ES-SFRNet：一种高炉风口智能识别领域的异常检测与分类算法--华北理工大学低碳与智能冶金实验室

简介
传统依赖人工经验判断风口状态对人力资源的消耗巨大。在高炉智能化和强化冶炼的背景下，这种方式难以满足准确性与实时性的要求，对高炉生产的安全性与高效性带来了挑战。风口图像的特征相似度高，样本数量往往有限，因此单一的卷积操作很难捕捉到各类风口图像间的特征差异。为了解决这一问题，同时满足不同钢铁企业内的风口智能识别需求，华北理工大学低碳与智能冶金团队在先前的工作基础上（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.），设计了一种新的深度网络算法ES-SFRNet。与其它主流的目标检测算法相比，ES-SFRNet的算法框架更适用于风口图像的特征提取与识别，在我国高炉炼铁领域具有广泛的应用空间。
作者：段一凡，刘小杰，