基于改进的卷积神经网络陶瓷梭式窑火焰图像分类方法

摘要

陶瓷梭式窑是一种应用于陶瓷生产的间歇式窑炉,其烧结区温度检测方式直接影响到陶瓷产品的生产质量。由于目前陶瓷梭式窑热工检测精度低,所以用火焰图像识别来代替传统热电偶检测从而提高温度检测精度。针对陶瓷梭式窑烧结区火焰图像识别问题,提出了一种基于改进的卷积神经网络火焰图像分类方法。该方法在优化的Inception-ResNet-V2卷积神经网络模块基础上嵌入SE模块,从而提高网络对关键特征的注意力,自适应细化提取特征并提高分类效果。实验结果表明,改进的卷积神经网络能够提高火焰图像分类精度,收敛速度明显加快,且该方法的识别准确率相对于其他的火焰图像分类方法提高1.60%~5.57%,具有良好的分类性能。