典型文献
基于注意力的高炉流态化料面多尺度检测算法
文献摘要：
针对高炉料面图像经常发生多物理形态周期转变导致料线追踪精度下降问题,研究了一种基于注意力的多尺度卷积核流态化料面检测算法(MKAD).构建了雷达数据集–灰度图像–料形可视化的一类特征提取框架,在卷积层采用通道和空间双注意力机制,获得不同尺度的精细化颗粒流态化特征;使用多尺度卷积核自适应方法提取并融合喷涌料面多尺度颗粒物特征,实现跨通道特征融合.在南钢3#高炉和武钢7#高炉进行了实验和综合评估,精确率分别可达83.01％和86.50％,与峰脊锐化方法相比,分别实现了1.41％和4.9％的性能提升,上述融合特征提取框架显著增强了料面检测的鲁棒性.
文献关键词：
流态化;特征提取;注意力机制;多尺度卷积核;料面
中图分类号：
作者姓名：
张腊梅;陈先中;侯庆文
作者机构：
北京科技大学自动化学院,北京100083;北京科技大学工业过程知识自动化教育部重点实验室,北京100083;北京科技大学顺德研究生院,广东佛山528399
文献出处：
引用格式：
[1]张腊梅;陈先中;侯庆文-.基于注意力的高炉流态化料面多尺度检测算法)[J].控制理论与应用,2022(09):1670-1678
A类：
MKAD
B类：
高炉,料面,多尺度检测,检测算法,炉料,多物理,物理形态,多尺度卷积核,雷达数据,灰度图像,料形,提取框架,卷积层,双注意力机制,不同尺度,颗粒流态化,自适应方法,喷涌,颗粒物,跨通道,通道特征融合,南钢,3#,武钢,7#,精确率,锐化,性能提升,融合特征
AB值：
0.361299
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
