基于火焰图像CNN的转炉炼钢吹炼终点判断方法.pdfVIP

第 42卷 第 1O期 计 算 机 工 程 2016年 10月 Vo1．42 NO．1O ComputerEngineering October2O16 · 开发研究与工程应用 · 文章编号：1000-3428(2016)10-0277-06 文献标志码：A 中图分类号：TP391．41 基于火焰 图像 CNN的转炉炼钢吹炼终点判断方法 江 帆 ，刘 辉 ，王 彬 ，孙晓峰 (昆明理工大学 信息工程与 自动化学院，昆明650500) 摘 要 ：在转炉炼钢吹炼过程 中，要求对转炉终点做出准确且实时的判断。为提升转炉终点判断的准确率，提出一 种基于火焰图像卷积神经 网络识别建模 的转炉炼钢吹炼终点判断方法 。利用卷积神经网络 自行从样本 图像 中分 层递阶地学习相应特征，减少或避免人工经验的误导，从而实现转炉终点判断准确度的提升。将火焰图像在 HSI 空间下采用最大类间方差法进行分割，寻找出模型最佳参数，并在 5个炉次的火焰数据上验证算法性能。实验结 果表明，与灰度共生矩阵和灰度差分统计方法相 比，该方法识别率分别提升 29％和 4％，模型准确性与实时性较 高，可应用在实际转炉炼钢终点判断中。 关键词：转炉炼钢 ；最大类间方差法；卷积神经网络；有监督式训练；梯度下降法 中文引用格式：江 帆，刘 辉，王 彬，等．基于火焰图像 CNN的转炉炼钢吹炼终点判断方法 [J]．计算机工程， 2016，42(10)：277—282． 英文引用格式 ：JiangFan，LiuHui，WangBin，eta1．BasicOxygenFurnaceBlowingEndpointJudgmentMethodBased onFlameImageConvolutionNeuralNetwork[J]．ComputerEngineering，2016，42(10)：277-282． BasicOxygenFurnaceBlowingEndpointJudgmentMethod BasedonFlameImageConvolutionNeuralNetwork JIANG Fan，LIU Hui，W ANG Bin，SUN Xiaofeng (FacultyofInformationEngineeringandAutomation，KunmingUniversityofScienceandTechnology，Kunming650500，China) 【Abstract】Intheprocessofbasicoxygenfurnaceblowing，itisrequiredtomakeaccurateandreal—timejudgmentofthe furnaceendpoint．InordertOenhancetheaccuracyofblowingendpointjudgment，amethodforbasicoxygenfurnace endpointjudgmentbasedonflameimageConvolutionNeuralNetwork(CNN)recognizationmodellingisproposed．The relatedfeaturesare learnedbyCNN from the sample image，avoidingmisleading from hand—crafted features，SO asto realizetheimprovementintheaccuracyofendpointjudgment．TheOSTUalgorithm isusedofrflameimagesegmentation inHSIcolorspacetO find outthe bestparametersofthemode1．Theperformance ofthe algorithm isverified with the flamedataoffivefurnaces．Experimentalresultsshow thattherecognitionrateisrespe