热轧质检先要解决成像。镜头里没有可用画面，模型精度再高也无从判断。
按照这套方案描述，在炼钢和轧制核心区域，局部辐射温度可逼近 2000°C。设备与钢水保持安全距离，镜头仍要面对强热辐射、蒸汽、高压除鳞水、氧化铁皮和持续震动。钢板温度超过 1000°C 后，普通可见光相机容易过曝，表面只剩橘红色亮斑。裂纹、结疤和压入氧化铁皮，也会一起被亮光盖住。
先把画面救回来
这套系统先改造光学链路。定制的多光谱工业相机分别采集近红外、可见光和紫外辅助通道，并在特定的窄波段滤光；高频高亮脉冲光源负责补光，尽量压低钢板自发热辐射的干扰，在水雾中保留更多表面纹理。
处理后的画面从橘红色亮斑变成对比更清楚的灰度图。系统的识别目标包括深度约 0.1 毫米的微细热裂纹、压入氧化铁皮和结疤。模型只能分析已经进入图像的信息，多光谱成像补上了最前面、也最容易被忽略的一环。
30毫秒决定计算放在哪
在高速轧制段，钢板速度接近每秒 20 米。换算一下，1 毫秒对应约 2 厘米的位移。这套方案给出的全链路时延要求是 30 毫秒以内，覆盖图像采集、预处理、模型推理以及告警或联动指令，其中单帧推理约 15 毫秒。
图像如果先传到远端云端，网络波动也会进入生产流程。宝钢因此把防尘、耐高温的工业边缘 AI 节点放在产线附近，图像经光纤就近处理。集中算力可以承担模型训练、版本管理和跨产线分析，现场节点则守住实时响应。参数规模排在后面，延迟、稳定性和长期运行更要紧。
水滴也会被算法当成裂纹
工业视觉的误报，常常来自很普通的东西：飞溅水滴、随机反光和蒸汽遮挡。只看一帧，亮点或黑线都可能被识别成缺陷。
这套系统加入了时序跟踪，把连续多帧中的疑似区域关联起来。真实缺陷会沿着钢板运动保持相对稳定的轨迹，水滴和反光通常更随机。通过多帧核对，系统可以过滤一部分虚警。
这层逻辑不显眼，却直接影响操作员是否愿意长期使用。误报太多，报警很快会被忽略；漏报无法追溯，模型也难以进入正式生产流程。
300余个场景，不能替单个项目背书
据中国钢铁新闻网披露，宝钢股份把 2024 年定位为“AI元年”，围绕“千卡算力、千模能力、千人战队”建设相关能力，并计划在 2025 年推动 300 余个 AI 场景进入全业务链。
东方财富关于 2026 年 4 月 27 日宝钢股份“AI+”主题日的报道，沿用了“AI重新定义钢铁”的表述。中国能源报在中国宝武高炉大模型的报道中，则提到让核心流程更多依靠数据，并把处理时点前移到风险发生之前。
这些公开信息能够说明宝钢正在扩大 AI 的应用范围，但无法替单个质检项目补齐验收数据。现有可引用材料没有披露这套系统的漏检率、单线年度收益、统计周期和验收口径。缺少正式出处时，漂亮数字不该代替项目结果。
更稳妥的判断是，在线检测能够把缺陷发现时间前移，也有机会减少人员长期靠近高温、高噪声区域巡检的需要。具体节省多少成本、减少多少停机时间，仍应以企业正式披露的数据为准。
《工业与 AI 融合应用指南》把 AI 的演进路径概括为 Talk、Think 和 Agent。放进钢厂，Agent 对应的是一条具体链路：相机采集、边缘推理、产线告警或联动，再由人员复核。
多光谱让机器获得可用画面，边缘计算让结果赶上高速移动的钢板，时序跟踪减少无效报警。对钢铁制造来说，“人工智能+”进入现场，靠的就是这些环节一段一段接起来。
