基于注意力的高炉流态化料面多尺度检测算法
张腊梅1
陈先中2
侯庆文3
1.北京科技大学自动化学院,北京1000832.北京科技大学工业过程知识自动化教育部重点实验室,北京1000833.北京科技大学顺德研究生院,广东佛山528399
摘要：针对高炉料面图像经常发生多物理形态周期转变导致料线追踪精度下降问题,研究了一种基于注意力的多尺度卷积核流态化料面检测算法(MKAD).构建了雷达数据集–灰度图像–料形可视化的一类特征提取框架,在卷积层采用通道和空间双注意力机制,获得不同尺度的精细化颗粒流态化特征;使用多尺度卷积核自适应方法提取并融合喷涌料面多尺度颗粒物特征,实现跨通道特征融合.在南钢3#高炉和武钢7#高炉进行了实验和综合评估,精确率分别可达83.01％和86.50％,与峰脊锐化方法相比,分别实现了1.41％和4.9％的性能提升,上述融合特征提取框架显著增强了料面检测的鲁棒性.
关键词：流态化特征提取注意力机制多尺度卷积核料面
资助基金：国家自然科学基金(61671054)北京市自然科学基金(4182038)
论文发表日期：2022-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1670-1678 )
英文信息