改进ResNet101网络下渣出钢状态识别研究

• 作者: 刘浩楠 崔桂梅 李爱莲 解韶峰 郭志斌
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 图像识别 下渣检测 空间金字塔池化 ResNet
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 测控技术
• 页码范围: 116-119,125
• 页数: 5页
• 分类号: TF748.2
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020030022

摘要

针对人工目测法缺乏严格的科学依据,且受主观因素影响较大,而红外下渣检测方法需对红外图像进行去噪等预处理,易造成图像失真,并且无法提取图像颜色等基本特征,这些缺点造成最终检测准确率的降低;将空间金字塔池化与ResNet101网络相结合,提出一种基于改进ResNet101网络下渣彩色图像的出钢状态分类识别检测方法,首先将下渣检测图像结合专家经验进行分类,将数据集分为训练数据集、交叉验证数据集与测试数据集;其次,分析ResNet101网络模型,加入空间金字塔池化层(SPP-Net),便于任意大小图片的输入;最后采用Softmax分类器进行图像识别实验,钢水下渣图像识别准确率达到99％以上,能够准确实现区分所有下渣情况的功能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔桂梅		152	744	13.0	21.0
2	李爱莲		56	103	5.0	6.0
3	解韶峰		14	18	2.0	4.0
4	刘浩楠		1	0	0.0	0.0
5	郭志斌		3	0	0.0	0.0