基于视觉的气流监测模型

99%准确率实时监测

利用深度卷积神经网络实现工业火炬系统中气流水平的自动化视觉识别，减少人工调节带来的低效与排放。

Boumaraf, Said · Al Radi, Muaz · Fares Oussama, Abdelhafez · Pengfei, Li · Khalid Yousef, Al Awadhi · Karki, Hamad · Dhelim, Sahraoui · Werghi, Naoufel

Expert Systems with Applications 2025

参数信息

准确率

99.04 %

F1分数

98.85 %

分类类别数

3

评估模型数

12

技术优势

准确率超过99%

EfficientNetB7结合AHE预处理在测试集上达到99.04%的准确率和98.85%的F1分数，证明该视觉方法能可靠区分三种气流水平。

免去人工判断

该系统从图像中自动识别气流水平，替代操作员凭经验手动调节，减少人为失误和不一致。

实时可部署

方法被验证可用于实时部署，可及时调整气流以优化火炬性能。

多模型对比验证

在12种最先进的深度卷积神经网络模型上进行了系统评估，确保所选方案经过充分比较。

应用场景

• 工业火炬系统优化：实时监测气流，自动调整避免过度通风，提升燃烧效率。
• 工业过程监测：视觉识别气流水平，替代人工巡检，实现连续监控。
• 视觉传感：用摄像头图像分类气流状态，无需接触式传感器。
• 工业机器人视觉：可作为机器人视觉模块，指导火炬系统自动调节。