-
公开(公告)号：CN115909351A
公开(公告)日：2023-04-04
申请号：CN202310079036.2
申请日：2023-02-08
申请人： 江苏金恒信息科技股份有限公司
IPC分类号： G06V30/148 , G06V10/82 , G06V10/774 , G06V10/22
摘要： 本申请提供一种基于深度学习的容器编号识别方法及装置，所述方法包括：控制图像采集模块采集待识别容器的灰度图片；标注采集到的灰度图片并选取包含识别标签的有效图片；将有效图片输入目标检测模型和文本识别模型；利用目标检测模型获得有效图片的数字孔区域，利用文本识别模型识别数字孔数值，利用目标检测模型识别有效图片中的校验码孔数值；若数字孔数值和校验码孔数值一致，则根据数字孔数值和校验码孔数值获得待识别容器编号。所述装置包括红外热成像相机、控制器和电控箱，该装置采用上述基于深度学习的容器编号识别方法对容器编号进行识别，可及时发现识别错误并进行追踪和纠正，能够对识别的编号进行校验，提高对容器编号识别的成功率。
-
公开(公告)号：CN115909351B
公开(公告)日：2023-06-13
申请号：CN202310079036.2
申请日：2023-02-08
申请人： 江苏金恒信息科技股份有限公司
IPC分类号： G06V30/148 , G06V10/82 , G06V10/774 , G06V10/22
摘要： 本申请提供一种基于深度学习的容器编号识别方法及装置，所述方法包括：控制图像采集模块采集待识别容器的灰度图片；标注采集到的灰度图片并选取包含识别标签的有效图片；将有效图片输入目标检测模型和文本识别模型；利用目标检测模型获得有效图片的数字孔区域，利用文本识别模型识别数字孔数值，利用目标检测模型识别有效图片中的校验码孔数值；若数字孔数值和校验码孔数值一致，则根据数字孔数值和校验码孔数值获得待识别容器编号。所述装置包括红外热成像相机、控制器和电控箱，该装置采用上述基于深度学习的容器编号识别方法对容器编号进行识别，可及时发现识别错误并进行追踪和纠正，能够对识别的编号进行校验，提高对容器编号识别的成功率。
-
公开(公告)号：CN113822889B
公开(公告)日：2022-02-15
申请号：CN202111397969.3
申请日：2021-11-24
申请人： 江苏金恒信息科技股份有限公司
IPC分类号： G06T7/00 , G06N3/04 , G06K9/62 , G06V10/82 , G06V10/774
摘要： 本申请涉及热轧钢板表面缺陷检测技术领域，提供一种热轧钢板表面缺陷检测方法，该方法包括采集热轧钢板的缺陷图片，对缺陷图片中缺陷坐标和缺陷类别进行标注，再进行数据扩增和数据增强，然后对预先建立的YOLOSteel模型进行训练，得到训练后的YOLOSteel模型，根据训练后的YOLOSteel模型对存在缺陷的热轧钢板进行缺陷定位和缺陷分类。YOLOSteel模型为基于YOLOv4网络模型的改进模型，采用YOLOSteel模型进行热轧钢板表面缺陷检测，一方面降低了模型的参数量和运算量，提高了检测速度，满足工业生产中热轧钢板缺陷检测的实时性，另一方面提高了对热轧钢板的特征提取能力。
-
公开(公告)号：CN113822889A
公开(公告)日：2021-12-21
申请号：CN202111397969.3
申请日：2021-11-24
申请人： 江苏金恒信息科技股份有限公司
摘要： 本申请涉及热轧钢板表面缺陷检测技术领域，提供一种热轧钢板表面缺陷检测方法，该方法包括采集热轧钢板的缺陷图片，对缺陷图片中缺陷坐标和缺陷类别进行标注，再进行数据扩增和数据增强，然后对预先建立的YOLOSteel模型进行训练，得到训练后的YOLOSteel模型，根据训练后的YOLOSteel模型对存在缺陷的热轧钢板进行缺陷定位和缺陷分类。YOLOSteel模型为基于YOLOv4网络模型的改进模型，采用YOLOSteel模型进行热轧钢板表面缺陷检测，一方面降低了模型的参数量和运算量，提高了检测速度，满足工业生产中热轧钢板缺陷检测的实时性，另一方面提高了对热轧钢板的特征提取能力。
-
公开(公告)号：CN118211191B
公开(公告)日：2024-11-12
申请号：CN202410626850.6
申请日：2024-05-21
申请人： 江苏金恒信息科技股份有限公司
发明人： 朱庆祺
IPC分类号： G06F18/27 , G06F18/243 , G06F18/23213 , G16C20/20 , G16C20/70
摘要： 本申请涉及转炉冶炼终点磷含量预测技术领域，提供一种转炉冶炼终点磷含量预测模型、方法及模型的构建方法，先采集历史生产数据，并进行数据预处理得到一份初始数据集，在初始数据集的基础上，训练并保存一个降噪自编码器，使用训练好的降噪自编码器对数据进行降噪和压缩得到一个新数据集，在数据集使用K‑Means聚类将数据集划分为多个子数据集，基于多个子数据集使用集成模型训练多个子预测模型，最后将降噪自编码器模型、K‑Means聚类模型、子预测模型部署上线后输入数据即可通过模型得到终点磷含量预测值。方案覆盖了全钢种数据并提高了转炉冶炼终点磷含量预测的命中率，为缩短冶炼周期和数字化工厂实现自动化炼钢提供技术支撑。
-
公开(公告)号：CN117572914B
公开(公告)日：2024-04-16
申请号：CN202311541320.3
申请日：2023-11-17
申请人： 北京科技大学 , 江苏金恒信息科技股份有限公司
IPC分类号： G05D23/30
摘要： 本发明公开了一种基于可解释性机器学习的LF精炼钢水温度控制方法及装置，涉及钢铁冶金技术领域。包括：获取待控制的钢包炉LF精炼过程数据以及LF精炼目标钢水温度；根据LF精炼过程数据以及LF精炼目标钢水温度，得到LF精炼钢水温度预测模型；根据LF精炼钢水温度预测模型，计算得到钢水温度预测基础值、关键因素参数的SHAP值以及关键因素参数与SHAP值之间的关系趋势；根据钢水温度预测基础值以及关键因素参数的SHAP值，计算得到LF精炼钢水温度预测值，根据关系趋势以及LF精炼钢水温度预测值，得到LF精炼钢水温度控制结果。本发明能够有效协助现场操作人员及时精准的调整工艺参数，从而实现钢水温度的精确控制。
-
公开(公告)号：CN115618751B
公开(公告)日：2023-04-07
申请号：CN202211619454.8
申请日：2022-12-16
申请人： 江苏金恒信息科技股份有限公司
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N20/20 , G06F119/14
摘要： 本发明涉及一种钢板力学性能预测方法，其包括：由制造执行系统中导出钢板数据；采集得到的钢板数据进行清洗并划为训练集和测试集；通过训练集对卷积神经网络进行训练得到训练后的卷积神经网络模型，再将训练集和测试集放入训练后的卷积神经网络模型输出新训练集和新测试集；通过新训练集对集成学习模型进行训练，所得到的训练后的集成学习模型经新测试集评估对比合格即将训练后的集成学习模型作为预测模型；进行钢板力学性能预测时只需导入新的钢板的生产过程数据、依次经卷积神经网络模型和集成学习模型处理后即可对其力学性能进行预测。本申请将卷积神经网络模型和集成学习模型的优点结合，可准确预测钢板力学性能，同时降低试验成本。
-
公开(公告)号：CN115618751A
公开(公告)日：2023-01-17
申请号：CN202211619454.8
申请日：2022-12-16
申请人： 江苏金恒信息科技股份有限公司
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06N20/20 , G06F119/14
摘要： 本发明涉及一种钢板力学性能预测方法，其包括：由制造执行系统中导出钢板数据；采集得到的钢板数据进行清洗并划为训练集和测试集；通过训练集对卷积神经网络进行训练得到训练后的卷积神经网络模型，再将训练集和测试集放入训练后的卷积神经网络模型输出新训练集和新测试集；通过新训练集对集成学习模型进行训练，所得到的训练后的集成学习模型经新测试集评估对比合格即将训练后的集成学习模型作为预测模型；进行钢板力学性能预测时只需导入新的钢板的生产过程数据、依次经卷积神经网络模型和集成学习模型处理后即可对其力学性能进行预测。本申请将卷积神经网络模型和集成学习模型的优点结合，可准确预测钢板力学性能，同时降低试验成本。
-
公开(公告)号：CN118211191A
公开(公告)日：2024-06-18
申请号：CN202410626850.6
申请日：2024-05-21
申请人： 江苏金恒信息科技股份有限公司
发明人： 朱庆祺
IPC分类号： G06F18/27 , G06F18/243 , G06F18/23213 , G16C20/20 , G16C20/70
摘要： 本申请涉及转炉冶炼终点磷含量预测技术领域，提供一种转炉冶炼终点磷含量预测模型、方法及模型的构建方法，先采集历史生产数据，并进行数据预处理得到一份初始数据集，在初始数据集的基础上，训练并保存一个降噪自编码器，使用训练好的降噪自编码器对数据进行降噪和压缩得到一个新数据集，在数据集使用K‑Means聚类将数据集划分为多个子数据集，基于多个子数据集使用集成模型训练多个子预测模型，最后将降噪自编码器模型、K‑Means聚类模型、子预测模型部署上线后输入数据即可通过模型得到终点磷含量预测值。方案覆盖了全钢种数据并提高了转炉冶炼终点磷含量预测的命中率，为缩短冶炼周期和数字化工厂实现自动化炼钢提供技术支撑。
-
公开(公告)号：CN114078126B
公开(公告)日：2022-04-26
申请号：CN202210057076.2
申请日：2022-01-19
申请人： 江苏金恒信息科技股份有限公司
摘要： 本申请实施例提供一种基于机器学习的废钢评级方法及装置，废钢评级方法包括获取多张废钢图片；从多张废钢图片中筛选多张有效图片；将目标有效图片输入预先搭建的实例分割模型，得到所述目标有效图片中的多个识别对象，以及每个识别对象所对应的废钢等级，所述实例分割模型基于主干网络、区域建议网络、候选框分类器、边界框回归器、和分割掩码分支建立，利用已标注废钢等级的废钢图片进行训练和验证；根据所述目标有效图片中各个识别对象所对应的废钢等级，生成目标层待评级废钢中与各个识别对象相对应的待评级废钢的评级结果。如此，通过对有效图片的处理，获得运输车车厢中装载的待评级废钢的评级结果，提高了废钢评级的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.034 秒)
