-
题名工业人工智能发展方向
被引量：61
- 1
-
-
作者
柴天佑
-
机构
东北大学流程工业综合自动化国家重点实验室
国家冶金自动化工程技术研究中心
东北大学工业人工智能研究院
-
出处
《自动化学报》
EI
CSCD
北大核心
2020年第10期2005-2012,共8页
-
基金
国家自然科学基金委重大项目(61991400,61991404)
中国工程院咨询研究重大项目(2019-ZD-12)
2020年度辽宁省科技重大专项计划(2020JH1/10100008)资助。
-
文摘
本文结合工业自动化和信息技术在工业革命中的作用以及制造与生产全流程决策、控制以及运行管理的现状和智能化发展方向的分析,提出了发展工业人工智能的必要性.通过对人工智能技术的涵义、发展简史和发展方向的分析以及自动化与人工智能研究与应用的核心目标、实现方式、研究对象与研究方法等方面的对比分析,提出了工业人工智能技术的涵义.通过对工业人工智能和工业自动化的研究对象与研究目标对比分析,提出了工业人工智能的研究方向和研究思路与方法.
-
关键词
工业自动化
制造与生产流程智能化
知识工作自动化与智能化
工业人工智能
-
Keywords
Industrial automation
intellectualization of manufacturing and production process
automation and intellectualization of knowledge work
industrial artificial intelligence
-
分类号
F414
[经济管理—产业经济]
F49
[经济管理—产业经济]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名X射线透射煤矸智能识别方法
被引量：6
- 2
-
-
作者
王文鑫
黄杰
王秀宇
史玉林
吴高昌
-
机构
东北大学流程工业综合自动化国家重点实验室
沈阳隆基电磁科技股份有限公司
东北大学工业人工智能研究院
-
出处
《工矿自动化》
北大核心
2022年第11期27-32,62,共7页
-
基金
国家自然科学基金青年科学基金项目(62103092)
教育部中央高校基本科研业务费优秀青年科技人才培育项目(N2108001)。
-
文摘
煤矸图像识别是基于伪双能X射线透射(XRT)的煤矸分选技术重要环节。受煤矸紧贴或遮挡导致煤矸图像难以分割和基于人工阈值判别易导致煤矸分类识别错误影响,现有的煤矸识别方法精度不高。提出一种XRT煤矸智能识别方法。采用感受野模块(RFB)与U−Net模型相结合的模型(RFB+U−Net模型)实现伪双能X射线煤矸图像有效分割,解决了因煤矸紧贴或遮挡情况而影响识别精度的问题;以煤矸图像灰度特征中的低能图像灰度最小值、纹理特征中的低能图像锐化最小值和锐化均差为煤矸识别特征,采用多层感知机(MLP)模型实现煤矸识别。实验表明:RFB+U−Net模型的煤矸分割准确率、煤矸粒度精度、煤矸像素均交并比等指标及图像分割效果均优于活动区域模型、U−Net模型、SegNet模型,且模型推理时间较短,满足煤矸图像分割实时性要求;MLP模型隐藏层数量为8时,在2组测试集下的煤矸识别平均准确率均为87%以上;在相同数据集及实验条件下,MLP模型的煤矸识别平均准确率、排矸率均高于基于贝叶斯分类器、支持向量机、逻辑回归、决策树、梯度提升决策树、K近邻算法的模型,且矸石带煤率不超过3%,满足实际煤矸干法分选要求。
-
关键词
煤矸分选
煤矸识别
煤矸图像分割
X射线透射
多层感知机
机器视觉
-
Keywords
coal-gangue separation
coal-gangue recognition
coal-gangue image segmentation
X-ray transmission
multilayer perceptron
machine vision
-
分类号
TD67
[矿业工程—矿山机电]
-
