多元LSTM-FCN裂纹预测模型

参数减半,训练提速

在连铸场景下,采用多元LSTM与全卷积网络结合的预测框架,实现板坯横向裂纹的精准在线监测。

Mengying, Geng · Ma, Haonan · 74010303 · Shuangli, Liu · Jie, Li · Ai, Yibo · 张卫东

Expert Systems with Applications 2025

参数信息

AUC

0.9435

准确率

0.9163

精确率

0.8657

召回率

0.8286

F1分数

0.8467

参数减少率

49.97 %

训练时间减少率

33.83 %

技术优势

模型更轻

参数数量减少49.97%，便于部署在资源受限的产线边缘设备上。

训练更快

训练时间缩短33.83%，降低模型迭代与优化的时间成本。

预测准确

AUC达到0.9435，准确率、F1分数等指标均高于对比方法，能有效识别裂纹。

应用场景

• 连铸质量监测：实时监测连铸质量，提前预警横向裂纹，减少废品。
• 板坯缺陷检测：准确识别板坯横向裂纹，减少人工检测的漏判与延迟。
• 工业质检自动化：替代人工质检，实现自动化裂纹检测，提高产线效率。
• 钢铁智能制造：为钢铁产线提供数据驱动的智能监测能力，赋能智能制造。