基于机器学习的铝熔体夹渣自动检测技术

作     者：白蕊 胡勇 金泽发 刘宏泉 闫志杰 Bai Rui;Hu Yong;Jin Zefa;Liu Hongquan;Yan Zhijie

作者机构：太原科技大学材料科学与工程学院太原030024 宁夏大学材料与新能源学院银川750021 栋梁铝业有限公司湖州313000 中北大学材料科学与工程学院太原030051 特殊环境先进金属材料山西省重点实验室太原030051 

基　　金：山西省自然科学基金资助项目(202103021224279) 山西省科技成果转化引导专项资助项目(202204021301025) 山西省科技创新人才团队资助项目(202204051002020) 

出 版 物：《特种铸造及有色合金》 (Special Casting & Nonferrous Alloys)

年 卷 期：2024年第44卷第4期

页      码：477-484页

摘      要：根据现有夹渣图像的特点,提出基于YOLOv5模型的夹渣目标检测算法,以减少获取图像的角度、光源等不确定因素对测试结果所造成的负反馈影响,提高检测精度。利用Mosaic数据增强、自适应锚框计算、自适应图像缩放等技术,融合Focus和CSP结构,设计出基于YOLOv5的自动化识别夹渣图像和自动计算夹渣率的优化算法。结果表明,相对于人工采集照片计算夹渣率水平的方法,改进后的YOLOv5s模型,有效提高了断面夹渣图像目标检测的精确度,由改进前的83%提高至97%。

主 题 词：熔体质量检测 夹渣 YOLOv5 目标检测 

学科分类：080503[080503] 08[工学] 081304[081304] 080502[080502] 0805[工学-能源动力学] 0802[工学-机械学] 0813[工学-化工与制药类] 080201[080201] 

D　O　I：10.15980/j.tzzz.2024.04.008

馆 藏 号：203127557...