基于深度學習對陶瓷梭式窯火焰圖像識別

朱永紅，楊建

(景德鎮陶瓷大學，江西 景德鎮 333000)

1 引言

在我國,每年都會產出很多各種各樣的陶瓷制品,并且出口到其他國家地區。陶瓷梭式窯是陶瓷工業應用最廣泛的現代間歇式窯爐之一,廣泛應用于衛生潔具,日用陶瓷和特種陶瓷的燒成,但是目前我國對陶瓷梭式窯的火焰圖像識別上的技術還比較落后,直接影響到了生產效率跟好壞程度。而在當今時代,人工智能已經成為研究熱點。傳統的陶瓷梭式窯火焰識別采用CCD相機結合圖像采集卡捕獲陶瓷梭式窯的火焰圖像。具體方法是將CCD攝像機放置在窯頭的多個火孔中。CCD攝像機可以隨時拍攝窯內的火焰圖像，然后將其傳輸到圖像采集卡。圖像采集卡將對從CCD攝像機輸出的信號進行計時。執行采集并將采樣的圖像發送到計算機控制系統。在獲得火焰圖像之后，對圖像進行預處理，對圖像進行分割，并從圖像中提取火焰部分。本文介紹了傳統卷積神經網絡(CNN)傳統卷積神經網絡的發展過程。另一方面，提出了改進卷積的神經網絡，介紹了主成分分析(PCA)數據的維數預處理方法，取代了分類器，并將改進的卷積神經網絡應用于橄欖面部人臉識別數據集。陶瓷梭式窯具有更高的火焰穩定性和更好的結果。

2 陶瓷梭式窯概述

2.1 陶瓷梭式窯的組成及結構概述

圖2.1 梭式窯結構示意圖

1—窯室；2—窯墻；3—窯頂；4—燒嘴；5—窯門；6—支煙道；7—窯車；8—軌道

陶瓷梭式窯是一種可以間歇工作的現代窯。它可以分為窯房和窯車整體。

部分。窯室還包括窯頂和窯壁，窯頂和窯壁是固定的，窯車可以是在某個軌道上移動，在窯車的襯砌磚上分布有陰燃孔和煙道，并且煙道與通向煙窗的排氣孔連接。陶瓷梭式窯以非常靈活的方式生產，陶瓷坯料的窯和窯在窯外進行。具體過程是：首先，將待燒制的陶瓷坯料放置在窯車的腳手架上，然后將窯車推入窯室，并從各種方面制備燒成工藝，如型號，尺寸和坯料的含水量，并進行燒制過程。在完成和冷卻之后，可以將窯車和煅燒產物從窯中拉出，并且可以在窯外除去煅燒產物。在整個過程中，窯車被稱為梭式窯，因為它像織機上的梭子一樣移動。

梭式窯結構示意圖如圖 2.1 所示。

梭式窯使用高速溫度調節燃燒器。在整個燒制過程中，燃燒產物通常以約100m / s的速度注入窯內，這大大提高了燃燒產物的對流傳熱速率，從而縮短了產品的燒制周期，提高了生產能力。和窯的產品質量，減少燃料消耗。由于梭式窯本身的結構特征，它可以適應各種尺寸，形狀和材料的坯料的燒制。梭式窯在燃燒時間的安排方面也很靈活。它可用于某些產品的二次燒制和新產品的試制。梭式窯作為一種現代化的熱力設備，特別適合小批量生產，可滿足當前市場的多樣化需求，為現代消費者提供更多，更廣泛的選擇。

2.2 陶瓷梭式窯燒結工藝概述

陶瓷梭式窯的主要燒成工藝包括：低溫階段，氧化和還原期，高溫階段和冷卻。

具體燒制過程如下：

(1)低溫階段：該階段通常在400℃之前，也是燒制過程中最關鍵和最危險的階段。

分割。該階段是蒸發階段，升溫速率主要取決于進入窯前生坯的厚度和含水量。

階段主要是物理變化，從身體去除水分。如果溫度上升太快，可能會導致坯料內的水蒸氣壓力過大，導致閥體破裂。

(2)氧化還原期：該溫度范圍一般在950℃以前，其加熱速度主要取決于泥漿。

土壤的混合比分解和氧化體內所含的有機物質或碳酸鹽等化合物。這個階段是成瓷期，可以增加供氣和供氧，窯內的溫度會迅速增加。此時，孔隙率將降低，并且身體將收縮。

(3)高溫階段：該階段的最終溫度取決于陶瓷產品的性質和原料，它們會升溫速度取決于窯中的結構和窯的密度。當窯體較大時，加熱速度不宜過快，以免窯內溫差過大，造成不同程度的收縮和變形。

(4)冷卻階段：冷卻方法可分為三種形式，以滿足不同的產品要求：保溫和緩冷。

冷卻和淬火冷卻。這些不同的冷卻方法將逐漸降低窯內的溫度，從而產生最終的陶瓷產品。

3 實驗環境

3.1 Theano 庫簡介

heano庫是一個Python庫，已經過改進，可以進行有效的數學表達式符號計算。Theano庫通常與Numpy庫一起使用，因為Numpy庫的ndarray是由Theano庫處理的數據對象的類型，并且Theano庫的使用允許進一步優化大規模矩陣操作。Theano將數據和操作都視為節點，因此開發人員編碼的過程等同于在節點之間構建計算網絡，并且可以執行各種數學表達式計算。同時，Theano庫將計算函數模型轉換為C代碼，從根本上解決了Python低速的缺點。Theano庫完全滿足了對大規模計算的深度學習的需求，因此本文將在Theano庫中進行實驗。

3.2 Mnist 數據集簡介

mnist手寫字符數據集每個圖像有28*28像素，是一個0到9個手寫數字的圖像集。該數據集包含50,000幅訓練圖像、10,000幅測試圖像和10,000幅驗證圖像。圖像處理是訓練和測試中應用最廣泛的圖像集之一。

4 卷積神經網絡訓練過程及結果

卷積網絡本質上是一個輸入到輸出的映射，不需要輸入和輸出之間的任何精度。

數學表達式可以學習輸入與輸出之間的映射關系。訓練卷積網絡只需要使用已知的模式，使網絡具有映射輸入和輸出對的能力。因為卷積網絡是通過監視執行的方法，所以訓練樣本集應該是一個有標簽的訓練樣本集。樣本集的形式應為向量對組成向量，理想輸出)。通過訓練標記樣本集使卷積網絡足夠學習輸入和輸出之間的關系。經過培訓后，測試集和驗證集仍需用于測試網絡中最后的表演。在開始訓練之前，所有的權重都必須用不同的小隨機數初始化。“小隨機數”可以保證網絡不會因為學習過程中的過重重量而飽和，進而導致訓練丟失。

“不同”是網絡正常學習的保證。如果初始化矩陣使用相同的數，則互聯網將失去其學習能力。

訓練卷積神經網絡通常分為四個步驟。這四個步驟分為兩個主要階段：

第一階段，前進階段

(1)取樣本(x,yp)，將 x 作為輸入量然后輸入到卷積網絡中。

(2)計算實際輸出數據Cp。

輸入信息 x 為依次經過各個層之間的卷積運算，子采樣操作輸出到輸出層，在這個過程中，網絡執行運算式：

Cp=fn(…(f2(f1(xp,W1)W2)…)Wn)

第二階段，后向傳播階段

(3)用pc減去py，所得差作為反向傳播調整的誤差。

(4)重量矩陣通過反向傳播進行調整，以盡量減小步驟(1)中的誤差。

傳統的卷積神經網絡在theano庫上訓練出手寫的數字集，可見卷積神經網絡在圖像識別上是準確的。

5 全文總結

陶瓷穿梭窯溫度控制系統是一種典型的工藝控制系統。它的溫度檢測和控制在生產過程中起著非常重要的作用，是陶瓷產品成功生產的前提。為了提高陶瓷穿梭窯的生產效率，降低工人的工作強度，增加資源的利用，保護環境，圖像識別是網絡研究的熱點。在深入學習概念提出后，圖像識別技術得到了極大的改進。利用卷積神經網絡可以提高陶瓷梭窯的精度。