基于深度卷积网络的电熔镁炉欠烧工况在线识别

• 作者: 卢绍文 吴志伟 李鹏琦 王克栋 郭章
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 电熔镁炉 深度学习 工况感知 图像检测 识别模型 生成对抗网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 短文
• 页码范围: 1537-1544
• 页数: 8页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.1646

摘要

欠烧是电熔镁炉熔炼过程中由于原料杂质不均匀导致炉壁局部过热的异常工况,若不及时发现和处理,可能导致炉体烧穿.目前,欠烧工况主要依靠有经验的巡检工人在电熔镁生产现场"看火",劳动强度大且危险性高,容易漏检、误检.鉴于此,提出一种基于深度卷积网络的可见光RGB图像与红外热像相结合的电熔镁炉欠烧工况感知技术,并基于此开发原型系统.采用工业相机和红外热像仪获取电熔镁生产现场过程图像,利用深度学习技术并结合现场工人经验建立对欠烧工况视频图像的检测和识别模型,通过实时的图像分析,实现对欠烧工况的在线识别.将该技术在某氧化镁企业进行工业实验,验证了所提出技术的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢绍文	东北大学流程工业综合自动化国家重点实验室	20	32	3.0	5.0
2	吴志伟	东北大学流程工业综合自动化国家重点实验室	11	66	4.0	8.0
3	王克栋	东北大学流程工业综合自动化国家重点实验室	2	5	1.0	2.0
4	李鹏琦	东北大学流程工业综合自动化国家重点实验室	3	7	2.0	2.0
5	郭章	东北大学流程工业综合自动化国家重点实验室	3	7	2.0	2.0