宝武中南钢铁借助飞桨让钢筋超限监控有了“火眼金睛”

在钢筋生产的过程中，由于工业环境具有一定随机性，无法保证生产流水线上每一捆每一根钢筋都在规范长度内。长度超限的钢筋会给生产线上的机械臂带来损伤，直接的设备损耗、间接的误工成本都可能造成巨大的经济损失。

传统的方式都是钢铁厂安排工人师傅在生产线上通过目视加以判断，一旦发现钢筋长度超限，就及时干预。该方法纯粹依赖人力，对业务熟练度要求较高，而且存在误判现象，不能从根本上解决问题，同时工人师傅也无法跟随生产线24小时不间断工作，这在一定程度上制约了生产效率。据悉，单条产线，配一个工人，配一个机械臂，每年的人力成本加机械臂运维成本超过50万元。

  传统的图像处理方案精度和泛化性无法满足需求。精度决定了方案的实际应用价值，泛化性决定了方案能否向其他场景复制。该智能化项目的负责人选择引入深度学习等 AI 技术来解决这一难题。在考察比对国内外相关技术后，项目负责人认为百度飞桨产业级深度学习平台具备独有优势。

整体技术方案可以归纳为如下步骤：

l在钢筋一侧安装摄像头，拍摄图像；

l利用图像分割技术提取钢筋掩膜；

l根据摄像头位置和角度确定长度界限；

l最后根据该长度界限和钢筋分割范围的几何关系判断本批次钢筋是否超限；

钢筋超限监控问题可以转换为图像分割后的几何判断问题。飞桨提供了全流程分割方案——图像分割开发套件 PaddleSeg，只需简单地修改配置文件，就可以进行模型训练，获得高精度的分割效果。“数据标注只标了大概四五百张，然后进行模型的开发，效果是相当不错的，可以满足产线需求”。进一步地，挑选使用精度和速度平衡的 PP- Lite Seg 模型，保证在实现高精度的同时，满足工业部署的要求。

重要的是，从行业特征来看，复杂工业环境导致图形采像以及对应数据很难保证统一的标准与质量，PaddleSeg 内置的数据增强算法可实现对数据的扩充，克服采像样本不均衡、图片模糊、背景变换差异大、钢筋方向不一致、数据量较少等问题，快速迭代解决方案，缩短模型研发周期。