|
|||||
|
|
| 基于卷积神经网络的钢渣砂图像识别及图像变化规律 | |
| 作者姓名： | 滕胜杰 朱琳 李运泽 王新年 晋强 |
| 作者单位： | 1.新疆农业大学水利与土木工程学院,乌鲁木齐 830052;2.新疆兵团城建集团有限公司,乌鲁木齐 830052 |
| 基金项目： | 新疆水利工程安全与水灾防治重点实验室 |
| 摘 要： | 钢渣安定性检验是实现钢渣安全资源利用的关键,针对钢渣安定性检测方法的效率低且受到取样代表性不足的问题,提出一种基于卷积神经网络的钢渣砂图像分类模型SE-ConvNeXt.该分类模型针对钢渣砂的图像特征,在ConvNeXt网络中添加通道注意力机制SE-Net(squeeze and excitation network).相比于原ConvNeXt和其他卷积神经网络模型,SE-ConvNeXt的收敛速度更快,训练过程更稳定,准确率更高.分别使用2.36～4.75 mm和1.18～2.36 mm两个粒径的钢渣砂图像训练网络,并结合粉化率的变化规律分析.结果表明:模型预测两个粒径的钢渣砂图像数据集准确率分别为92.5％、94％,且钢渣砂图像随着蒸汽陈化时间的增加,变化程度逐渐变小,随后图像变化程度趋于稳定,与粉化率变化规律相似.可见蒸汽处理的钢渣砂可通过钢渣砂图像评价体积安定性. |
| 关 键 词： | 图像识别 钢渣砂 ConvNeXt 注意力机制 |
| 收稿时间： | 2023-03-12 |
| 修稿时间： | 2023-12-19 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 | |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 | |