基于5G的机器视觉带钢表面检测平台属于冷轧自动化检测与智能分析技术领域，项目主要针对冷轧带钢开发一套表面质量检测平台，通过对图像采集与信息处理技术、图像处理与压缩技术、数字通讯技术、缺陷识别与分类技术、嵌入式应用技术等多学科技术的集成研发，实现冷轧带钢高速生产条件下，在线分析、存储冷轧带钢表面质量信息的目标。
数据无法共享
目前全球带钢产线中约有15%使用了表面质量检测系统,大都采用工作站架构，单机部署，数据无法共享
受工作站的算力和存储能力制约
受工作站的算力和存储能力制约,性能不足
检测设备成本高
每套表检设备100万/套，使用成本高百万/套
国外技术垄断
国外技术垄断，难以更新维护
品种丰富
对库区进行系统化规划，建立完整的管理体系，进行无人化生产
速度快
通过自定义优化图形学算法结合SURF特征匹配实现多图像融合；通过分块自适应阈值结合奇异点密度分析方法进行缺陷目标快速缺陷识别
平台智能
系统基于类决策树结合图像特征加权关联度模型一级分类连同基于深度学习的CNN神经网络二级分类方法，构建系统多级分类模型。可适用于各种复杂混合缺陷的在线分类及带钢生产快速响应需求。
高效性能
5G网络提供了高速、低延迟的数据传输能力，使得机器视觉系统能够实时处理大量的图像和视频数据。这意味着带钢表面检测平台可以在几乎无延迟的情况下进行高速检测和分析，提高生产效率
实时监控
5G网络的高带宽和低延迟使得机器视觉平台能够实时监控带钢表面的质量状况。通过即时反馈，生产人员可以立即采取措施来解决任何表面缺陷或问题，减少废品率并提高产品质量。
优化提升
机器视觉平台可以收集大量的检测数据，并通过数据分析算法进行处理。这些数据可以用于优化生产流程、预测设备故障、改进产品设计等方面。通过对数据的深入分析，可以提高生产效率、降低成本并持续改进产品质量。