摘要
在炼钢转炉出钢过程中,由于钢包处于高温环境且伴随大量烟尘和火花,直接检测钢包液位极为困难。文章提出一种基于机器视觉的检测方法,利用改进的YOLOv7深度学习算法对钢包液位进行分割,通过检测钢水液面与钢包包口的相对位置间接获取液面高度。改进的YOLOv7框架中加入Criss-Cross Attention(十字交叉注意力)机制,降低背景干扰,并将SPPCSPC(空间金字塔池化跨阶段部分连接造成的)结构替换为SPPFCSPC(空间金字塔池化快速跨阶段部分连接)结构,以减少模型参数量和计算量,提升检测速度。实验结果表明,改进算法的掩膜与预测框m AP(平均精确度)显著提高。此外,针对出钢过程中烟尘和火花对图像的影响,改进了经典去雾算法,对采集到的图像进行预处理,获取更清晰的图像,确保液面检测的高效性、安全性和精准性。
出处
《冶金与材料》
2025年第4期101-103,共3页
Metallurgy and Materials
