基于Vision Transformer的高炉风口智能监测模型及应用

来源：钢铁研究学报杂志2026年第1期北京时间：

作者：王浩男¹, 韩明博¹, 但家云², 李强¹

单位：1.东北大学冶金学院,辽宁沈阳110819;；2.湖南华菱湘潭钢铁有限公司炼铁厂,湖南湘潭411101

摘要：高炉下部风口窥视孔可以实时监测高炉回旋区的燃烧特征与喷煤状态等关键冶炼状态信息,进而判断煤气流分布和炉缸活跃程度等重要参数。为解决风口监测过程中存在的主观性与时滞性问题,本工作基于风口图像非结构大数据与Vision Transformer架构,建立了高炉风口智能监测模型TI-ViT。首先,对采集到的风口图像进行预处理,通过特征辨析与标签标定形成典型炉况数据集;进而,基于Vision Transformer架构构建了TI-ViT风口图像识别模型;最后,对TI-ViT模型进行性能评估,重点探究了模型深度对准确率、参数量、训练时间与运行时间的影响,并与传统卷积神经网络模型进行比较。经验证,TI-ViT模型的准确率达到97.7%,相比基于卷积神经网络的模型提升了9.1%,单张图像的推理时间仅为15.75 ms。将基于本研究模型所开发的“智慧眼”系统应用于现场实践,其识别准确率可达95.2%,表明该系统实现了对高炉风口的实时监测、识别与预警,有助于降低钢铁企业对风口异常状态的监测与诊断成本,为高炉炼铁智能化提供了新的发展方向。

关键词：高炉风口,计算机视觉,VisionTransformer,图像识别,高炉炼铁

基金资助：国家自然科学基金资助项目(52274328, 52074079);中国宝武低碳冶金创新基金资助项目(BWLCF202403)