孫友昭¹,王曉晨¹,楊 荃¹,徐言東¹,徐 冬¹,何海楠¹,劉 洋¹,肖 雄²，吳坤鵬²,樊怡冰¹

(1.北京科技大學國家板帶生產先進裝備工程技術研究中心,北京 100083;

2.北京科技大學高效軋制與智能制造國家工程研究中心,北京 100083)

摘 要:依托基于先進檢測與智能裝備支撐的少人/無人化操維集控,以及基于工業互聯網平臺的多業務協同數字化業務管控,形成了“雙智控”的軋鋼智能工廠建設架構。然而,在研究與應用領域,對于智能裝備的概念,并沒有建立起清晰明確的定位認識。結合具體的技術模塊描述與案例介紹,探討了智能裝備對智能工廠的作用效果與價值體現。首先,通過依托全流程表面檢測的表面質量數字化管控、融合“平臺+裝備+視頻 AI+跟蹤”的物料逐支跟蹤、原料庫與加熱爐區域坯料檢測與異常識別校核、智能化視覺檢測裝備輔助運維管理等案例,提出了先進檢測增強感知支撐數字化業務管控的智能裝備建設模式;其次,通過介紹多類工業機器人應用、熱軋運行非對稱檢測與自動糾偏控制、中厚板軋機自動轉鋼、加熱爐智能改造和直接軋制技術,展示了建設主生產流程設備控制系統協同的“測控一體化智能裝備”,提升產品質量穩定性與生產自動化水平的發展趨勢;還有,介紹了長材平面智能無人庫技術、棒材軋后區域少人化技術,提出了針對缺乏自動控制、人工操作密集且工作環境惡劣的區域,通過多類型智能裝備應用,實現生產效率、成材率等關鍵運行指標提升的發展模式。最后,展望了智能裝備的發展趨勢,即與主生產設備、關鍵質量控制更加緊密融合,實現面向高效化、高質化生產的“智能軋機”,并支撐數字化業務管控應用的完善,推動雙智控“智能鋼廠”建設水平的持續提升。

關鍵詞:軋鋼產線;先進檢測;智能裝備;工業機器人;無人天車;智能工廠

在當前鋼鐵行業轉型升級的新發展階段,新質生產力的提出為行業構建高質量發展格局提供了明確的引領方向^[1]。特別是人工智能、新能源以及新一代信息技術等前沿科技,作為新質生產力的核心要素,正逐步深入鋼鐵行業的各個領域,為其注入強大的發展活力^[2]。軋鋼產線智能裝備作為新興技術的有機集合體,不僅體現了鋼鐵行業的原創性和創新性,更在多個生產企業中實現了落地應用。

基于先進檢測與智能裝備支撐的少人/無人化操維集控,以及基于工業互聯網平臺的多業務協同數字化業務管控,作為軋鋼智能工廠建設的兩只抓手,支撐“雙智控”的軋鋼智能工廠 建設架構的形成,涌現出馬鋼/凌鋼熱連軋、南鋼寬厚板鋼軋一體化、承德建龍 258/大冶特鋼 460/黑龍江建龍無縫鋼管、新疆眾和鋁箔等一批優秀案例,推動了軋鋼工廠向著智能工廠的 技術與生產組織模式變革^[3-6]。

其中,智能裝備是實現“雙智控”軋鋼智能工廠的基礎,在精準化、數字化、智能化轉型中發揮出極為關鍵的作用。然而,在學術界與產業界,對于智能裝備的概念,并沒有形成清晰明確的定位認識。

本文將結合具體的技術模塊描述與案例介紹,通過先進檢測增強感知支撐數字業務管控、測控一體化裝備提高質量與穩定性、區域無人化轉移人工勞動提升生產效率3個范疇,探討智能裝備對智能工廠的作用效果與價值體現,為智能裝備技術發展提供啟示,推動智能工廠建設水平的持續提升。

1 先進檢測增強感知支撐數字化業務管控

依托先進檢測技術的不斷發展進步,在傳統產線增添檢測儀表,增強產線對生產信息的 感知能力,從而有力支撐數字化業務管控功能的提升與完善^[7-9]。

1.1 表面檢測技術進步推動全流程質量管控的發展

表面檢測系統已全面融入軋鋼生產的各個環節,尤其在高溫、高噪聲、強輻射等不利于人工檢測的惡劣環境中發揮了關鍵作用,不僅有效提升了鋼材表面質量檢測的效率與準確性,還保障了工作人員的安全^[10]。

在板帶材表面檢測方面,利用雙視場成像技術^[11]作為單角度光學系統的有力補充,結合灰度矯正^[12]、超分辨率重建等先進技術,實現了對細微缺陷的精準捕捉;同時,通過深度學習目標檢測^[13]、異常區域分割^[14]、多特征級聯融合^[15]等手段,大幅提升了缺陷識別的能力;借助知識圖譜構建的判定規則庫^[16],結合周期性擬合^[17]、分布規律挖掘、精細邊界定位、細粒度識別^[18]等多層次數據治理挖掘方法,實現了產品缺陷信息的有效歸并和高維層次的產品定級,確保問題產品的自動封鎖。

在長型材表面檢測方面,引入結構光技術獲取3D點云數據^[19],如圖1所示,并在傳統圖像定性分析的基礎上,實現了缺陷嚴重程度的量化評估^[20], 為缺陷提供了更加全面和深入的表征。

在表面檢測技術快速發展的基礎上,通過獲取軋鋼生產流程中多部表面檢測儀的高并發海量信息,基于5G 網絡構建“本地邊緣計算中心”與“云端缺陷訓練平臺”^[21],并在此基礎上構建“質量協同管控中心”,實現全工序、多產線的表面質量檢測與協同管理,在此基礎上通過與 全流程質量管控系統(QMS)的統一規劃建設,實現事前規范、事中監控、事后追溯分析等關鍵功能^[22],有力支撐智能工廠數字化質量管控全新模式的建立。

1.2 融合“平臺+裝備+視頻 AI+跟蹤”的物料逐支跟蹤系統

針對特鋼大棒、中棒,型鋼和無縫鋼管的物料逐支跟蹤系統,是支撐生產、質量、設備、能源等業務數字化管控的基礎,是多個檢測、控制模塊形成的智能裝備體系。

逐支跟蹤系統打破傳統物料跟蹤以爐次、批次跟蹤為主的限制,針對物料形狀、工序銜接、物料流轉等特點創新打造多場景分布式標識智能識別裝備,重點解決了工序信息斷點、多類標簽、曲面打標及旋轉識別等技術難題^[23-24];同時,將旋轉框提取與目標檢測算法融合,實現無典型特征下的多目標物料識別^[25],并進一步運行 AI模型實現特定場景下的跨鏡頭跟蹤^[26],從而完成對產線卡支、丟支、串支、越線、吊離等多并發異常情況的預警與跟蹤關聯輔助^[27],如圖2所示;最后基于計劃-隊列-微跟蹤3層跟蹤架構,融合 “平臺 + 裝備 + 視頻 AI+ 跟蹤”,實現物料逐支精準跟蹤與數據實時同步^[28]。

1.3 原料庫與加熱爐區域坯料檢測與異常識別校核

在加熱爐區域對坯料尺寸精度、重量等信息的精確檢測與異常識別校核,對于后續生產過程質量精度與成材率提升至關重要。連鑄坯定尺切割后, 在其端面由噴碼機器人進行噴碼,通過熱送輥道與車輛運輸到原料庫區,再根據生產計劃由原料庫調入入爐輥道。在原料庫區,針對具體場景設計坯料坯 號識別系統^[29],對庫區坯垛進行掃描盤庫,校核坯料信息。在入爐前輸送輥道區域,配置坯料端面檢測、翹曲檢測、長度檢測^[30]等視覺檢測設備,判斷是否符合生產工藝需求,及時剔除不合格品,并在此基礎上, 通過全流程質量管控系統,一方面根據識別異常情況向上游工序追溯,另一方面調整優化下游生產計劃與過程控制,提升成材率與質量控制精度。

1.4 智能化視覺檢測裝備輔助運維管理

在生產、設備事故易發工位,將智能化視覺檢測設備與其他傳感器信息相結合,對出現事故的征兆進行識別及預判,可以加快響應速度,減少事故造成的損失。例如,利用在廠房、設備附近安裝的攝像設備,對現場設備蓋板姿態,電動機、減速機、萬向節工作狀態等進行監控,當出現圖像狀態差異時,與其他相關信息變化進行連鎖條件判斷,觸發報警提醒操作人員進行處理,如圖3所示。

智慧運維的實現,則是在此基礎上的深化發展, 其主要功能為設備狀態智能監測與全生命周期管理。設備狀態智能監測以音頻、視頻的集成作為支撐,如圖4所示,通過在關鍵區域配置音頻視頻采集、火焰識別、人員定位、穿戴識別等功能,并基于實測信息進行 AI分析,觸發運維故障預警。另外,通過建立產線機械、液壓、儀表及控制關鍵設備的服役過程評價模型,對服役質量和狀態演變趨勢進行監控和預警,并將設備服役質量與生產狀態進行關聯分析,為設備精度和功能的管理提供依據^[6],在此基礎上,建立對生產設備從采購、運行到維護直至報廢的全生命周期動態管理,實現設備管理和生產組織智能化。

2 測控一體化裝備提升生產質量穩定性

將先進檢測技術與控制模型、執行機構進行一體化策劃設計,形成“測控一體化智能裝備”,并與產線主流程設備控制系統協同,有效提升產品質量穩定性,實現精確控制與協調運行^[31],并一定程度上將人工勞動從頻繁的、低效的操作干預中釋放出來,提升產線精準化、高效化、智能化水平。

2.1 單體測控智能裝備-軋鋼產線多功能機器人

現階段,工業機器人被越來越廣泛應用于軋鋼產線,覆蓋冶煉、連鑄、熱軋、冷軋以及檢化驗等各個工序,按照主要執行功能又可以分為標識類、檢測類、控制類等。

標識類機器人主要包括:連鑄坯料收集存儲區的圓鋼坯、板坯噴碼機器人,如圖5所示;板帶熱軋與冷軋工序的噴碼機器人和庫區貼標機器人;型鋼棒線材自動焊牌、貼牌機器人,如圖6所示。

檢測類機器人主要包括:鋼卷入庫質量檢測機器人、產線輔助工序巡檢類機器人等;熱軋型鋼棒線區域的自動計數分鋼機器人、自動復核料捆機器人和火焰切割取樣機器人等。

控制類機器人主要包括:冶煉區高爐換釬桿機器人、高爐裝炮泥機器人、鐵包車插拔電源機器人、熱軋型鋼棒線區的撈氧化鐵無人化專用天車、鋼坯表面修磨機器人、鋼管端部與身部修磨機器人,廢料斗存放區的 AGV(AutomatedGuidedVehicles) 無人駕駛小車系統等。

在智能化 、柔性化 、網絡化和協同化的多重驅動下,鋼鐵行業的機器人技術發展趨勢 體現為:緊密結合實際生產需求,與智能工廠整體建設同步。

2.2 與主生產流程協同的智能裝備Ⅰ-熱連軋運行非對稱檢測與自動糾偏控制

隨著熱軋產品高端化、高質化提升,熱連軋機非對稱控制精度不足成為主要的限制瓶頸,以粗軋鐮刀彎、翹扣頭、精軋跑偏為典型特征的非對稱缺陷,嚴重影響設備壽命和軋制穩定性,現場生產過程的調平糾偏控制依賴人工觀察與操作,缺乏準確的監測手段,操作難度大,控制精度和穩定性差,制約產品質量、成材率的提升,限制自動軋鋼技術的發展。

為此,北京科技大學研發了熱軋運行非對稱檢測 與自動糾偏成套技術裝備,如圖7所示。檢測方面,開發了基于大視野面陣感知與特征拼接的鐮刀彎檢測裝備,基于線結構光輔助機器視覺的翹扣頭檢測裝備,以及基于雙目視覺與深度學習的精軋跑偏檢測裝備;控制方面,提出非對稱彈塑性機理(PH 圖)模型,開創全新的非對稱板形理論體系,在此基礎上,研發了基于支撐向量機預測模型與 TS模糊算法的鐮刀彎控制模型、考慮工藝設備全要素與翹扣頭前饋控制與細分工況機器學習模型、貫穿精軋全機架“預擺-穿帶-穩態-拋尾”的跑偏、楔形、浪形質量全要素控制技術,并通過與現場 AGC 控制系統建立通訊作用于輥縫壓下。系統投用后,實現鐮刀彎全自動控制,絕對值下降30%;實現翹扣頭全自動控制,[0,60mm]命中率達到95%以上;精軋糾偏操作工干預率減少80%,部分規格實現全自動軋制,甩尾率降低75%。技術廣泛應用于寶武、鞍鋼、首鋼、攀鋼、漣鋼、河鋼、建龍、德龍、沙鋼等企業。

該項技術的成功應用,展示出一種新型研發思路,即通過新增檢測與控制智能裝備,與現場主生產流程協同運行,彌補現場感知手段不足的同時, 增強從計算模型到執行控制的能力,提升關鍵質量指標的控制精度與穩定性。

2.3 與主生產流程協同的智能裝備Ⅱ-中厚板軋機自動轉鋼

在中厚板軋機領域,轉鋼需要通過協調控制頂部和底部錐形輥道電動機的作業,精準地調整鋼坯的位置及角度。然而,對鋼坯的方位判定及調控是一個模糊的決策過程,加之將物理定位轉換為適宜執行裝置動作的電信號存在較大難度^[32],使得轉鋼過程成為中厚板軋制控制系統中唯一仍需人工介入的環節^[33]。

自動轉鋼技術,通過基于機器視覺的圖像采集控制、板坯形狀信息計算模型和轉鋼控制模型構成的智能測控系統,實現中厚板軋制過程自動轉鋼控制^[34]。目前,國內湘鋼、興澄特鋼開發了基于5G+云+AI的板坯自動轉鋼系統,通過5G網絡將紅熱板坯圖像實時采集并傳至 自動轉鋼系統服務器,再通過視覺圖像處理將板坯角度信息傳遞給軋機控制系統,進行實時 輥道轉速與方向控制, 實現自動轉鋼^[35],可使整個過程無需人工干預, 提高生產效率,使生 產過程具備更高的重現性和精確性。

2.4 與主生產流程協同的智能裝備Ⅲ-加熱爐智能改造和直接軋制技術

面向節能降耗目標,對加熱爐的過程控制系統進行智能化改造。使用高精度的連鑄坯溫度預報模型和復雜爐況工況的動態感知技術實時監測爐內溫度場的狀況,可實現有效智能控制爐溫,同時應用煤氣除水、空氣除濕等實用輔助技術,減少人工干預,同時有效降低能耗。

近年來,直接軋制工藝成為重要發展趨勢。舍棄加熱工序,采用高效化連鑄機提速技術、連鑄坯保溫快速輸送技術、連鑄坯溫度均衡控制技術、借助機器視覺、溫度實時智能檢測等先進技術對產線進行改造,相對于傳統工藝不僅能減少加熱爐氧化燒損,而且可以減少二氧化碳、二氧化硫、氮氧化物排放量,節省加熱爐煤氣,節能、減排、降碳效果顯著,具有良好的環 境和減碳效益,顯著降低了成本^[36]。

3 區域少人/無人化轉移人工勞動提升效率

長期以來,庫區、長材精整區,都是人工直接接觸惡劣工作環境、且操作密集的區域,通過應用多種智能裝備技術,實現整個區域的少人/無人化,轉移人工勞動并提升工作效率,具有重要意義。

3.1 長材平面智能無人庫系統的研發與應用

近年來,國內外研究機構逐步實現了針對帶卷的智能無人化管控技術,而在占鋼鐵產能45%的長材領域,未能突破該技術的工業應用。其原因在于:相比帶卷具有標準卷芯內徑,長材密集多層碼放造成形變位移,易導致定位偏差發生事故,同時多車高節奏作業對庫管系統要求較高。

為此,北京科技大學通過開發瞬態三維重構和環境感知技術^[37],實現基于視覺掃描輔助的精確定位控制,并開發開環+閉環模糊變增益防擺控制技

術,在保證吊運精度的同時顯著減少單吊運行時間;通過研發多車集群動態調度、天車路徑規劃等關鍵模型^[38],建立全流程跟蹤及優化調度系統,相比人工調度,顯著提升運行效率、降低庫內倒垛率;開發了融合工業5G 與數字孿生技術的庫區遠程集控系統,庫區現場無需操作,僅需2人完成集控室遠程監控,徹底轉變庫區工作模式與勞動環境,如圖8所示。以上技術全 部或部分推廣應用于首鋼、馬鋼、南鋼、湘鋼、漣鋼等企業,實現棒材、高線平面無人庫的工業應用突破,實現了庫區的無人化控制與智能化調度,并對銜接智能工廠上下游產線、實現生產調度協同化與業務管控數字化提供有力支撐。

3.2 棒材軋后區域少人化技術應用

在棒材軋后區域,通過開展優化剪切控制,冷床區自動取樣及檢測,精整區非定尺剔除和分鋼計數及打捆校核,實現區域的少人/無人化作業,降低勞動強度,顯著提升成材率與工作效率。

在生產中單純靠分段飛剪控制不可避免會產生非定尺,而進行非定尺剔除的人工勞動 強度較大,會造成定尺率低。通過提高連鑄坯定重率、實時智能預判定尺率及非定尺高速碎斷,可以基本消除非定尺。根據符合定重率要求的連鑄坯估算出成品總長度,確定分段飛剪優化剪切次數,并在精軋機出口設置激光測長裝置以測定棒材實際長度,特別是實時傳輸末段 長度數據至飛剪優化剪切控制系統,驅動碎斷剪對末端小于定尺長度的部分進行碎斷處理,確 保每根上冷床的棒材均為成品定尺的整數倍,從而避免了在冷剪過程產生非定尺,可以極大 程度提升成材率與生產效率,如圖9所示。

在冷床區設置自動取樣機器人系統和快速輪廓檢驗儀,代替人工取樣及樣品檢驗,并可以測量樣品長度和重量,與設定成品數據進行對比,根據偏差程度進行孔型優化計算,指導操作工進行軋機輥縫和導衛調整,大大提高了生產自動化率與產品質量精度。

在精整區域,針對可能存在遺漏的非定尺剔除問題,研發基于機器視覺的剔廢機器人系統,同時,配置氣動分鋼及激光計數器系統,完成自動計數與分捆;在完成自動打捆后,通過配置在收集臺架側邊的打捆復檢計數系統,基于圖像識別對本捆內的根數進行復核,如發現異常則進行聲光報警,從根本上消除計數錯誤。基于以上成套技術,推動棒材軋后整個區域的少人/無人化模式變革。

4 結論

(1)基于先進檢測與智能裝備支撐的少人/無人化操維集控,以及基于工業互聯網平臺的多業務協同數字化業務管控,作為軋鋼智能工廠建設的兩只抓手,形成了 “雙智控”的軋鋼智 能工廠建設架構,智能裝備是實現 “雙智 控”軋鋼智能工廠的 基礎,在精準化、數字化、智能化轉型中發揮出極為關鍵的作用。

(2)通過新增先進檢測設備增強對產線信息的感知能力,有力支撐數字化業務管控新功能,實現基于全流程表面檢測的表面質量數字化管控、融合“平臺+裝備+視頻 AI+跟蹤”的物料逐支跟蹤、原料庫與加熱爐區域坯料檢測與異常識別校核、智能化視覺檢測裝備輔助運維管理一批代表性案例。

(3)將先進檢測技術與控制模型、執行機構進行一體化策劃設計,形成“測控一體化智能裝備”,在逐步完善各類工業機器人功能提升的同時,探索與實現熱軋運行非對稱檢測與自動糾偏控制、中厚板軋機自動轉鋼、加熱爐智能改造和直接軋制技術等一批智能裝備與主生產流程控制系統協同、有效提升產品質量穩定性與生產自動化水平的先進案例。

(4)針對缺乏自動控制、人工操作密集且工作環境惡劣的區域,以庫區、長材軋后區域為對象,通過應用多類型智能裝備,依托先進檢測與智能控制實現整個生產區域的少人化、無人 化控制模式 轉變,實現生產效率、成材率等關鍵運行指標的提升。

(5)展望智能裝備技術的未來發展趨勢:在先進檢測、智能控制技術不斷發展進步的基礎上,與主生產設備、關鍵質量控制緊密融合,實現面向高效化、高質化生產的“智能軋機”,并支撐著數字化業務管控應用的完善,推動雙智控“智能鋼廠”建設水平的持續提升。

參考文獻:

[1] 李健,杜彥斌,陳鵬.“新工科+智能制造”背景下地方高校機械類人才培養模式探討[J].中國現代教育裝備,2024(7): 79-81.

[2] 工信部等部門印發《鋼鐵行業穩增長工作方案》[J].現代經濟信息,2023,38(28):14.

[3] 徐言東,王曉晨,程知松,等.高速棒材生產線智能化創新建設及其關鍵技術[J].軋鋼,2023,40(6):25-33.

[4] 何安瑞,宋勇,邵健.鋼-軋全流程數字化進展與實踐[J].冶金自動化,2023,47(1):86-100.

[5] 王曉晨,徐言東,程知松,等.長材智能工廠建設的架構設計與關鍵技術[J].冶金自動化,2022,46(6):57-66.

[6] 邵健,何安瑞,陳雨來,等.熱軋智能工廠構架設計與實踐:有形與無形的統一[J].中國冶金,2022,32(1):1-10.

[7] 徐言東,韓爽,謝再興,等.棒材生產線的智能化改造與探索[J].冶金自動化,2021,45(2):83-88.

[8] 余偉,程知松,徐言東.高速棒材生產技術發展與展望[J].軋鋼,2023,40(6):3-10,33.

[9] 孫柏林.未來智能裝備制造業發展趨勢述評[J].自動化儀表, 2013,34(1):1-5.

[10] 付光,焦會立,吳耐,等.熱軋帶鋼表面缺陷自動判定系統及其應用[J].軋鋼,2023,40(3):97-102.

[11] 李小占,石杰,楊朝霖,等.板帶鋼材表面缺陷檢測實驗平臺開發[J].實驗技術與管理,2022,39(5):154-159.

[12] SHIJie,WU Kunpeng,YANG Chaolin,etal.A methodof steelbarimagesegmentationbasedonmulti-attentionU-Net [J].IEEEAccess,2021(9):13304.

[13] 鄧能輝,周秉國,張志杰,等.基于改進 YOLOv5s的鑄坯表面缺陷檢測系統[J].儀表技術與傳感器,2023(10):72-78.

[14] 吳昆鵬,石杰,楊朝霖,等.基于半監督語義分割的鋼板表面缺陷檢測方法[J].冶金自動化,2023,47(4):93-99.

[15] 鄧能輝,侯睿,葉俊明.基于深度學習的圓鋼表面缺陷檢測系統[J].中國冶金,2022,32(12):113-121.

[16] 吳昆鵬,鄧能輝,郭亞男,等.結合視覺與圖譜分析的帶鋼表面質量判定研究[C]//第十四屆中國鋼鐵年會論文集:13.冶金設備與工程技術,北京:中國金屬學會,2023:6.

[17] 吳昆鵬,石杰.基于孿生網絡的帶鋼表面周期性缺陷檢測方法[J].冶金自動化,2020,44(6):93-98.

[18] 沈春光,李虎威,荊濤,等.基于深度學習的帶鋼表面缺陷檢測在小樣本數據集的應用[J].軋鋼,2022,39(2):82-86.

[19] 吳昆鵬,王少聰,蘇成.基于3D 點云的鋼管表面缺陷檢測系統[J].軋鋼,2024,41(3):113-118.

[20] 鄧能輝,石杰,吳昆鵬,等.基于三維圖像的帶肋鋼筋表面檢測系統研究[J].軋鋼,2023,40(6):66-71.

[21] 王軍生,宋寶宇.基于5G 工業專網的云化帶鋼表面質量檢測系統研究與開發[J].冶金自動化,2023,47(2):117-123.

[22] 胡韜,張衛,陳丹,等.過程質量管控技術在冷軋軋制力優化中的應用[J].軋鋼,2021,38(4):80-83.

[23] ZHANGP,WANGS,ZHANG W,etal.Cross-cameratrackingmodelandmethodbasedonmulti-featurefusion[J].Symmetry,2023,15(12):2145.

[24] HEL,LIU G,TIAN G,etal.Efficientmulti-view multi-targettrackingusingadistributedcameranetwork[J].IEEE SensorsJournal,2019,20(4):2056-2063.

[25] MaierG,PfaffF,PieperC,etal.Experimentalevaluationofa novelsensor-basedsortingapproachfeaturingpredictiverealtimemultiobjecttracking[J].IEEETransactionsonIndustrial Electronics,2020,68(2):1548-1559.

[26] AmosaTI,SebastianP,IzharLI,etal.Multi-cameramultiobjecttracking:areviewofcurrenttrendsandfutureadvances [J].Neurocomputing,2023,552:126558.

[27] WU W,LAIJ.Multicameralocalizationhandoverbasedon YOLOobjectdetectionalgorithmincomplexenvironments [J].IEEEAccess,2024,12(99):15236-15250.

[28] WANGG,TAOL,DIH,etal.Ascalabledistributedarchitectureforintelligentvisionsystem[J].IEEEtransactionson industrialinformatics,2011,8(1):91-99.

[29] 王排書.熱軋鋼坯編號識別與表面質量檢測系統研究與設計

[D].錦州:遼寧工業大學,2021.

[30] 吳昆鵬,楊朝霖,石 杰.Applicationofintelligentoptimization shearingmethodbasedonaccuratedetectionofsteelplate contour[C]//第十二屆中國鋼鐵年會論文集:11.冶金自動化與智能化.北京:北京科技大學高效軋制國家工程研究中心, 2019:7.

[31] 溫娜.測控裝備智能化水平成熟度評估模型研究[J].中國標準化,2023(24):63-67.

[32] 王新東,閆永軍.智能制造助力鋼鐵行業技術進步[J].冶金自動化,2019,43(1):1-5.

[33] 門全樂.基于圖像識別的寬厚板軋機自動轉鋼方案[J].冶金自動化,2010,34(6):55-60.

[34] 矯志杰,何純玉,趙忠,等.中厚板軋制過程高精度智能化控制系統的研發進展與應用[J].軋鋼,2022,39(6):52-59,66.

[35] 胡石強.看湘鋼中厚板粗軋自動轉鋼系統應用“成績單”[N]. 中國冶金報,2023-06-27(003).

[36] 郭新文,徐兵偉,邸全康,等.棒線材雙鑄機多軋線免加熱直接軋制工藝研究[J].軋鋼,2023,40(2):116-120.

[37] 張達,徐冬,何安瑞,等.基于激光雷達的高線庫區感知系統研發與應用[J].冶金自動化,2022,46(6):120-128. [38] 王曉晨,劉洋,楊荃,等.長材(棒線材)庫區智能化無人化管控技術[J].中國科技成果,2022,23(12):25-26.