从图像到决策：用于铝材废钢非金属含量估计的辅助计算机视觉
计算机视觉与模式识别
2026-02-10 v1
摘要
铝材质量直接影响钢铁生产中的能源消耗、排放和安全性。目前，铝材废钢中非金属含量（污染物）的比例是由检查员肉眼判断的——这种方法主观且危险，因为伴随粉尘和移动机器人。我们提出一种辅助计算机视觉管道，该管道从铝材卸车期间捕获的图像中估计污染物（以百分比计），并对铝材类型进行分类。该方法将污染评估表述为铝车级别的回归任务，并通过多实例学习 (MIL) 和多任务学习 (MTL) 利用序列数据。最佳结果包括：MIL 实现 MAE 0.27 和 R2 0.83；MTL 配置实现 MAE 0.36 和 F1 0.79。我们还在接受工作流程中近实时部署该系统：磁铁/铝车检测划分时间层，版本化推理服务为铝车级别估计提供置信度评分，结果由操作员审查并进行结构化覆盖；纠正和不确定案例反馈给主动学习循环以实现持续改进。该管道减少了主观变异性，提高了人类安全性，并可集成到接受和熔炼计划工作流程中。
引用
@article{arxiv.2602.07062,
title = {From Images to Decisions: Assistive Computer Vision for Non-Metallic Content Estimation in Scrap Metal},
author = {Daniil Storonkin and Ilia Dziub and Maksim Golyadkin and Ilya Makarov},
journal= {arXiv preprint arXiv:2602.07062},
year = {2026}
}
备注
AAAI 2026 Workshop on Addressing Challenges and Opportunities in Human-Centric Manufacturing