基于深度时序图像学习的溜槽角度异常诊断方法及系统

    公开(公告)号:CN117475203B

    公开(公告)日:2024-11-08

    申请号:CN202311375875.5

    申请日:2023-10-23

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于深度时序图像学习的溜槽角度异常诊断方法及系统,涉及高炉冶炼工艺和图像处理技术领域,该方法包括收集高炉炉顶监控视频数据,得到不同角度不同环境下的高炉溜槽视频;对所述高炉溜槽视频进行预处理,得到溜槽角度视频数据集;将溜槽角度视频数据集输入到预先构建好的基于深度时序图像学习的溜槽角度识别模型中进行模型训练,得到训练好的基于深度时序图像学习的溜槽角度识别模型;将实时采集的溜槽图像输入到训练好的基于深度时序图像学习的溜槽角度识别模型中进行预测,得到最终分类结果;将最终分类结果与设定的溜槽角度进行比对,判断溜槽角度是否异常。本发明实现了方便高效的溜槽角度核验。

    一种基于深度图像学习的溜槽角度识别方法及系统

    公开(公告)号:CN117475204B

    公开(公告)日:2024-07-09

    申请号:CN202311375877.4

    申请日:2023-10-23

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于深度图像学习的溜槽角度识别方法及系统,涉及高炉冶炼工艺和图像处理技术领域,本发明将溜槽角度识别问题归类为一个分类问题。通过图像收集、图像预处理、构建数据集和分类器模型、模型训练以及识别诊断等步骤,实现溜槽角度的实时、便捷检测。在图像预处理阶段设计了图像灰度一致性变换和数据增强两种预处理策略,不仅增加了数据的多样性,而且通过不同的数据增强方法模拟了溜槽的不同环境,从而提升了模型的诊断率和泛化性。本发明具有很强的实时性,大大降低了溜槽角度识别的难度及节约成本,可实现方便、高效的溜槽角度识别。

    一种基于深度图像学习的溜槽角度识别方法及系统

    公开(公告)号:CN117475204A

    公开(公告)日:2024-01-30

    申请号:CN202311375877.4

    申请日:2023-10-23

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于深度图像学习的溜槽角度识别方法及系统,涉及高炉冶炼工艺和图像处理技术领域,本发明将溜槽角度识别问题归类为一个分类问题。通过图像收集、图像预处理、构建数据集和分类器模型、模型训练以及识别诊断等步骤,实现溜槽角度的实时、便捷检测。在图像预处理阶段设计了图像灰度一致性变换和数据增强两种预处理策略,不仅增加了数据的多样性,而且通过不同的数据增强方法模拟了溜槽的不同环境,从而提升了模型的诊断率和泛化性。本发明具有很强的实时性,大大降低了溜槽角度识别的难度及节约成本,可实现方便、高效的溜槽角度识别。

    基于深度时序图像学习的溜槽角度异常诊断方法及系统

    公开(公告)号:CN117475203A

    公开(公告)日:2024-01-30

    申请号:CN202311375875.5

    申请日:2023-10-23

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于深度时序图像学习的溜槽角度异常诊断方法及系统,涉及高炉冶炼工艺和图像处理技术领域,该方法包括收集高炉炉顶监控视频数据,得到不同角度不同环境下的高炉溜槽视频;对所述高炉溜槽视频进行预处理,得到溜槽角度视频数据集;将溜槽角度视频数据集输入到预先构建好的基于深度时序图像学习的溜槽角度识别模型中进行模型训练,得到训练好的基于深度时序图像学习的溜槽角度识别模型;将实时采集的溜槽图像输入到训练好的基于深度时序图像学习的溜槽角度识别模型中进行预测,得到最终分类结果;将最终分类结果与设定的溜槽角度进行比对,判断溜槽角度是否异常。本发明实现了方便高效的溜槽角度核验。

Patent Agency Ranking