基于神经网络的高炉出铁口开堵口检测方法

本申请提供了一种基于神经网络的高炉出铁口开堵口检测方法，属于高炉炼铁工艺数据处理技术领域。方法包括:将出铁开口与堵口的定性描述转化为基于图像亮度和颜色变化的量化视觉特征标签；连续采集预设天数的高炉出铁口视频数据，对裁剪后的图像进行出铁口和堵口的位置标记及类别标记，生成与图像同名的标注文件并保存在同一路径下；对采集到的图像进行预处理，去除图像中的飞溅和尘烟干扰；构建基于YOLO架构的深度学习目标检测模型；基于模型的输入参数，采用动态阈值判定与报警机制处理输出结果，依据检测到的类别及铁水区域面积触发开口或堵口信号。实现了对高炉出铁口状态的精准实时监测与自动判断，有效提高了生产安全性和效率。