耐火材料

作者：赵鑫, 岳静静, 游杰刚, 张小芳, 冯东, 侯庆冬, 张玲, 邓承继

单位：1)辽宁科技大学 材料与冶金学院 辽宁鞍山 114051 ；2)武汉科技大学 省部共建耐火材料与冶金国家重点实验室 湖北武汉 430081

关键词：电熔镁砂,宏观特征,卷积神经网络,识别和分类,

基金：国家自然科学基金资助项目(U20A20239,U1908227)。

电熔镁砂的人工分选过程造成电熔镁砂的分类精准度不高,且工作环境恶劣。人工智能的图像识别技术具有高效性和可靠性等优点,采用人工智能的方式对电熔镁砂进行识别和分类将可以很好地解决这一问题。基于卷积神经网络的图像识别技术,通过学习大量电熔镁砂的样本宏观特征后,对不同品种进行了识别和分类,并对高钙电熔镁砂图像进行训练150次迭代。结果表明:运用卷积神经网络对高钙电熔镁砂图像进行训练,在104次迭代时的训练精度最高,高达97.2%。在实际识别中6种不同氧化镁含量的高钙电熔镁砂的预测概率都达到了99.4%以上,不仅可以减少人工,还提高对电熔镁砂的分类效率和识别准确度。

来源：2024年第6期

《耐火材料》期刊编辑部

查看耐火材料杂志2024年第6期