进行质量检验时，随着产品产量的增加，单卷作业的时间越来越短，然而作业量越来越大。加之检验要求渐多，即使配备检测设备且辅助人工检验，也不能满足企业品控的所有要求，质量检验智能化升级、改革的需求迫在眉睫。

表面检测是对不锈钢表面质量判定的直接度量，但由于产业化的不断提升，钢卷过线速度也大幅提升，因此仅凭质检员裸眼判定，无法满足不锈钢表面检验的需求。表面检测仪的应用，缓解了质检员的工作压力，但其仅能记录缺陷信息，无法依据这些信息对钢卷进行综合判定。因此需要利用自动化分析系统，并依据表面检测结果，对钢卷表面质量进行综合判定。

1 基础系统服务

1.1 服务系统规划

不锈钢表面检测结果综合分析系统基于Linux系统搭建，使用Spring 做WEB 框架、Mybatis 访问MySQL 做数据持久化、Shiro 做权限管理、使用RESTful 风格WebService 服务、Lucene 做搜索引擎、Quartz 做定时调度、BootStrap+HTML5 做前端页面，支持PC、Android、IOS 端的访问，此系统可移植至HADOOP 大数据集群服务器上，具有可扩展性。

本系统包含静态数据库、动态信息平台、大数据调度中心。动态信息平台主要为质量管理提供服务；大数据调度中心负责协调完成各种数据分析，同时提供面向其他数据平台访问的接口；静态数据库通过调度中心进行产品特征分类识别，如缺陷识别、模糊查询等；动态信息库通过调度中心进行大数据分析，如缺陷汇总、分析等。

1.2 服务系统模型

依据上层服务需求和底层插件，规划整个系统体系如图1 所示。

图1 评价系统规划图

2 系统管理展示

系统登录后分为表检数据分析模块以及相应的子模块，如图2 所示。

图2 登陆模块与表检数据分析模块

根据系统规划，表检数据分析包含四大子模块，具体为表检报告（数据汇总图示）、夹杂管理、划伤管理（两个子缺陷管理模块）、评价体系（评价系统跟新模块）。

2.1 表检报告模块

表检报告模块包括神经网络评价系统和规则评价系统。

2.1.1 神经网络评价系统

按钢卷的上、下表面统计每米缺陷个数，分1处—9 处、9 处以上，共10 个参数。运用此20 组数据作为神经网络输入参数，中间层共26 层，输出1 个参数，即等级判定0～100 级[1-3]，如图3 所示。

图3 神经网络评价系统

任一神经元的输出为输入分量的加权和，即中间层与输出层中任一神经元的输入等于与它相邻的前一层神经元输出的加权和。假设某一层中任一神经元j 的输入为Tj，输出为Oj，与该层相邻的前一层中任一神经元的输出为Oi，则有：式中：N 表示输入模的数量；p 为1～N 种模式中的一种；k 为指定的输出模。

设定废品为100 级，正常表面为0 级。随机选取已有1 000 卷409 钢按照表检记录情况进行人工判定打分，打分范围0～100 级。最后将这些已有的数据输入程序中，使神经网络进行自动学习，优化得到权重矩阵wji，误差即方差E，为10 级。

图4 为2017 年4 月份2 号连轧产线、300 系钢种、按日统计、统计夹杂缺陷、打分值（神经网络评价系统给出）的走势图。

图4 神经网络评价走势

2.1.2 规则评价系统

依据缺陷的长度、面积、每米个数分区间进行评分，再通过这些属性的加权平均分得出此缺陷的分值，最后取各缺陷的加权平均分得出此钢卷的综合评分[4-5]。详细评价系统如表1 所示。

表1 规则评价系统

表1 中的数据均取自产线优化值，例如：1 500 代表上限不会超过1 500；综合判定100 代表分值上限为100。

评价体系对每一种缺陷详细的评价内容均进行记录，并可以通过修改评价体系的每一条信息来更新每一卷缺陷的判定值，使得体系更加合理地表达出对此卷质量的判定，其中表1 中的评价系统显示在登录后评价体系模块中，可以方便地进行浏览、添加、修改与删除操作。

图5 为2017 年4 月份2 号连轧产线、300 系钢种、按日统计、统计夹杂缺陷、判定值（缺陷打分评价系统给出）的走势图。

图5 缺陷打分评价走势

从图4、图5 可以看出，两套系统评价趋势非常一致。

2.2 夹杂管理模块

根据每一卷回传回来的数据，系统自动对其进行统计分析并入库，科研人员与质检人员可浏览的数据内容包括日期、卡号、产线、钢种、打分值（神经网络评价给出）、判定值（缺陷评价系统给出）、上表夹杂个数、下表夹杂个数、上表夹杂图谱、下表夹杂图谱、上表夹杂长度分布图、下表夹杂长度分布图、上表夹杂面积分布图以及下表夹杂面积分布图。

2.3 划伤管理模块

根据每一卷回传回来的数据，系统自动对其进行统计分析并入库，科研人员与质检人员可浏览的数据内容包括日期、卡号、产线、钢种、打分值（神经网络评价给出）、判定值（缺陷评价系统给出）、上表划伤个数、下表划伤个数、上表划伤图谱、下表划伤图谱、上表划伤长度分布图、下表划伤长度分布图、上表划伤面积分布图、下表划伤面积分布图。

2.4 评价准确性比较

2.4.1 神经网络评价系统

使用优化得到的权重矩阵对AA001 夹杂缺陷严重与AA002 夹杂缺陷较轻的卷钢进行神经网络评价，AA001 卷打分2 分，分值低、缺陷重；AA002 打分85 分，分值高、缺陷轻。由此可以看出，神经网络系统可以区分出夹杂缺陷重与轻的钢卷。神经网络评价对缺陷的识别评定非常敏锐，非常适合给科研人员对本钢卷缺陷程度进行一个直观的评价，即AA002 不锈钢卷85 分，明显好于AA001 卷2 分。

2.4.2 规则评价系统

使用规则评价体系对AA001 夹杂缺陷严重与AA002 夹杂缺陷较轻的卷钢进行判定，AA001 卷打分35 分，分值低、缺陷重；AA002 打分90 分，分值高、缺陷轻。缺陷打分评价系统可对本钢卷的缺陷程度给质检人员提供一个系统的评价，是钢卷的一个综合评定方式，即AA002 不锈钢卷90 分，好于AA001 卷35分，非常适合用于钢卷出厂的综合评定。

2.4.3 两套评价系统数据统计对比

以夹杂缺陷为例，2017 年1 月—5 月，1 号连轧产线与2 号连轧产线共判夹杂不合141 卷，上传至平台121 卷，具体打分情况如表2 所示。

表2 神经网络打分与判定系统打分比较

由表2 统计可知，通过神经网络打分得到60 分以下占比为97%，判定系统打分所得60 分以下占比为96%。神经网络与判定系统打分均可准确识别出夹杂不合卷。

3 结论

1）不锈冷轧带钢表面质量判定系统基于Linux系统搭建，使用Spring 做WEB 框架、Mybatis 访问MySQL 做数据持久化、Shiro 做权限管理、使用RESTful 风格WebService 服务、Lucene 做搜索引擎、Quartz 做定时调度、BootStrap+HTML5 做前端页面，支持PC、Android、IOS 端的访问，此系统可移植至HADOOP 大数据集群服务器上，具有可扩展性。

2）系统包含静态数据库、动态信息平台、大数据调度中心。动态信息平台主要为质量管理提供服务；大数据调度中心负责协调完成各种数据分析，同时提供面向其他数据平台访问的接口；静态数据库通过调度中心进行产品特征分类识别；动态信息库通过调度中心进行大数据分析。

3）神经网络与判定系统，两套打分均可准确识别出夹杂不合卷。