高质量数据集典型案例 | 基于行业大模型的钢铁冶金全流程机器视觉数据集建设及应用

　　推荐单位：中国五矿集团有限公司
　　申报单位：中冶赛迪集团有限公司
　　一、背景
　　钢铁冶金行业传统人工智能技术面临领域知识复用难、场景泛化不足、缺陷数据稀缺等核心挑战。“CISDigital AI金睛大模型”依托海量行业知识库，构建“行业大模型－专家模型－边缘模型”技术路径，已在转炉火焰识别、水处理智能加药、除尘智能管控等多场景实现成熟应用，落地后达成转炉炼钢周期缩短6分钟、水质达标率提升至99.9%、年碳减排超124吨的成效，为钢铁企业智能化升级提供核心支撑。
　　二、方案和成效
　　一是突破行业数据壁垒的核心支撑。通过整合真实生产数据、模拟数据及开源数据，统一采集、清洗、标注标准，解决“数据孤岛”难题，为行业大模型训练提供“可用、好用”的高质量数据底座，夯实智能化技术落地基础。
　　二是AI技术高效落地提供数据支持。聚焦转炉火焰识别、废钢识别等核心场景，构建高质量标注数据集，为“行业大模型+场景微调”模式提供关键支撑。依托数据集的场景适配性与完整性，单场景微调无需从零采集数据，图像数据利用效率提升40倍以上；通过提炼行业共性特征，避免传统AI重复标注的低效问题，单场景落地效率提升27倍，大幅缩短技术落地周期。
　　三、创新点
　　一是赋能钢铁行业高质量发展。数据集支撑的智能模型可实现全流程实时监测与精准决策，例如钢铁生产中间品表面质量检测（几十种缺陷识别准确率超95%）、废钢智能质检（主料型识别准确率超95%，攻克行业难点），有效降低人工经验误差、提升产品质量、压缩企业成本，推动行业从“经验驱动”向“数据驱动”转型，助力低碳工业经济发展。
　　二是形成行业标杆范式的重要探索。数据集建设标准、模型开发路径及场景应用模式具备全行业可复制性，为钢铁冶金领域机器视觉技术的标准化、规模化应用提供实践经验，加速行业整体智能化升级进程。