德龙钢铁用AI做带钢表面质检：一条快节奏产线如何补上检测短板

在河北邢台信都区的德龙钢铁轧钢车间里，钢坯要被加热到上千摄氏度进行热轧，最后变成一卷卷银灰色的窄长钢板——业内叫"带钢"。这种材料韧性好、延展性强，是做机械零件、汽车配件和家电外壳的常用原料，而表面平不平整，直接决定了它能不能用、用在哪。

按车间数字智能部门负责人的说法，检测带钢质量合不合格，表面状况是一项关键指标。可麻烦出在产线节奏上：带钢一卷接一卷地往外走，单卷从产出来到成卷，时间非常短，靠人的眼睛根本来不及把表面从头到尾看个遍。结果是，带钢产品长期处在一种"摸黑生产"的状态——质量到底稳不稳，厂里自己也说不准。

比这更现实的，是售后环节的问题。带钢一旦流到下游客户手里，对方若对质量提异议，厂里往往说不清问题出在哪道工序、落在哪一卷上，只能被动赔钱了事。既亏了利润，又搭进了名声。

为了补上这块短板，德龙钢铁从2024年起正式立项，决定靠人工智能自己研发一套专门做"带钢表面检测"的模型。它不是通用的聊天大模型，而是只盯这一件事的垂直模型。

做法不复杂，但很实在。在带钢产线的两侧，均匀布了6台高速相机，镜头视野同时罩住钢板的上表面和下表面。带钢刚轧出来、还没卷成卷的时候，这些相机就以每秒大约3帧的速度连续拍照，把图像实时传回后台的模型系统。算下来，一卷带钢平均会被拍下一千多张照片。

这些照片送去哪？送进那套带钢表面检测大模型里做分析。模型会对每一处疑似缺陷做出判断并列出结果。在指挥中心的大屏上，工作人员能看到这样的记录：某一卷带钢被检出纵裂两处、划痕三处、起皮一处。点开任意一项，屏幕就同步显示出缺陷在钢带上的实际图像，以及它的位置和大小，供后台人员进一步研判。据厂方披露，目前这套系统的检测精准度到了大约九成。

一个能当"质检员"用的模型，不是凭空长出来的，得用大量高质量的样本去"喂"出来。

据参与研发的团队回忆，整个项目里最磨人、也最关键的一步，就是采集和标注缺陷样本。那段时间，成员每天到岗的头一件事，就是对着产线上的带钢拍一大批缺陷照片，然后给每张照片手工标上：这处缺陷叫什么、属于哪一类、危害等级多高，再上传系统让模型去学习。

前后大约3个月的集中标注，他们一共标了约20万张缺陷照片，搭起一个覆盖23类缺陷的完整数据库。正是这批数据，把模型训练成了能精准认出各种带钢表面毛病的"熟手"。从2024年立项到模型上线，团队前后集中攻关了一年半左右。2025年初，这套带钢表面检测大模型正式投用。

系统上线带来的第一个硬变化，是所有检测结果都会自动归档留存。这意味着，哪一批、哪一卷出现了什么缺陷，系统里都有完整记录。日后客户再提质量异议，厂里不用再两头猜，能直接调出数据追溯原因，把过去"被动赔钱"的处境，扭成了"主动把控"。

更深一层的好处，是厂里第一次能比较全面地掌握带钢产品的质量状况。过去靠肉眼，漏检是常态，工艺和设备上的隐患也发现得晚。现在模型持续给出检测数据，团队能据此精准排查工艺短板、预警设备隐患，反过来推动生产和设备的优化改进。

对一家把材料卖给下游的企业来说，能把质量讲明白、把问题溯到源，本身就是市场竞争力。德龙钢铁这边的体会是，依托模型积累的检测数据，不仅能摸清产品质量的全貌、精准找出工艺和设备的薄弱点，还能在客户提出异议时快速定位、降低售后赔付的损失。

本文依据公开报道改写：人民网河北频道（河北日报），《AI当"质检员"，带钢告别"摸黑生产"》，2026年9月8日。原始报道链接：https://he.people.com.cn/n2/2026/0908/c192235-41689723.html