典型文献
基于改进Mask R-CNN的刮板输送机铁质异物多目标检测
文献摘要：
刮板输送机是煤矿井下的关键运输设备,铁质异物进入刮板输送机会引发磨损、断链等,甚至会造成停产、伤人等严重事故.现有刮板输送机异物识别方法存在对井下图像的适应性较差、无法区分异物类别与数量等问题.针对上述问题,提出了一种基于改进掩码区域卷积神经网络(Mask R-CNN)的刮板输送机铁质异物多目标检测方法.采用基于Laplace算子的图像增强算法对井下低照度、高粉尘环境下采集的图像进行预处理,对增强后的图像进行标注,制作数据集.采用Mask R-CNN模型的ResNet-50特征提取器获取铁质异物图像特征;采用特征金字塔网络进行特征融合,保证同时拥有高层的语义特征(如类别、属性等)和低层的轮廓特征(如颜色、轮廓、纹理等),以提高小尺度铁质异物识别精度;针对Mask R-CNN模型生成的锚点与待检测的铁质异物尺寸不对应的问题,对Mask R-CNN模型进行改进,采用k-means Ⅱ聚类算法代替原来的锚点生成方案,通过遍历数据集中标注框的长宽信息得到聚类中心 点,实现刮板输送机铁质异物多 目标检测.实验结果表明,改进Mask R-CNN模型对单张图像的平均检测时间为0.732 s,与Mask R-CNN,YOLOv5相比,分别缩短0.093,0.002 s;平均精度为 91.7％,与 Mask R-CNN,YOLOv5 相比,分别提高 11.4％,2.9％.
文献关键词：
刮板输送机;铁质异物;多目标检测;深度学习;MaskR-CNN;k-meansⅡ聚类算法
中图分类号：
作者姓名：
史凌凯;耿毅德;王宏伟;王洪利
作者机构：
太原理工大学安全与应急管理工程学院,山西太原 030024;太原理工大学山西省煤矿智能装备工程研究中心,山西 太原 030024;山西焦煤集团有限责任公司 博士后工作站,山西 太原 030024;太原理工大学机械与运载工程学院,山西太原 030024
文献出处：
引用格式：
[1]史凌凯;耿毅德;王宏伟;王洪利-.基于改进Mask R-CNN的刮板输送机铁质异物多目标检测)[J].工矿自动化,2022(10):55-61
A类：
铁质异物
B类：
刮板输送机,多目标检测,煤矿井下,运输设备,断链,停产,伤人,严重事故,异物识别,下图,掩码,区域卷积神经网络,目标检测方法,Laplace,图像增强算法,低照度,粉尘,作数,ResNet,图像特征,特征金字塔网络,特征融合,语义特征,低层,轮廓特征,高小,小尺度,识别精度,模型生成,锚点,means,聚类算法,遍历,历数,中标,长宽,聚类中心,单张,检测时间,YOLOv5,MaskR
AB值：
0.246447
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。
