9月16日工业与信息化部印发《场景化、图谱化推进重点行业数字化转型的参考指引（2025版）》，其附件中给出14个行业场景图谱（2025版）为各行业应用实践提供了核心指引。钢铁行业数字化转型场景图谱从

  铁前、炼铁、炼钢、轧钢、人力、业财、设备、环保、能源、安全、质量、采销、物流等13个关键环节、98个典型场景出发

  ，横向展示产业链关键环节数字化协同水平，纵向体现各环节内“研-产-服-管-供”业务数字化集成程度，同时对多场景数字化现状、需求和痛点进行组合分析。现对钢铁行业的典型场景进行解读。

  场景定义：该场景围绕钢铁炼钢过程中带钢表面上的质量、平直度等关键指标，开展实时检测、数据采集、质量判定及异常预警等活动。核心目标是减少离线复检滞后性，及时作出调整工艺，降低不合格品率。

  场景描述：通过工业线阵相机、自主研发的工业智算终端N100-CL、故障报警装置等工具开展在线质量检验，以确保钢产品质量符合规定标准、减少不合格品为核心，实时反馈结果辅助调整炼钢工艺，支撑炼钢环节连续稳定生产。

  从行业整体现在的状况来看，带钢生产中，人工检测特别依赖经验，有可能会出现漏检、误检，且速度跟不上生产线；传统自动化设备精度有限，在复杂生产环境下检测效果常打折扣。对公司转型而言，该场景的数字化是提升生产质量和效率的重要方法，能帮企业解决检测环节的痛点，推动企业更好地发展。但目前场景数字化存在的问题是人工和传统设备检验测试的弊端难以满足企业高质量生产的需求。

  工具软件应用方面：针对行业内软件分散、适配性不足的痛点，推广标准化工业软件，包含数据采集、缺陷识别、结果分析等模块化功能，支持与各类检测硬件的灵活对接。

  数据要素开发方面：针对数据分散、标准缺失问题，依托云边端架构接入多模态数据，涵盖光谱、图像及设备参数等，搭建行业级数据共享平台，推动企业数据合规汇聚，建立分级分类流通机制，形成可复用的行业检验测试的数据集。

  知识模型部署方面：针对模型通用性弱、迭代滞后的痛点，构建覆盖冶炼、轧制等多工序的检测知识模型库，融合机理规则与数据驱动方法形成通用模型框架。

  人才技能提升方面：针对数字技能与行业需求脱节问题，由行业协会联合院校、企业构建培训体系，内容涵盖软件操作、数据管理、模型运维等通用技能。

  针对带钢生产中传统人工检测效率低、缺陷识别精度不足等痛点，河钢开发智能检测设备集成多模态传感、机器视觉等技术，实现质量异常快速响应，助力带钢生产提质增效、降低不良品率。

  1.工具软件应用：河钢基于本场景构建了FPGA+ARM高性能异构图像处理平台，发挥FPGA的并行处理优势与JetsonOrinNX边缘算力，实现高速图像流的实时采集与处理，降低对中心服务器的依赖；研发基于FPGA的高效图像预处理算法，减轻AI推理负载，确保复杂条件下的实时性与鲁棒性。

  2.知识模型部署：通过自主研发的工业智算终端等设备组件，结合无监督自学习算法模型，实现对带钢表面缺陷的有效检测和识别。

  3.软件优化升级：开发“双推理线程+版本快照”的模型热更新技术，主线程实时检测时，备用线程同步加载新模型并验证，当新模型误检率高时可随时切换历史版本，保障系统持续稳定运行。

  实现了对色差、丝斑等缺陷的准确检测，每卷钢材都会生成详细的质量地图和检测报表，提高了成品质量的检测标准。

  提升了带钢检测的效率和准确性，设备支持高生产线速度，有助于生产流程的优化。

  该设备已经在多条产线上实际应用，全方位解决了数字化改造中的实际痛点，为带钢生产行业的智能检测提供了可行案例，具有一定的推广空间。