基于YOLACT高温高粉尘钢包液面检测方法的研究

杨辉，李响，段兴宇

中国宝武钢铁集团有限公司新余钢铁集团有限公司；鞍钢股份有限公司

摘　要: 在炼钢转炉出钢过程中，由于钢包处于高温环境且伴随大量烟尘和火花，直接检测钢包液位极为困难。文章提出一种基于机器视觉的检测方法，利用改进的YOLOv7深度学习算法对钢包液位进行分割，通过检测钢水液面与钢包包口的相对位置间接获取液面高度。改进的YOLOv7框架中加入Criss-Cross Attention（十字交叉注意力）机制，降低背景干扰，并将SPPCSPC（空间金字塔池化跨阶段部分连接造成的）结构替换为SPPFCSPC（空间金字塔池化快速跨阶段部分连接）结构，以减少模型参数量和计算量，提升检测速度。实验结果表明，改进算法的掩膜与预测框m AP（平均精确度）显著提高。此外，针对出钢过程中烟尘和火花对图像的影响，改进了经典去雾算法，对采集到的图像进行预处理，获取更清晰的图像，确保液面检测的高效性、安全性和精准性。
关键词: 去雾算法；YOLCAT(基于跨注意力Transformer的YOLO模型)；深度学习；液面分割
分类号: TP391.41；TF713
栏　目: 实用技术
出　处: 《冶金与材料》2025年第4期，第 106-108 页（共 3 页）
出版日期: 2025-04-28
知网数据: 下载 82 次（截至 2026-09-29）

“知网全文（电脑版）”需登录中国知网或在已订购知网的机构 IP 内访问；“知网公开页”无需登录即可查看摘要，并可按知网规定下载全文。