基于改进注意力网络的转炉炼钢状态判别

摘要：

转炉炼钢的状态判别对成品钢材质量的好坏有直接影响.根据人工经验的状态判别需要持续观察炉口的火焰变化,存在主观性强、成本高等问题.为了提升转炉炼钢状态判别的准确率,提出一种基于注意力机制的3D残差卷积神经网络模型.改进的通道注意力将平均池化和最大池化进行特征融合,可以推断出更精细的通道特征,空间注意力能提取到空间上的重点信息.实验结果表明,改进的模型效果好于SE、CBAM和ECA注意力模块,与未加注意力机制的3D残差模型相比,F1分数提高了1.03个百分点,准确度提高了1.06个百分点.最后通过消融实验,分析通道注意力和空间注意力对于网络模型的影响.

关键词：转炉炼钢、视频分类、三维卷积神经网络、残差网络、注意力机制

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金资助项目;上海市青年科技英才扬帆计划资助项目

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：97-102