控制与决策

作者：吴鑫,李靓杰,魏建好

单位：湖南工商大学 计算机学院，长沙 410205;湘江实验室，长沙 410205,,湖南工商大学 计算机学院，长沙 410205;湘江实验室，长沙 410205,,湖南工商大学 计算机学院，长沙 410205,

关键词：球团矿;粒度测量;机器视觉;级联网络;双重注意力;深度学习

基金：湖南省自然科学基金项目(2023JJ40238, 2023JJ40237)；湖南省教育厅优秀青年基金项目(23B0596, 22B0648)；国家自然科学基金项目(62402177).

球团矿是现代高炉炼铁的重要原料, 合理的粒度分布是影响球团矿质量的重要因素之一. 目前, 在球团矿生产过程中, 粒度分布检测主要依赖人工离线筛分的方式, 该方法效率低, 测量结果滞后, 难以满足工业生产现场实时性要求, 且密集球团颗粒存在重叠、曲面光影等噪声的干扰, 现有基于图像处理的粒度检测方法对其边缘轮廓检测能力有限, 易出现漏检或过分割现象. 鉴于此, 提出一种融合双重注意力和多尺度级联网络的密集球团粒度测量方法(LMAD-UNet). 所提出方法将两个UNet以并行级联的方式拼接作为骨干网络, 增加网络宽度, 降低网络下采样特征损失; 然后, 设计一种轻量多尺度融合模块(LMulti-Res Block), 以实现多尺度特征提取, 减少模型参数量, 提升推理速度, 同时, 引入双重注意力机制, 增强网络对轮廓特征的提取能力; 最后, 改进损失函数, 加强对不平衡轮廓点数据的学习. 实验结果表明, 所提出方法能够对密集球团颗粒进行精准分割, $F_1\text{-}{\rm score} $可达到96.85%, 整体优于其他对比方法, 且粒度测量速度能够满足现场生产过程中的实时性要求.

来源：2025年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第10期