朱永红，戴晨雨，李蔓华
(景德镇陶瓷大学 机械电子工程学院，江西 景德镇 333403)

摘  要：目前，陶瓷辊道窑烧制温度主要通过热电偶检测。由于热电偶容易老化，造成温度检测精度逐渐变低，以致影响陶瓷制品烧成质量。针对此问题，提出将基于深度学习火焰图像特征识别与热电偶点检测数据融合代替热电偶的辊道窑温度智能检测方法。该方法是针对陶瓷辊道窑火焰图像采用一种基于移位窗口视觉自注意力机制的多尺度特征提取网络，利用卷积神经网络和Transformer分支的局部和远程特征来保留更多图像信息，获得较准确的火焰图像特征，并与热电偶点检测数据融合，从而实现对陶瓷辊道窑温度的精确检测。该多尺度特征提取网络模型首先是采用一种基于多层Transformer的自编码器网络提取出其中的浅层和多尺度深层特征，其次将多个特征融合到Transformer和卷积神经网络中使其获得足够的能力去捕捉特征信息，最后将热电偶点检测获得的数据输入前面的网络中，利用特征级信息融合来是实现火焰图像特征与关键点检测温度数据的融合。实验结果表明，本文提出的融合网路模型比基于卷积神经网络融合方法特征识别平均准确率提高了1.75%，平均误差产生的减少了2.67%，其大多数指标上优于卷积神经网络分支或Transformer分支图像融合，因而本文的方法有效可行。
关键词：陶瓷辊道窑；深度学习；信息融合；智能温度检测