钢铁研究学报

作者：宁候银¹, 陆伟文¹, 余正伟¹, 陈良军¹, 王光应², 龙红明¹

单位：1.安徽工业大学冶金工程学院,安徽马鞍山243002;；2.安徽元琛环保科技股份有限公司,安徽合肥230012

关键词：焦粉粒度,图像采集,除尘,优化训练,识别精度

基金：国家自然基金面上资助项目(52374315)

焦粉作为烧结生产的主要燃料,其粒度分布对烧结产质量指标和能耗水平影响显著。现行焦粉粒度检测通常采用人工取样-烘干-振动筛分的方式,操作复杂、滞后时间长,不利于对破碎系统和配料系统进行及时调控。虽然图像识别在线检测运动物料粒度的技术发展迅速,但焦粉破碎、配料流程中焦粉粒度细小、环境恶劣,给图像采集与粒度识别带来了严峻考验。设计了一套面向复杂工业环境的图像采集系统,由图像采集箱和多级除尘管道组成,以减少光照、温度和灰尘对图像采集的影响。并针对焦粉颗粒细小的特性,利用改进的神经网络多次优化训练粒度识别模型,识别运料皮带上的表层焦粉粒度分布,再结合机器学习算法构建预测模型,将图像识别得到的表层粒度分布与人工筛分数据相结合,训练生成预测整体焦粉粒度分布的模型,从而提高识别精度。该图像采集和粒度识别系统在国内某钢铁企业焦粉破碎车间投入应用,应用结果表明,该系统对(0,0.5)、[0.5,3)、[3,5)和[5,∞) mm四个区间焦粉粒度分布比例的识别误差均小于3%。

来源：2025年第11期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第11期