基于InternLM的风口监控识别系统

[changanXIAO]

通过提取高炉风口视频数据的帧图像，并结合先进的图像识别算法监测高炉风口区域的工作状态，实时分
析相应的高炉调参策略，有利于降低高炉风口的休风率与时长，同时弥补现阶段依靠人工经验判断风口状态存在
的响应滞后、结果不准确的工艺缺陷，保证高炉的长期稳定顺行。以国内某钢铁厂在 2023 年 6 月 1 日—6 月 31 日的
风口视频数据为基础，梳理了高炉炼铁过程中 4 种常见的风口异常状况，并结合炼铁原理分析了主要原因及应对措
施，包括挂渣、涌渣、断煤和漏水。然后总结了图像识别技术在高炉风口识别与监测中的应用路线，包括图像预处
理、风口的识别与预警和专家经验的植入 3 个阶段，同时对目前应用较广的图像识别算法进行了介绍，包括卷积神
经网络、Transformer 机制和图神经网络，并对后 2 种算法进行了肯定。最后，基于图卷积神经网络开发了关于高炉
风口的监测与分析系统 1. 0 版本，并对其功能进行了简要介绍。秉持低延时与高精度的发展原则，通过对风口异常
和图像识别算法的梳理探究未来高炉风口图像识别的应用路线，为钢铁企业选择合理的风口监测技术，提升风口
识别与监测领域的智能化水平提供一种理论参考。
参考文献：
[1]段一凡,刘然,刘小杰,等.图像识别技术在高炉风口识别与监测中的应用前景探索[J].钢铁,2024,59(05):56-70.DOI:10.13228/j.boyuan.issn0449-749x.20230510.