記者4月7日從湖南科技大學獲悉，該校信息與電氣工程學院副教授盧明課題組與中國科學院大學研究員周翊民合作，提出了一種多視覺特征信息融合鋁電解槽況辨識方法。該成果于2021年發表在《信息科學》（Information Sciences）上，并于2021年8月和2022年3月兩次進入ESI高被引。
湖南科技大學副教授陳祖國和盧明在該項研究中，從機理上闡述了鋁電解槽的火眼視覺特征信息隨鋁電解槽工況狀態變化的規律，他們采用基于信息協同熵實現鋁電解火眼視覺特征信息與機理模型的融合，并采用區間直覺模糊TOPSIS實現鋁電解槽況狀態的辨識。該方法對鋁電解槽工況識別精度都在86%以上，最高準確率為92%、平均為89.2%。
鋁電解工業作為典型的傳統流程行業是具有戰略意義的國民經濟支撐性產業，在“雙碳”目標大背景下，實施鋁電解過程智能制造是中國智能制造2025的戰略需要，也是鋁電解行業節能增效實現可持續發展的必然趨勢。研究鋁電解生產過程工況智能辨識與決策方法，是提升我國鋁電解行業搶占新一輪制造技術制高點的重要手段, 也是重塑我國鋁電解行業新優勢、實現轉型升級的必然選擇。
據介紹，該項研究解決了鋁電解生產過程中無法在線檢測鋁電解工況而長期依賴于工人經驗進行判斷工況狀態的問題，也解決了經驗豐富的工藝人員頻繁流動造成對異常槽況判斷決策準確性下降的問題，能夠有效提高鋁電解生產過程中工況穩定性，提高產品質量一致性，降低能源消耗，對推動我國“雙碳”戰略的實施具有重要意義。
“本文提出的基于領域知識的機理模型具有良好的可解釋性，可有效地表征過程動態 ；提出的基于機器視覺的在線監控系統能夠有效保證復雜工業過程的工況穩定；提出的基于視覺特征信息融合的方法在工業中得到了很好的應用。”該論文部分審稿人表示。
該研究得到了國家自然科學基金、湖南省自然科學基金等項目的資助。
相關論文信息：