缺陷检测图像处理在钢铁生产中的应用实例主要包括钢铁平面焊接缺陷检测、铸钢缺陷检测、废钢智能检判系统以及带钢缺陷检测。
1. 钢铁平面焊接缺陷检测：
应用场景：钢铁企业对生产的钢铁进行缺陷检查，保证钢铁产品质量。
技术手段：借助卷积神经网络算法和U-Net结构，准确检测出钢铁平面的焊接故障，并评估其严重程度。
2. 铸钢缺陷检测：
应用背景：在2019年Kaggle竞赛中的一个案例研究，目标是使用图像处理技术检测和分类钢铁制造中的缺陷。
技术实现：通过探索性数据分析、图像细分和使用如U-Net的深度学习模型，对图像进行多类分类和分割，以提高钢铁生产的效率。
3. 废钢智能检判系统：
应用目的：实现自动化数据采集与精准化数据管理，辅助人工进行废钢的判级和不合格料的识别。
技术特点：应用深度图像识别技术，可识别各种不同级别废钢的比例，并给出定价和杂质重量，以及提供密闭件油污件报警。
4. 带钢缺陷检测：
应用场景：针对带钢表面缺陷进行检测，提高系统的利用率和可靠性。
技术方案：基于OpenCV数字图像处理技术，提出角点检测来判定用分类器判定缺陷图像是否有水和分类存储的方法，对有水的缺陷图像进行及时处理。
还有凯基特钢板表面缺陷在线视觉检测系统，该系统基于机器视觉技术，具有高速、高精度的新型感光技术，采用深度学习CV的自学习技术，满足金属工业严格检测要求，提高成材率，避免缺陷造成的不合格产品出厂。
