结合Mask-RCNN和最小二乘法的球团粒度识别模型

来源：钢铁研究学报杂志2024年第7期北京时间：

作者：林双，陆伟文，胡守景，余正伟，李文波，龙红明

单位：1.安徽工业大学冶金工程学院，安徽马鞍山243002；2.南京钢铁股份有限公司，江苏南京210035；3.铜陵有色金属集团股份有限公司铜冠冶化分公司，安徽铜陵244000

摘要：摘要：在高炉冶炼中，球团粒径分布是评价其质量的重要指标之一。粒度均匀的球团矿有助于改善高炉料柱透气性，降低冶炼能耗。采用MaskRCNN(Mask Regional Convolutional Neural Network)算法进行球团边缘分割和粒径分析。针对球团严重堆叠对图像识别的干扰，根据球团的轮廓特性，使用凹点检测算法获取轮廓上的特征点，并对粘黏堆叠程度不同的球团分类，结合最小二乘圆拟合法对遮挡的轮廓信息进行复原。研究结果表明：MaskRCNN算法的实例分割平均精准度可达到93.5%以上。但是由于球团颗粒的堆叠效应，导致MaskRCNN算法检测的粒度分布曲线严重偏离人工筛分曲线。通过凹点检测算法和最小二乘法圆拟合算法改进后，小于16mm球团的占比有不同程度的增加，图像检测粒度分布曲线和人工筛分曲线基本重合，平均粒径误差在MaskRCNN算法的基础上降低了5.52%，降低幅度为98.6%。

关键词：关键词：球团粒度；图像识别；MaskRCNN；最小二乘圆拟合；凹点检测