基于机器视觉的磁材熔炼炉工序识别系统设计
Design of process recognition system of magnetic material smelting furnace based on machine vision
魏杰
( 内蒙古科技大学 信息工程学院，内蒙古 包头 014010)
摘 要: 针对烧结钕铁硼烧结生产工序检测问题，提出了一种基于机器视觉的磁材熔炼炉工序识别方法，采用 YOLOv3模型检测相关目标，利用图像中目标的有无及其相应的位置关系设计了决策树分类模型，识别相应生产工序，经验证，YOLOv3 目标检测mAP为 95. 39% ，工序识别准确率为 95. 24% ，经包头某稀土磁性材料有限责任公司测试，符合应用要求。
关键词: 机器视觉; YOLOv3; 决策树; 工序识别
DOI: 10.16559 /j.cnki.2095 － 2295.2022.03.010
参考文献:
［1］ 王福斌，刘贺飞，何江红，等烧结运行工艺参数分析 及烧结行为模型构建［J］烧结球团，2020，45( 6)29
［2］ 上官云，周飞，史兴宽，等基于 PFMECA 的装配过程 关键工序识别［J］航空精密制造技术，2016，52( 3)38
［3］ 殷宪辉，袁清和，谭妍妍基于因果矩阵的选煤厂关键 工序识别方法的研究与应用［J］选 煤 技 术，2016， ( 1)76
［4］ 周亮，陈定辉，陈庆芳，等一种关键线路和重要保护 辨识的新方法［J］华北电力大学学报，2013，40( 2)34
［5］ 唐任仲，王国栋，唐文东，等面向车间质量管理的关 键工序识别方法［J］浙江大学学报( 工学版)2012， 46( 11)1937
［6］ 屈世甲矿井掘进巷道生产工序自动识别方法的探索 ［J］煤矿安全，2015，46( 4)206
［7］ Ｒedmon J，Divvala S，Girshick Ｒ，et alYou only look once: unified，real-time object detection ［C］/ / Conference on computer vision and pattern recognition，the institute of electronicsTokyo，Japan: Information and Communicate Engineers，2016: 779
［8］ 李佳禧，邱东，杨宏韬，等基于改进的 YOLOv3 的工件 识别方法研究［J］组合机床与自动化加工技术，2020 ( 8)92
［9］ Ｒafael B，Emilio C，Cristina M，et alSparsity in optimal randomized classification trees［J］European Journal of Operational Ｒesearch，2020，284( 1)255．