基于深度学习的钢坯入炉前定位技术

来源：计算机技术与发展杂志2022年第S2期北京时间：

作者：季倓正;邵允学;吕摇刚

单位：1. 南京工业大学 计算机科学与技术学院,江苏 南京 211816;2. 上海策立工程技术有限公司,上海 201900

摘要：随着深度学习技术的不断发展,深度学习与传统工业生产流程相融合成为近些年研究和应用的热点。 在传统钢铁生产过程中,钢坯入炉位置是人工根据钢坯的横向位置是否正确来确认和控制的,存在控制不精确、生产效率低、人工成本高等不足之处。 针对以上问题,文中通过机器视觉方法实现钢坯在炉前位置的实时精确定位,提出了一种基于钢坯横向位置分割的炉前定位方法,该方法以 U-Net 神经网络为基础结构,用 ResNet-34 网络的标准残差块对原 U-Net 网络进行特征提取与特征融合,这样既保留了 ResNet 的残差结构以加深网络层次,也使这两种网络有效的融合起来。 经实验,横向分割网络的像素精度可以达到 99. 7% ,而标准的 ResNet 网络仅达到 92. 2% ,达到了现场应用精度要求。

关键词：炉前定位;图像分割;ResNet;U-Net;横向分割网络