通过对国内近百条中厚板生产线的工艺技术装备现状研究发现，产线普遍在关键工艺质量参数感知、多工序协调优化方面，长期面临如下突出问题： 1、生产过程中轧制、剪切等工序的自动化达到较高水平，但是各工序控制系统相对孤立，尚未形成联动，部分工序缺失关键质量参数，不能基于反馈进行动态优化控制，机理模型的预测和控制精度低，严重影响产品质量、生产效率和成材率的提升； 2、缺少钢板轮廓识别和板形检测关键大型仪表，导致轧后钢板头尾形貌、轮廓和板形等关键质量参数难以在线精准识别，仍以人工方式线下测量，无法与轧制过程形成在线反馈控制，难以通过在线工艺优化来保证最终产品质量； 3、依靠人工经验的传统组板系统订单匹配度低、精准剪切控制能力偏低，无法根据钢板实时轮廓信息优化组板策略导致组板余材过多，影响生产效率和成材率。剪切工序也无法根据实时轮廓形状优化剪切策略。此外，剪切工序与轧制过程、组坯过程除基础的产品信息交互之外，无其它过程质量数据交互，迫切需要将轧后钢板实际轮廓形状与订单合同进行实时动态匹配，急需开发面向多目标约束的优化剪切和动态组板策略，以实现减少切损的同时提高订单的匹配度。 针对宽厚板制造领域内过程精准控制科学问题和相关技术瓶颈，2010年由山钢与东北大学等单位组建联合研发团队，在国家十三五重点研发计划《基于CPS架构的多工序协调优化与质量精准控制及应用示范》（2017YFB0304103）项目和山东省《宽厚板智能轧制数字化车间是的试点示范》项目的支撑下，依托山东省山钢王国栋院士工作站科研平台，深入推进开展产学研合作和协同创新，发挥高校基础研究理论创新优势与企业产工程技术优势，联合开展本项目关键共性技术的科研攻关工作。

中厚板生产过程中，板坯的头尾部及侧面会由于一系列的因素而发生较为严重的塑性变形，使得轧制成品的平面形状偏离矩形形状，需要后续的精整以及剪切工序使其满足订单所需的规格。而现今钢板轮廓检测方法，大多苦于现场环境复杂，噪声污染严重，导致检测精度不高。因此，基于机器视觉的中厚板轮廓精准识别成为提高中厚板剪切效率、降低剪切损耗的有效手段和必选方案。 本系统将给出基于机器视觉的中厚板形状检测系统硬件配置与软件功能总体方案，建立中厚板图像轮廓采集系统的架构，开发大尺寸运动目标采集模型、结合中厚板厚度变化的相机动态标定及畸变矫正模型以及多尺度噪声融合情况下的中厚板轮廓识别模型等一系列高精度检测模型，可以精准检测到中厚板的轮廓特征，为后续剪切提供数据指导。 基于机器视觉中厚板轮廓检测系统具有很高的检测精度，宽度检测指标±3mm，长度检测指标±20mm（40m），可极大程度降低剪切后长度不足以及问题板的比例。该项技术不仅是中厚板企业和市场的需要，也是摆脱国外厂商在机器视觉检测技术方面垄断的需求。相比传统中厚板检测及剪切方案，可大幅度提高剪切智能化水平，有效降低劳动强度，为中厚板生产线降本提质增效奠定良好基础。现已推广应用至某4300mm宽厚板生产线，预计年度创效约380万元。