近日，河钢数字。系统融合红外热成像技术与AI视觉算法，可对烧结矿核心质量指标开展实时智能预判，加速AI技术在烧结生产场景的落地应用。
烧结矿FeO含量是反映烧结矿质量、影响高炉冶炼的重要指标。为更好匹配现场个性化生产管控需求，河钢数字信达科技组建专项算法研发团队，聚焦烧结工序智能管控短板开展定向攻关。为确保算法模型贴合现场实际生产工艺，研发团队长期驻场梳理烧结机尾断面相关工艺规则，采集539组机尾断面图像与对应检化验数据；选用适配烧结断面工况特征的深度学习模型，结合AI动态预测补偿机制，反复开展模型训练、参数调试与精度校验，理清红火层温度、料层工况与FeO含量内在关联，成功研发红火层量化分析、FeO含量实时预测、机尾断面下截面温度分析三大核心算法。
该系统每45秒自动完成烧结机尾断面全域智能分析，同步精准预判烧结矿FeO含量、红火层平均温度，预测结果贴合现场生产工艺规律。操作人员可依据实时数据快速调整圆辊速比、燃料下料量，有效改善烧结过烧、欠烧问题，降低产线返矿率。经现场实测验证，系统在±0.8阈值范围内预测精度可达81%，模型收敛后均方误差低至0.041，预测精度及系统功能性均达到行业先进水平，实现全流程自主可控。
下一步，河钢数字将加快推进该项自研技术在集团各烧结产线复制落地，打造标准化、可对外市场化输出的钢铁烧结智能模型产品，持续推动AI技术与钢铁生产全场景深度融合，依托自研数字化核心技术，持续夯实钢铁主业核心竞争力。
来源 | 河钢数字
编辑 | 白泽豪、齐佳
