基于火焰图像CNN的转炉炼钢吹炼终点判断方法

摘要：

在转炉炼钢吹炼过程中,要求对转炉终点做出准确且实时的判断.为提升转炉终点判断的准确率,提出一种基于火焰图像卷积神经网络识别建模的转炉炼钢吹炼终点判断方法.利用卷积神经网络自行从样本图像中分层递阶地学习相应特征,减少或避免人工经验的误导,从而实现转炉终点判断准确度的提升.将火焰图像在HSI空间下采用最大类间方差法进行分割,寻找出模型最佳参数,并在5个炉次的火焰数据上验证算法性能.实验结果表明,与灰度共生矩阵和灰度差分统计方法相比,该方法识别率分别提升29％和4％,模型准确性与实时性较高,可应用在实际转炉炼钢终点判断中.

关键词：转炉炼钢、最大类间方差法、卷积神经网络、有监督式训练、梯度下降法

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61263017;云南省人培基金资助项目KKSY201303120;云南省教育厅基金资助项目2014Y086

在线出版日期：2016-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：277-282