首页   冶金自动化杂志   新闻中心   自动化信息网   冶金计量协会   杂志广告   厂商信息   自动化论坛   计控自动化对标
期刊介绍
期刊荣誉
编委会
征稿启事
作者须知
文章模板
在线杂志
当前位置:冶金自动化杂志 ->  在线杂志
期刊年份   期号   关键字   
基于残差神经网络实现转炉火焰状态识别
文章作者:庞殊杨等
出处: 冶金自动化2021年第1期
作者单位: 中冶赛迪重庆信息技术有限公司大数据产品部
参考文献:
关键词:深度学习;图像分类;人工智能;ResNet;神经网络;炼钢;转炉火焰识别
摘要:在转炉炼钢的作业场景下,转炉火焰的状态判断对最终烧制的炉钢质量至关重要,由于复杂多变的作业环境,传统转炉火焰状态判断方法普遍存在检测精度低、受环境因素干扰大、泛化能力差等种种问题,目前一直依赖人工目测进行转炉火焰状态识别。针对这种现象,根据实际生产环境将转炉火焰归纳为8种不同状态,除了正常情况外,还包括跳渣、喷溅等较典型异常状态。采用残差(residual network,简称ResNet)神经网络对转炉火焰数据集进行有监督的训练,训练后的模型可对上述8种状态的火焰进行实时、高精度的分类识别,从而达到及时监察异常情况、精准控制炼钢进程、提高炼钢质量的目的。理论分析和试验结果表明,本方法在转炉火焰数据集上的识别率为98.73%,在无GPU环境下对350像素×350像素视频的平均检测速度为每秒4.4帧,在NVIDIA Tesla V100 GPU的环境下平均检测速度为每秒110.6帧,能兼顾实际落地应用所要求的高精度、实时性的需求。
正文:正文下载
版权所有 © 2006 《冶金自动化》编辑部 新鸿儒承制
地址:北京海淀区学院南路76号南院 电话:010-62181013 传真:010-62181013 E-mail:mia@yjzdh.com
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:010-62662699,E-mail:support@magtech.com.cn
冶金自动化研究设计院《冶金自动化》杂志社 京ICP备09114784号