[发明专利]一种LF炉钢渣红外识别方法和系统在审
| 申请号： | 202110228878.0 | 申请日： | 2021-03-02 |
| 公开（公告）号： | CN112950586A | 公开（公告）日： | 2021-06-11 |
| 发明（设计）人： | 刘凯;李小平;曹树森;彭宏亮 | 申请（专利权）人： | 攀钢集团攀枝花钢铁研究院有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08;G06T5/00 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 刘翠香 |
| 地址： | 617000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 lf 钢渣 红外 识别 方法 系统 | ||
1.一种LF炉钢渣红外识别方法，其特征在于，包括：
对LF炉的钢包表面钢渣和钢包内裸露钢水进行红外检测，得到图像数据；
对所述图像数据进行预处理；
将预处理后的图像数据进行数据增广，得到训练数据集和测试数据集；
利用所述训练数据集对SegNet网络模型进行训练，得到深度学习模型；
利用所述深度学习模型对所述测试数据集进行测试，识别出所述图像数据中的钢渣。
2.根据权利要求1所述的LF炉钢渣红外识别方法，其特征在于，利用安装在LF炉上方的红外热像仪对LF炉的钢包表面钢渣和钢包内裸露钢水进行红外检测。
3.根据权利要求1所述的LF炉钢渣红外识别方法，其特征在于，所述对所述图像数据进行预处理包括：
对所述图像数据进行增强和降噪处理。
4.根据权利要求1所述的LF炉钢渣红外识别方法，其特征在于，所述将预处理后的图像数据进行数据增广包括：
将所述预处理后的图像数据通过生成式对抗网络在小样本量下进行数据增广。
5.根据权利要求1所述的LF炉钢渣红外识别方法，其特征在于，利用所述训练数据集对SegNet网络模型进行训练之前还包括搭建所述SegNet网络模型：
建立输入层，所述输入层输入的是红外钢渣检测图片的切片；
建立卷积层，利用卷积核进行特征提取和特征映射，使用4组卷积提取图像特征；
建立反卷积层，利用反卷积对特征映射图进行上采样操作，使图像恢复到原图像大小。
6.一种LF炉钢渣红外识别系统，其特征在于，包括：
图像数据获取装置，用于对LF炉的钢包表面钢渣和钢包内裸露钢水进行红外检测，得到图像数据；
预处理装置，用于对所述图像数据进行预处理；
数据增广装置，用于将预处理后的图像数据进行数据增广，得到训练数据集和测试数据集；
训练装置，用于利用所述训练数据集对SegNet网络模型进行训练，得到深度学习模型；
钢渣识别装置，用于利用所述深度学习模型对所述测试数据集进行测试，识别出所述图像数据中的钢渣。
7.根据权利要求6所述的LF炉钢渣红外识别系统，其特征在于，所述图像数据获取装置为安装在LF炉上方的红外热像仪。
8.根据权利要求6所述的LF炉钢渣红外识别系统，其特征在于，所述预处理装置具体用于对所述图像数据进行增强和降噪处理。
9.根据权利要求6所述的LF炉钢渣红外识别系统，其特征在于，所述将数据增广装置具体用于将所述预处理后的图像数据通过生成式对抗网络在小样本量下进行数据增广。
10.根据权利要求6所述的LF炉钢渣红外识别系统，其特征在于，还包括SegNet网络模型搭建装置，具体包括输入层建立单元，用于建立输入层，所述输入层输入的是红外钢渣检测图片的切片；
卷积层建立单元，用于建立卷积层，利用卷积核进行特征提取和特征映射，使用4组卷积提取图像特征；
反卷积层建立单元，用于建立反卷积层，利用反卷积对特征映射图进行上采样操作，使图像恢复到原图像大小。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于攀钢集团攀枝花钢铁研究院有限公司，未经攀钢集团攀枝花钢铁研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110228878.0/1.html，转载请声明来源钻瓜专利网。
