典型文献
基于全卷积神经网络的输送带撕裂检测方法
文献摘要：
针对现有输送带撕裂检测方法存在井下可见光成像质量差、缺少撕裂物理尺寸测量手段、泛化能力差等问题,提出了一种基于全卷积神经网络的输送带撕裂检测方法.该方法基于线结构光成像原理采集图像,可有效解决煤矿井下光照条件差的问题;采用改进最大值法进行线激光条纹检测,可有效排除条纹断点,精确提取条纹,并拟合出缺失点;选用全卷积神经网络中的U?net网络对线激光条纹进行撕裂分割,将撕裂检测问题转换成语义分割问题,并通过降维对U?net网络进行优化,从而减少参数量和计算量;将分割结果反投影回原始图像,利用线结构光标定数据完成撕裂物理尺寸测量.实验结果表明:改进最大值法可有效处理线激光条纹断点区域,无误检和漏检,性能优于Steger法和灰度重心法;U?net网络收敛速度快于SegNet和FCNs网络,迭代的稳定性较强,评价指标最优,U?net4网络性能优于U?net3和U?net5.在验证集上的检测结果表明,撕裂检测的召回率为96.09％,精确率为96.85％.在实验平台的测量结果表明,撕裂物理尺寸测量的最大相对误差为?13.04％.
文献关键词：
带式输送机;输送带撕裂检测;撕裂物理尺寸;线结构光;全卷积神经网络;U-net网络;语义分割
中图分类号：
作者姓名：
游磊;朱兴林;陈雨;罗明华
作者机构：
中煤科工集团重庆研究院有限公司,重庆 400039
文献出处：
引用格式：
[1]游磊;朱兴林;陈雨;罗明华-.基于全卷积神经网络的输送带撕裂检测方法)[J].工矿自动化,2022(09):16-24
A类：
撕裂物理尺寸,FCNs,net4,net3,net5
B类：
全卷积神经网络,输送带撕裂检测,可见光成像,成像质量,尺寸测量,泛化能力,线结构光,成像原理,采集图像,煤矿井下,下光,光照条件,线激光,条纹,断点,合出,出缺,缺失点,检测问题,问题转换,转换成,成语,语义分割,参数量,计算量,反投影,原始图像,光标,无误,漏检,Steger,灰度重心法,网络收敛速度,快于,SegNet,网络性能,验证集,召回率,精确率,实验平台,带式输送机
AB值：
0.229413
相似文献
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。
