典型文献
基于深度学习的机制砂级配在线检测研究
文献摘要：
机制砂的级配和细度模数是工业制砂中重要的质量指标,针对机制砂级配的传统检测方法无法解决在实际工况下在线检测的问题,结合实验研究提出了一种基于深度学习的机制砂级配在线检测方法.首先采集传送带上的堆叠机制砂图像,其次经过卷积神经网络对机制砂图像实例分割,最后经过图像处理技术在线计算机制砂级配和细度模数.对比实验结果表明,Mask R-CNN实例分割模型在机制砂堆叠场景下对完整颗粒能有效分割;采用等效椭圆Feret短径作为等效粒径参数,面积级配作为级配表征参数;在线检测两组细度模数机制砂的最大重复性误差为0.03和0.05,粒径区间最大重复性误差为2.97％和3.43％;相较于传统检测方法,该检测方法具备可行性,且能够满足在工业制砂中在线检测的要求.
文献关键词：
机制砂;深度学习;实例分割;级配;细度模数
中图分类号：
作者姓名：
黄斐智;房怀英;杨建红;潘维俊
作者机构：
华侨大学机电及自动化学院 厦门 361021
文献出处：
引用格式：
[1]黄斐智;房怀英;杨建红;潘维俊-.基于深度学习的机制砂级配在线检测研究)[J].仪器仪表学报,2022(10):165-176
A类：
级配表征
B类：
机制砂,配在,在线检测,细度模数,质量指标,实际工况,下在,传送带,带上,堆叠,图像实例分割,图像处理技术,在线计算,计算机制,Mask,分割模型,整颗,等效椭圆,Feret,等效粒径,配作,表征参数,粒径区间
AB值：
0.31217
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
