【技术实现步骤摘要】
本专利技术涉及一种基于深度学习的钢厂烟尘粉尘检测方法、设备及介质。
技术介绍
1、为完善国家污染物排放标准体系，引导钢铁行业可持续发展，规范和加强钢铁企业污染物排放管理，国家环保总局制订并下达了《钢铁行业大气污染物排放标准》，因此为了响应国家号召，全国各大钢铁企业纷纷开始进行超低排放的管控，而其中钢铁企业无组织排放具有排放源数量多、阵发性强、分布散、单源小、总量大、对环境影响大的特点，原料系统、烧结、球团、炼焦、炼铁、炼钢、轧钢、石灰等工序均有不同程度的无组织排放情况，通常仅一个烧结或炼铁车间无组织排放源就多达上百个，并且不少排放点的位置相对特殊，很难安装tsp、空气质量微站等实时监测装置，无法做到对整个厂区的排放全覆盖监测
技术实现思路
1、为克服上述缺陷，本专利技术的目的在于提供一种适应性强可24小时实时检测的基于深度学习的钢厂烟尘粉尘检测方法、设备及介质。
2、为达到上述目的，本专利技术的基于深度学习的钢厂烟尘粉尘检测方法，所述的方法包括以下步骤：
3、s1：对采集的烟尘粉尘排放图像进行预处理；
4、s2：对预处理后图像进行数据集标注，并对标注后的数据集划分为训练集、验证集和测试集；
5、s3：对目标检测网络yolov5进行改进，并用改进的yolov5网络进行训练；
6、s4：利用训练好的yolov5模型对划分后图像进行烟尘粉尘检测；
7、s5：对检测出的烟尘粉尘区域进行图像分割，计算烟尘粉尘排放等级。<...
【技术保护点】
1.一种基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的方法包括以下步骤：
2.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤S1具体为：
3.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤S2具体为：
4.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤S3具体为：
5.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤S5具体为：
6.如权利要求2所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于：所述的图像裁剪、翻转操作，具体步骤为将图像进行随机的不同比例的裁剪，裁剪比例为：边长比例为原来的1/2，1/3，1/4；再进行不同程度的翻转，翻转角度分别为为90度，180度，270度三种。
7.如权利要求4所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于：所述的SPP模块改进，包括：将原有1x1卷积之后的最大池化层改为扩展卷积层，同时扩展卷积层与1x1卷积并列。
8.如权利
9.一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述处理器加载并执行计算机程序时，采用了权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器加载并执行时，采用了权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法。
...【技术特征摘要】
1.一种基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的方法包括以下步骤：
2.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤s1具体为：
3.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤s2具体为：
4.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤s3具体为：
5.如权利要求1所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于，所述的步骤s5具体为：
6.如权利要求2所述的基于深度学习的钢厂烟尘粉尘检测方法，其特征在于：所述的图像裁剪、翻转操作，具体步骤为将图像进行随机的不同比例的裁剪，裁剪比例为：边长比例为原来的1/2，1/3，1/4；再进行不同程度的翻转，翻转角度分别为为90度，180度，270度三种。
7.如...
【专利技术属性】
技术研发人员：张笑凡，杨璇，王来信，刘会，
申请(专利权)人：中冶华天工程技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。