公开(公告)号：CN118351044A

公开(公告)日：2024-07-16

申请号：CN202310062384.9

申请日：2023-01-13

申请人： 宝山钢铁股份有限公司

发明人： 张宇军 ,  于艳 ,  李青 ,  朱砂 ,  申屠理锋 ,  李华 ,  刘旭峰 ,  邓攀

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82 ,  G06N3/047 ,  G06N3/045 ,  G06N3/084

摘要： 本发明公开了一种基于多模型融合的连铸坯低倍缺陷智能识别方法，其步骤是：建立图像数据集；计算深度网络前向总损失，将专家知识提炼的知识图谱网络应用于数字图像特征提取过程，辅助建立识别旁路分支参考模型，并通过该参考模型的网络预测概率标签与深度学习网络计算的概率标签来计算第一损失（Loss1）；通过深度学习网络计算的概率标签与原始图像监督数据标签来计算第二损失（Loss2）；通过加权求和计算总损失（Total Loss）；反向迭代计算更新各个深度神经网络权重；当损失函数值达到最小、或不变或精度不再提高时，完成整个训练和学习过程；最终学习到的深度网络模型参数应用于实际检验过程。本发明解决了样本稀疏和判级标准不清晰问题，提高识别成功率。

公开(公告)号：CN118351042A

公开(公告)日：2024-07-16

申请号：CN202310039205.X

申请日：2023-01-13

申请人： 宝山钢铁股份有限公司

发明人： 张宇军 ,  于艳 ,  李青 ,  朱砂 ,  李华 ,  刘旭峰 ,  邓攀

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/44 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82 ,  G06N3/047 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明公开了一种基于知识和MLP‑Mixer类融合模型的连铸坯低倍缺陷识别方法，其步骤主要为：将专家知识的知识权重图像矩阵与原始图像数据进行叠加操作；将预处理图像进行切片形成子图像序列并进行线性投影形成数字令牌；分三个路径计算分类概率，一路送入MLP Mixer层中进行前向计算；另一路送入傅里叶变换器（FFT）进行序列波形特征提取和筛选，提取到的序列波形主幅值和主相位再次融合计算权重微调矩阵；第三路针对特定出钢记号发生低倍缺陷概率的专家知识做出微调值；将三个路径计算结果进行加权计算，获得综合分类概率结果；将分类概率结果与监督学习标签比对计算损失；反复迭代直至损失最小；输出最终缺陷分类模型，保存并用于测试和实际检验过程。