基于SE注意力机制的废钢分类评级方法

作     者：肖鹏程 徐文广 张妍 朱立光 朱荣 许云峰 XIAO Peng-cheng;XU Wen-guang;ZHANG Yan;ZHU Li-guang;ZHU Rong;XU Yun-feng

作者机构：华北理工大学冶金与能源学院唐山063210 北京科技大学冶金与生态学院北京100083 河北科技大学信息科学与工程学院石家庄050000 河北科技大学材料科学与工程学院石家庄050018 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2023年第45卷第8期

页      面：1342-1352页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金资助项目(51904107) 河北省自然科学基金资助项目(E2020209005,E2021209094) 河北省高等学校科学技术研究项目(BJ2019041) 河北省“三三三人才工程”资助项目(A202102002) 唐山市人才资助重点项目(A202010004) 

主　　题：再生钢铁原料 废钢智能评级 深度学习 注意力机制 跨阶段局部网络 

摘      要：为了解决传统人工方法对废钢分类评级人为因素干扰大且效率低下等问题,提出基于挤压-激励(Squeeze-Excitation,SE)注意力机制构建废钢分类评级的深度学习网络模型,并对采集到的废钢卸载过程图像进行模型训练和验证.首先,搭建物理尺寸比例为1∶3废钢质量查验物理模型,采用高分辨率视觉传感器模拟采集货车卸载废钢作业场景下不同废钢的形貌特征;然后,对采集到的废钢图像使用跨阶段局部网络进行特征提取,利用空间金字塔结构解决特征丢失问题,采用注意力机制关注通道间的相关性;最后,在包含7个标签分类的两个数据集进行模型训练与验证.实验表明:该模型能够有效地对不同级别的废钢进行自动评级判定,全类别准确率达到83.7%,全类别平均精度为88.8%,在准确性方面相比于传统人工验质方法具有显著优势,解决了废钢入库过程中质量评价的公正性难题.