关键词:
废钢
分类
深度学习
目标检测
YOLOv5
摘要:
废钢是钢铁行业可循环利用的绿色资源,对行业可持续发展至关重要。废钢的品级和结构关系到钢生产成本及质量,入炉前的分类与定级是当前钢铁行业的重点研究内容之一。针对传统人工判定方法公正与安全等方面的局限性,基于目标检测技术开发了废钢验质模型CSIL-Net。首先,建立了多相机联动的废钢图像采集系统,收集并标注各种料型废钢图片,经图像增强构建废钢数据集。然后,在YOLOv5模型基础上,增加小目标检测层P2优化判定场景中小目标废钢检测的效果,并删除检测层P5以简化模型,设计了新型3层检测层网络IL(Improved Layer);引入双向特征金字塔网络(BiFPN)增强模型跨尺度特征融合与信息传递能力,采用Soft-NMS(Soft Non-Maximum Suppression)改善废钢密集重叠情况下的漏检问题。最后,使用增强后的废钢数据集对模型进行训练与验证,并评估网络层数、复杂度和推理时间等模型指标。试验结果显示,CSIL-Net废钢验质网络模型的所有类别平均精度由88.8%提升到了96.3%,单张图片的推理速度仅为21.8 ms,在准确率以及检测速度方面相较于人工判定方法都具有明显的优势,可有效应用于实际场景,解决废钢判定中的实时性和公正性等难题。