科研之友
微信
新浪微博
Facebook
分享链接
摘要
在人工智能技术不断发展的背景下，钢铁行业亟需智能算法对生产技术和生产工艺进行创新和升级。本文利用现场监控相机采集辊道过钢图像，使用PyTorch搭建残差神经网络，分辨辊道过钢状态。采用ResNet18训练分类模型并作如下改进：采用Mish和Silu代替ReLU激活函数，使数据更加平滑，便于反向传播；添加通道注意力和空间注意力机制，增强特征的语义信息；引入标签平滑损失函数、学习率冲量和余弦退火的训练策略，对结果作进一步优化；使用docker部署模型，增强模型的可移植性。通过Flask生成Web服务连接Spring Boot,开发了一套智能检测系统，系统操作简单，无需现场添加任何额外设备，在辅助工作人员调度提高生产效率的同时，减轻了安全员反复查看监控画面的重复劳动，提高了生产安全系数。
- 单位
