摘要
本发明公开了一种高炉风口异常情况检测方法,属于高炉冶炼技术领域,首先,需要连续采集高炉风口内的视频数据,然后将视频数据按帧拆分为图像数据,其中,图像数据为彩色图片,接下来通过风口异常检测模型获取图像数据、并通过卷积计算提取图像的颜色、形状、边缘等特征。最后,将图像特征与风口异常检测模型的标准数据集进行比较、并输出与标准数据集对应的异常情况。利用该方法能够实时、并准确地检测出风口的异常情况,从而为模型的泛化性能提供了保障,由此使得高炉运行稳定性得到提升,同时降低维护成本、增加了数据的多样性和准确度。
技术关键词
高炉风口
图像
视频拍摄装置
数据处理模块
深度学习模型
高炉冶炼技术
卷积神经网络模型
残差神经网络
异常数据
定义
对比度
多角度
通讯
颜色
处理器
参数