Da dependência da visão humana para o julgamento de falhas por IA em milissegundos. Os tarugos redondos de lingotamento contínuo de grande seção, como matéria-prima principal para flanges de torres eólicas e rolamentos de alta qualidade, têm sua inspeção de qualidade interna há muito tempo em um estado "lento", "difícil" e "carente" de interpretação manual. Agora, a equipe conjunta do Shandong Iron and Steel Group e da Universidade de Ciência e Tecnologia de Pequim, por meio de um modelo de aprendizado profundo de IA, realizou pela primeira vez no campo de detecção de defeitos em tarugos redondos de lingotamento contínuo de grande seção a identificação inteligente e precisa de cinco tipos de defeitos em alta produtividade, reduzindo o tempo de processamento de segundos para menos de 10 milissegundos, com uma taxa de precisão na identificação de trincas de até 95,4%. O resultado relacionado foi publicado como primeiro autor na renomada revista de engenharia metalúrgica Steel Research International.

As "três grandes montanhas" da interpretação manual

Os tarugos redondos de lingotamento contínuo de grande seção são a matéria-prima principal para equipamentos críticos como flanges de torres eólicas e rolamentos de alta qualidade, e sua qualidade interna determina diretamente a segurança operacional e a vida útil do produto final. Por muito tempo, a tecnologia tradicional de inspeção manual por ultrassom apresentou três limitações fundamentais:

Sinais complexos, interpretação difícil: Afetados por múltiplos fatores, os tarugos redondos de lingotamento contínuo de grande seção enfrentam gargalos na inspeção tradicional por ultrassom, como baixa relação sinal-ruído e alta similaridade nas características de sinais de diferentes defeitos.

Padrões inconsistentes, forte subjetividade: Dependendo totalmente da experiência e da visão do inspetor de qualidade para interpretação, é propenso a omissões e erros de julgamento, tornando-se um ponto crítico que restringe o desenvolvimento de aços especiais de alta qualidade.

Processo demorado, capacidade de produção limitada: O julgamento manual de falhas, peça por peça, leva de vários segundos a dezenas de segundos. Quando a linha de produção opera em ritmo de milissegundos, a inspeção manual torna-se um gargalo.

Inaugurando um novo paradigma de "inspeção de falhas por IA" em milissegundos

Para enfrentar os desafios acima, a equipe de P&D do Instituto de Tecnologia Inteligente Digital do Instituto de Pesquisa da Shandong Steel, com base nas necessidades de produção, focou no tarugo redondo de lingotamento contínuo de aço especial S355NL (Q355NE) para flanges eólicas como objeto de pesquisa para realizar avanços tecnológicos, propondo inovadoramente um modelo de classificação de aprendizado profundo com fusão de características em múltiplas escalas e atenção aprimorada. Esta tecnologia realizou de uma só vez um salto evolutivo da "inspeção manual de falhas" para a "identificação inteligente", com seus principais destaques de inovação tecnológica refletidos nos quatro níveis a seguir:

Fusão de características em múltiplas escalas, reproduzindo a "sinfonia espaço-temporal" dos sinais ultrassônicos

Durante a solidificação do aço líquido, surgem porosidades centrais, rechupes, trincas e defeitos compostos, cujas características de forma de onda ultrassônica são muito diferentes e sobrepostas por ruído. A equipe construiu uma estrutura de rede neural convolucional multiescala para capturar unificadamente as características da forma de onda no domínio do tempo e as características de distorção da propagação espacial, como se equipasse a IA com um "microscópio de foco espectral", capaz de realizar análise adaptativa em cascata de defeitos de diferentes tamanhos e características de sinal simultaneamente.

Mecanismo de atenção aprimorada, capturando com precisão as "sutis anomalias" de defeitos suspeitos

Diante de uma massa de sinais de defeitos muito tênues, os métodos tradicionais são propensos a erros e omissões. A equipe introduziu inovadoramente uma estrutura de rede de atenção aprimorada, permitindo que o modelo, ao processar dados de forma de onda, reforce automaticamente o peso da atenção para anomalias sutis de sinal, aumentando sinergicamente a sensibilidade de identificação de vários tipos de defeitos. Este mecanismo é vividamente chamado pela equipe de pesquisa de "amplificador inteligente" de sinais de defeitos.

Classificação precisa de cinco tipos de defeitos, seis grandes conjuntos de dados testemunham a implementação da tecnologia

Verificado por 239 conjuntos de amostras industriais reais, o método atinge uma precisão geral de classificação de 92,3% para as cinco categorias: porosidade central, rechupe, trinca, normal e defeitos compostos, com a precisão de identificação de trincas chegando a 95,4%. Ainda mais impressionante, o tempo de inferência única é inferior a 10 milissegundos, com a eficiência de detecção aumentada em cerca de 93,5 vezes em comparação com os métodos tradicionais de interpretação manual, atendendo plenamente aos requisitos de inspeção em tempo real da linha de produção industrial.

Implantação full-stack do "laboratório" para a "linha de produção"

Atualmente, a equipe de P&D já implantou este resultado tecnológico em campo e está continuamente otimizando a adaptabilidade do modelo a condições de trabalho complexas. O sistema de inspeção por IA pode, como um especialista em controle de qualidade experiente, identificar defeitos automaticamente, classificá-los de forma inteligente e fazer upload de dados automaticamente, realizando a automação total do processo, desde a amostragem até a transmissão de informações, inaugurando um novo modelo de inspeção de qualidade inteligente na indústria siderúrgica com "propagação em milímetros, decisão em milissegundos".

Superando o gargalo dos "aços especiais de alta qualidade", expandindo novos cenários para inspeção de qualidade metalúrgica

A aplicação bem-sucedida desta tecnologia não é apenas um avanço técnico, mas também gera um impacto profundo na fabricação de equipamentos de alta qualidade e na modernização da indústria metalúrgica da China:

Consolidando a "base material" de rolamentos de alta qualidade e flanges eólicas: O núcleo da vida útil de produtos de alto valor agregado, como flanges de torres eólicas e rolamentos de alta qualidade, reside na qualidade do tarugo redondo de lingotamento contínuo. O sistema de identificação por IA pode incorporar diretamente a taxa de precisão de trincas de até 95,4% no ciclo fechado de produção, fornecendo efetivamente uma garantia rigorosa para o design de "zero defeito" de equipamentos de alta qualidade.

Criando um paradigma inteligente reutilizável de "IA + Inspeção por Ultrassom" na indústria: Este resultado é o primeiro artigo em periódico internacional do Instituto de Pesquisa da Shandong Steel no campo interdisciplinar de "IA + Ensaios Não Destrutivos", quebrando o impasse de que os sensores de ensaios não destrutivos na indústria metalúrgica só podiam ser interpretados manualmente. A arquitetura de identificação genérica que integra redes neurais convolucionais e mecanismos de atenção aprimorada pode ser transferida e aplicada a outras linhas de produção, como placas e tarugos quadrados de grande seção, fornecendo uma referência de experiência para o controle inteligente de todo o processo na indústria siderúrgica.

Liderando uma nova onda de transformação digital na inspeção de qualidade: Saltando do tradicional "controle de qualidade pós-evento" para "controle em tempo real, previsão e prevenção". Com a integração da computação de borda e da tecnologia 5G, no futuro, este sistema poderá ser implantado em campos de inspeção industrial mais amplos, como mineração e tubos de aço especiais, permitindo que os "olhos de águia" da IA iluminem cada canto oculto da indústria de manufatura.