公开(公告)号：CN112819802A

公开(公告)日：2021-05-18

申请号：CN202110187003.0

申请日：2021-02-09

Applicant: 东北大学

Inventor： 李强 ,  王子佳 ,  王帅 ,  郭帅 ,  李明明 ,  邹宗树

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于风口信息深度学习的监督及预测高炉炉况异常的方法，包括：提取高炉风口图像，采用自适应中值滤波与伽马变换相结合的方式对风口图像进行去噪预处理，采用灰度二值化算法与灰度上移相结合的方式增强图片对比度，然后对样本图像进行无监督分类且自动生成标签，构建风口图像数据库；建立TI‑ResNet模型提取高炉冶炼过程特征，最终利用训练好的TI‑ResNet模型，基于高炉实时或离线获得的风口监控数据，进行高炉实时或离线炉况监督和预测。本发明可实现闭环自动数据化、自动标签化、基于更新数据集自动训练建立的TI‑ResNet模型，并且可应用建立的智能算法和模型进行在线或离线炉况异常监督和预测。

公开(公告)号：CN112819802B

公开(公告)日：2024-03-05

申请号：CN202110187003.0

申请日：2021-02-09

Applicant: 东北大学

Inventor： 李强 ,  王子佳 ,  王帅 ,  郭帅 ,  李明明 ,  邹宗树

IPC: G06T7/00 ,  G06T5/70 ,  G06T5/90 ,  G06V10/762 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/60

Abstract: 本发明公开了基于风口信息深度学习的监督及预测高炉炉况异常的方法，包括：提取高炉风口图像，采用自适应中值滤波与伽马变换相结合的方式对风口图像进行去噪预处理，采用灰度二值化算法与灰度上移相结合的方式增强图片对比度，然后对样本图像进行无监督分类且自动生成标签，构建风口图像数据库；建立TI‑ResNet模型提取高炉冶炼过程特征，最终利用训练好的TI‑ResNet模型，基于高炉实时或离线获得的风口监控数据，进行高炉实时或离线炉况监督和预测。本发明可实现闭环自动数据化、自动标签化、(56)对比文件qiang li等.A Deep Learning-BasedDiagnosis Model Driven by Tuyere ImagesBig Data for Iron-Making Blast Furnaces.《STEEL RESEARCH INTERNATIONAL》.2022,第93卷(第8期),正文1-11.