← 返回列表
一种基于深度图像学习的溜槽角度识别方法及系统
摘要文本
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。
申请人信息
- 申请人:苏州大学
- 申请人地址:215000 江苏省苏州市吴江区久泳西路1号
- 发明人: 苏州大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度图像学习的溜槽角度识别方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311375877.4 |
| 申请日 | 2023/10/23 |
| 公告号 | CN117475204A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 苏州大学 |
| 发明人 | 梁合兰; 王广欣; 何青辉; 闫炳基; 国宏伟 |
| 地址 | 江苏省苏州市姑苏区十梓街1号 |
专利主权项内容
1.一种基于深度图像学习的溜槽角度识别方法，其特征在于，包括：步骤S1：通过炉顶摄像设备收集高炉溜槽在不同角度下的视频，将溜槽视频拆分为图像帧，并标记其溜槽角度，其中每张图像的标签为其对应的溜槽角度；步骤S2：设计图像灰度一致性变换和数据增强两种图像预处理策略，对溜槽图像进行预处理；步骤S3：基于预处理后的溜槽图像数据，构建溜槽图像数据集，并将溜槽图像数据集划分为训练样本集和测试样本集；步骤S4：将训练样本集输入到预先构建好的基于深度图像学习的溜槽角度分类器模型中进行模型训练，得到训练好的基于深度图像学习的溜槽角度分类器模型；步骤S5：使用溜槽角度识别准确率作为评估标准，在测试样本集上验证训练好的基于深度图像学习的溜槽角度分类器模型的性能；步骤S6：将实时采集的溜槽图像经过预处理后输入到训练好的基于深度图像学习的溜槽角度分类器模型进行识别，得到最终分类结果；步骤S7：将最终分类结果与样本对应的溜槽角度标签进行比对，判断溜槽角度是否异常。