基于YOLOv5深度学习的焦炉交换考克状态识别方法研究  

作　　者：李巍 马义德 赵善哲 

机构地区：[1]北华航天工业学院电子与控制工程学院,河北廊坊065000 [2]通今工业机器人(河北)有限公司,河北定州073000

出　　处：《电脑知识与技术》2024年第28期8-11,共4页Computer Knowledge and Technology

基　　金：河北省教育厅科学技术研究项目(BJK2023110);河北省教育厅青年项目(QN2021201)。

摘　　要：为实现焦炉交换考克状态的准确、高效识别,本文提出了一种基于深度学习的考克识别方法。首先,通过海康相机在青岛特钢工厂随机拍摄近800张焦炉交换考克的图片,并利用ArUco编码技术识别考克编号。之后,结合YOLOv5深度学习模型与霍夫变换直线检测算法,实现对考克状态的实时识别。最后,通过在青岛特钢巡检机器人管理平台上的测试,考克状态识别的准确率可达95%。该方法有效提升了焦炉考克状态检测的实时性和准确性,能够及时发现考克异常并发出警报,确保炼钢生产的安全和高效运行。

关 键 词：焦炉考克 深度学习 YOLOv5 霍夫变换 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]