基于自编码器的耐火板砖表面缺陷特征提取与分类方法研究

耐火砖是一种具有一定形状和尺寸的耐火材料,在建筑,钢铁,机械,化工等行业都有着重要的用途。其表面缺陷会影响成品设备的形状,尺寸组成及性能。以满足实际生产应用为标准,进行了耐火板砖表面缺陷特征提取与分类方法设计,创新性地引入了深度学习基本网络自编码器对耐火砖表面缺陷图像进行特征提取,以提高耐火砖表面缺陷的识别效果。实验结果表明,对耐火砖表面缺陷的识别检测平均准确率可达95.73%,能满足实际生产应用需求。

基于图像识别的耐火材料破损率计算方法研究

针对传统耐火材料抗热震性检测方法所存在的诸如效率低、安全性差、没有过程记录等问题,本文利用图像识别技术并结合机器学习建立了新的检测系统,提出了设定初始误差系数E计算连通域特征分割阈值T的算法和基于骨架线区间划分的破损率计算方法,并借助新检测系统对多种耐火材料样品进行抗热震性测试。结果表明,新检测系统中图像处理算法的分割误差、假阳性率和假阴性率均值分别为3.73%、4.89%和1.82%,耐火材料破损率计算方法计算速度快且计算精度高。新抗热震性检测系统大幅降低了检测工作量并能自动保存所有检测记录。