钢铁业作为工业脊梁,是国家强盛之本,民族复兴之魂,工业发展之基。近几年在相关政策扶持和钢材市场回暖的正向拉动下,我国钢铁制造领域得到了较快发展,但仍存在大而不优、大而不强的现象,具体表现为我国钢板产量高,但质量与欧美国家相比存在明显差距,而反映钢板质量的最直接、首要的因素是钢板表面质量,因此提高钢板表层质量管理水平成为钢企亟待解决的问题。鉴于此,本文针对钢板表层质量管理开展以下研究。首先根据质量和质量管理理论界定钢板表层质量管理的相关概念,并明确钢板表层质量管理方法、目标和原则,从管理现状出发分析目前钢板表层质量管理方法存在的问题并阐释了本文的研究意义;其次以提高钢板表层质量管理水平为目的构建钢板表层缺陷自动识别模型,并选用基于深度学习的Fasterrcnn目标检测算法作为钢板表层缺陷自动识别模型的基础算法;再对算法的部分功能、整体结构进行优化并做模型算法对比实验,验证钢板表层缺陷自动识别模型算法与相关目标检测算法在钢板表层缺陷检测中精度和速度上的优势;然后设计可用于钢板表层质量监控、判定的自动报警功能和用于钢板表层质量控制的回溯管理;最后提出基于钢板表层缺陷自动识别模型的钢板表层质量管理的应用方案,并配套相关保障措施。研究旨在通过以数据、算力、算法为基础,实现钢板表层质量管理从人工质量管理到模型算法质量管理的工具革命,和实现钢板表层质量管理从经验决策到数据算法决策的决策革命。通过对钢板表层质量管理进行科技赋能,促进钢板表层质量闭环控制,实现我国钢铁业高质量钢板供给,显著增强我国钢铁工业在国际竞争中的质量优势。