计算机视觉在对虾养殖业的应用实践

针对传统水产养殖业中养殖过程中容易受到养殖人员的个人经验从而导致养殖效率低下、能源损耗严重等问题,本文融合计算机视觉、人工智能、图像处理等技术,应用于对虾养殖业中并展开实践。首先在水下投放双目摄像机把拍取的对虾图像和视频上传至PC端,使用YOLOv5深度学习模型对虾体图像进行训练达到精准识别的效果,然后根据一系列的图像处理等步骤得到分割后的虾体图像,最后基于最小矩形法寻得最优测量点并根据双目视觉算法把二维坐标转换为三维坐标得到对虾的体长及平均生长率。该实践方法可运用到中小型的工厂化对虾养殖场和乡村对虾养殖基地,提高养殖效率,降低养殖成本。

基于熔解动力学的高炉熔渣在线调制过程中动态化补热系统

随着经济的快速发展,钢铁产量逐年升高,高炉渣作为炼铁过程中的主要副产品,每冶炼一吨生铁可产生300~400 kg的高炉渣,但高炉渣的处理和再利用技术停滞不前,低端的处理方法既消耗大量的资源又污染环境,更造成高炉熔渣显热和出炉温度等潜在价值的浪费。而铁尾矿也是配矿中的废料,但两者相结合,却能以废治废、变废为宝,产出高附加值的矿渣棉。基于熔解动力学的高炉熔渣在线调制过程动态化补热系统,利用双目识别和深度学习动态追踪目标熔体,建立冶金云数据库平台,铁尾矿调制高炉渣的成纤工艺可实现动态化补热,不仅能够有效降低生产成本,还能带来巨大的节能减排效益,为智能制造、成纤工业化照亮前进的道路。