基于深度学习的烧结断面识别分类研究

doi:10.13873/J.1000-9787(2022)12-0051-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于深度学习的烧结断面识别分类研究

更新时间：2025-09-11

- 基于深度学习的烧结断面识别分类研究
- Issue 12, Pages: 51-54(2022)
- 作者机构：
  
  1. 武汉科技大学冶金装备及其控制教育部重点实验室
  2. 武汉科技大学机械传动与制造工程湖北省重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)12-0051-04
  CLC： TP18;TF046.4;TP391.41
- Published：2022
- 稿件说明：
移动端阅览
[J]. 2022, (12): 51-54.
DOI：

[J]. 2022, (12): 51-54. DOI： 10.13873/J.1000-9787(2022)12-0051-04.

摘要

针对烧结机机尾断面烧结状态识别分类效率低、成本高等问题，提出一种基于深度学习的烧结断面识别分类方法。首先，利用YCbCr颜色空间转换结合中值滤波的方法对断面图像预处理；然后，利用粒子群优化(PSO)算法优化的Canny算子进行边缘检测，得到较好的分割结果；最后，构建LetNet—5卷积神经网络模型对断面灰度图分类识别，实验结果表明：该方法具有较好的识别分类效果。

Abstract

关键词

Keywords

references

Views

194

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于IPSO算法优化SVM的睡眠分期模型

基于智能AI的传感器应用

一种新型注意力机制的双人交互行为识别方法

基于PSO-BP神经网络的角接触球轴承凸出量预测

面向校园场景视频监控的人体行为识别方法

Related Author

张宇

白国长

王成

邓迅

马丽娜

陈美亦

武东辉

刘国志

Related Institution

郑州大学机械与动力工程学院

中国电子科技集团公司第四十九研究所

郑州轻工业大学建筑环境工程学院

临沂大学自动化与电气工程学院

郑州郑大智能科技股份有限公司

⁰