基于深度学习的冶炼状态检测系统及检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111126206A(43)申请公布日2020.05.08(21)申请号201911273554.8G06N3/08(2006.01)(22)申请日2019.12.12(71)申请人创新奇智（成都）科技有限公司地址610200四川省成都市双流区东升街道银河路三段166号香港城市大学成都研究院科研楼（二）四层2-400至2-409室(72)发明人宋剑飞张发恩禹文扬(74)专利代理机构广州鼎贤知识产权代理有限公司44502代理人刘莉梅(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书6页附图7页(54)发明名称基于深度学习的冶炼状态检测系统及检测方法(57)摘要本发明公开了一种冶炼状态检测系统、方法，其中，系统包括自适应曝光成像模块，用于实时采集所述熔炉的炉口状态图像以及给出采集所述炉口状态图像采用的曝光值并输出；模型训练模块，连接所述自适应曝光成像模块，用于以各所述炉口状态图像和拍摄各所述炉口状态图像给出的所述曝光值作为训练样本，训练形成一炉口状态识别模型；炉口状态识别模块，连接所述模型训练模块，用于基于所述炉口状态识别模型，对实时采集的所述炉口状态图像进行炉口状态识别，得到所述熔炉的当前炉口状态并存储，本发明提高了炉口状态识别的准确度和识别速度，提高了冶炼工人处理炉口堵塞和及时填料的效率，缩短了空炉干烧和填料堵塞的时间，提高了熔炉的出水率。CN111126206ACN111126206A权利要求书1/2页1.一种基于深度学习的冶炼状态检测系统，用于对熔炉的炉口状态进行图像实时采集和炉口状态识别检测，其特征在于，包括：自适应曝光成像模块，用于实时采集所述熔炉的炉口状态图像以及给出采集所述炉口状态图像采用的曝光值并输出；模型训练模块，连接所述自适应曝光成像模块，用于以各所述炉口状态图像和拍摄各所述炉口状态图像给出的所述曝光值作为训练样本，训练形成一炉口状态识别模型；炉口状态识别模块，连接所述模型训练模块，用于基于所述炉口状态识别模型，对实时采集的所述炉口状态图像进行炉口状态识别，得到所述熔炉的当前炉口状态并存储，所述炉口状态识别模块中具体包括：炉口状态识别单元，用于基于所述炉口状态识别模型，对一连续帧范围内的各所述炉口状态图像进行逐一的炉口状态识别，得到每张所述炉口状态图像对应的所述炉口状态识别结果并存储；赋权单元，连接所述炉口状态识别单元，用于为所述连续帧范围内的各所述炉口状态图像对应的所述炉口状态识别结果赋予相对应的权重；投票单元，分别连接所述炉口状态识别单元和所述赋权单元，用于根据各所述炉口状态图像对应的所述炉口状态识别结果以及各所述炉口状态识别结果分别对应的所述权重，对所述连续帧范围内的各所述炉口状态图像对应的所述炉口状态识别结果以时序加权形式进行综合投票，得到对所述熔炉的炉口状态的投票结果；所述炉口状态识别单元继续对所述连续帧范围外的下一帧的所述炉口状态图像进行炉口状态识别，得到下一帧的所述炉口状态图像对应的所述炉口状态识别结果并存储；判断单元，分别连接所述炉口状态识别单元和所述投票单元，用于对投票得到的所述投票结果和对下一帧的所述炉口状态图像的所述炉口状态识别结果的一致性进行判断，若识别结果一致，则将对下一帧的所述炉口状态图像对应的所述炉口状态识别结果作为所述熔炉的所述当前炉口状态输出；若识别结果不一致，则继续对下一个所述连续帧范围内的各所述炉口状态图像进行炉口状态识别，直至识别输出所述熔炉的所述当前炉口状态。2.如权利要求1所述的冶炼状态检测系统，其特征在于，基于深度残差网络Resnet18训练形成所述炉口状态识别模型。3.如权利要求1所述的冶炼状态检测系统，其特征在于，所述自适应曝光成像模块为高动态范围相机。4.如权利要求1所述的冶炼状态检测系统，其特征在于，所述连续帧范围为所述自适应曝光成像模块连续采集的9张所述炉口状态图像。5.一种基于深度学习的冶炼状态检测方法，通过应用如权1-4任意一项的所述冶炼状态检测系统实现，其特征在于，包括如下步骤：步骤S1，所述冶炼状态检测系统实时采集所述熔炉的所述炉口状态图像以及给出采集所述炉口状态图像采用的曝光值并输出；步骤S2，所述冶炼状态检测系统以各所述炉口状态图像和拍摄各所述炉口状态图像给出的所述曝光值作为所述训练样本，训练形成所述炉口状态识别模型；步骤S3，所述冶炼状态检测系统基于所述炉口状态识别模型，对实时采集的所述炉口2CN111126206A权利要求书2/2页状态图像进行炉口状态识别，得到所述熔炉的当前炉口状态并存储。6.如权利要求5所述的冶炼状态检测方法，其特征在于，所述步骤S3中，所述冶炼状态