基于深度学习的烧结断面识别分类研究

阮志国; 周敏; 文喆皓; 高强

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

研究与探讨 | 更新时间：2025-09-11

- 基于深度学习的烧结断面识别分类研究
- 暂无标题
- 传感器与微系统 2022年第12期页码：51-54
- 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：
  
  国家自然科学基金面上资助项目(51975431)
- DOI：10.13873/J.1000-9787(2022)12-0051-04
  中图分类号： TP18;TF046.4;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
阮志国, 周敏, 文喆皓, 等. 基于深度学习的烧结断面识别分类研究[J]. 传感器与微系统, 2022,(12):51-54.
阮志国, 周敏, 文喆皓, 等. 基于深度学习的烧结断面识别分类研究[J]. 传感器与微系统, 2022,(12):51-54. DOI： 10.13873/J.1000-9787(2022)12-0051-04.

DOI：

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

浏览量

194

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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

基于深度学习的烧结断面识别分类研究

暂无标题

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

摘要

Abstract

关键词

Keywords

references