基于深度学习的高炉出渣识别方法、系统、介质及设备

AITNT
正文
推荐专利
基于深度学习的高炉出渣识别方法、系统、介质及设备
申请号:CN202510235030
申请日期:2025-02-28
公开号:CN120236224A
公开日期:2025-07-01
类型:发明专利
摘要
本发明提供了一种基于深度学习的高炉出渣识别方法、系统、介质及设备,利用图像采集设备实时捕捉炉前渣沟区域的图像信息,并结合深度学习和模式识别技术构建精确模型,实现在各种环境条件下自动、高效、准确预测高炉来渣时间,有效弥补了人工巡查的不足,实现了高炉运行状态的数字化监控。通过与高炉其他参数数据集成联动,不仅能够及时预警渣沟堵塞情况,还能辅助优化高炉炼铁工艺流程,提高整体生产效率和安全性。
技术关键词
卷积神经网络模型 直方图均衡化 识别方法 Retinex算法 控制中心 出渣 网络摄像机 感兴趣区域图像 高炉渣口 图像增强 神经网络架构 识别系统 高炉出铁口 模块 数据格式 服务器 关系型数据库 图像处理单元
系统为您推荐了相关专利信息
1
一种负面舆情态势感知风险识别方法、装置和设备
指标 舆情态势感知 机器学习模型 风险识别方法 层次分析法
2
一种基于筒节焊缝的实时成像检测系统
成像检测系统 机器学习算法 图像处理模块 成像设备 无线网络传输模块
3
基于人工智能的血液透析人群衰老时钟评估方法
血液透析患者 卷积神经网络模型 衰老 医学图像数据 时钟
4
一种基于卷积神经网络的甲状腺癌早期诊断模型构建方法
早期诊断模型构建方法 构建卷积神经网络 卷积神经网络模型 细针穿刺活检 甲状腺超声图像
5
一种基于动物图像特征的多目标识别方法及系统
动物 特征值组 识别区 识别方法 像素点
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号