-
题名基于深度学习的废钢智能验质系统
- 1
-
-
作者
郭锋
-
机构
建龙集团智能制造研究所
-
出处
《冶金信息导刊》
2021年第1期52-55,共4页
-
文摘
在钢铁企业中,废钢验质主要依靠人工进行,随意性很大。对废钢验质全过程进行深入分析,设计了一套基于深度学习的全自动无人化废钢智能验质系统,在国内首次实现了钢铁行业关键原材料废钢使用过程中的全自动验判,彻底取代了人工验质,满足现代规模化钢铁冶金企业废钢采购和使用量化表征测试分析需求,钢铁企业实际数据的测试结果表明,所设计的系统避免了人工扣杂的主观性,能够为企业带来巨大的经济效益和社会效益。
-
关键词
废钢验质
深度学习
全自动无人化系统
效益
-
Keywords
scrap quality inspection
deep learning
automatic unmanned system
benefit
-
分类号
F42
[经济管理—产业经济]
-
-
题名基于多尺度感受野网络的废钢等级识别算法
- 2
-
-
作者
郭锋
-
机构
建龙集团智能制造研究所
-
出处
《冶金信息导刊》
2021年第3期52-55,44,共5页
-
文摘
目前,一些企业采用卷积神经网络进行废钢等级的自动识别,但由于传统的卷积神经网络存在感受野单一、泛化能力不强等问题,导致废钢等级识别准确率一直不高。因此设计了基于多尺度感受野网络的废钢等级识别算法,主要包括基础特征提取、中级特征提取、颜色、边缘特征提取和采用特征金字塔网络(Feature Pyramid Networks,FPN)进行特征融合。钢铁企业实际数据的测试结果表明,该算法废钢等级识别准确率达到90.23%,与传统卷积神经网络相比,准确率有明显的提升。
-
关键词
卷积神经网络
废钢
特征金字塔
感受野
-
Keywords
convolution neural network
scrap
feature pyramid
receptive field
-
分类号
F42
[经济管理—产业经济]
-
-
题名基于神经网络实现废钢车辆的精准定位
- 3
-
-
作者
郭锋
-
机构
建龙集团智能制造研究所
-
出处
《冶金设备》
2021年第2期32-34,共3页
-
文摘
为实现废钢等级识别全过程无人干预,首先需要通过摄像机自动对废钢车辆进行定位。由于废钢卸料点周围都是废钢、废钢车辆里装载的也是废钢。按照传统方法,很难精准的定位废钢车辆。本文首先对传统的基于阈值的图像分割方法、基于边缘的图像分割方法、基于区域的图像分割方法进行分析,然后提出了基于神经网络的废钢车辆定位方法,与传统图像分割方法相比,准确率有明显的提升,能够精准的实现废钢车辆的定位。
-
关键词
神经网络
车辆定位
语义分割
-
Keywords
Neural network
Vehicle positioning
Semantic segmentation
-
分类号
TF086
[冶金工程—冶金物理化学]
-