-
题名基于机器视觉的带式输送机落料口堆煤检测
被引量：3
- 1
-
-
作者
苗长云
李佳
-
机构
天津工业大学电子与信息工程学院
-
出处
《辽宁工程技术大学学报（自然科学版）》
北大核心
2023年第5期617-624,共8页
-
基金
国家自然科学基金项目(NSFC51274150)
天津市重点研发计划科技支撑重点项目(18YFZCGX00930)。
-
文摘
针对带式输送机落料口堆煤检测存在准确性、实时性和可靠性差的问题,提出一种基于机器视觉的带式输送机落料口堆煤检测方法,利用工业相机采集落料口图像,通过以太网传输给堆煤检测器,堆煤检测器利用堆煤检测算法对图像进行处理与分析,实现堆煤检测,并通过以太网将检测结果传输给上位机。改进了ShuffleNetV2网络模型,用空洞卷积替代模型中的标准卷积,在不增加计算量的前提下增大感受野,在基本单元中增加了高效通道注意力模块ECA,提高特征提取能力。提出了改进ShuffleNetV2网络模型的堆煤检测算法,利用暗通道的图像去雾增强算法对采集的图像进行去雾和增强处理,构建了落料口图像数据集,利用该数据集训练改进ShuffleNetV2网络模型,再利用训练好的网络模型进行堆煤检测。采用Cortex-A57架构4核JetsonNano开发板设计了堆煤检测器的硬件和软件。研究结果表明:该方法能够实现带式输送机落料口堆煤的实时检测,准确率达到98.34%,图像处理速度为23帧/s。
-
关键词
带式输送机
落料口堆煤
堆煤检测算法
改进ShuffleNet
V2网络模型
堆煤检测器
-
Keywords
belt conveyor
coal pile at the drop gate
coal pile detection algorithm
improved ShuffleNet V2 network model
coal pile detector
-
分类号
TD528
[矿业工程—矿山机电]
-
