典型文献
基于改进MobileNetV2的钻杆计数方法
文献摘要：
针对现有基于人工及仪器的钻杆计数法存在精度较低、耗时耗力,现有基于图像处理的钻杆计数方法难以提取图像特征,网络模型复杂度高、计算量大等问题,提出了 一种基于改进MobileNetV2的钻杆计数方法.通过摄像头采集钻机工作状态图像,采用数据增强对采集的图像进行预处理,在MobileNetV2的基础上,添加卷积注意力模块增强特征的细化能力,优化目标函数提升识别精度,通过迁移学习获取初始参数.将改进后的MobileNetV2作为钻机工作状态识别模型,提取钻机工作状态特征,通过识别钻杆钻进完整过程中装钻杆、打钻杆、卸钻杆、停机4种钻机工作状态生成置信度数据,通过滑动窗口对置信度数据进行滤波,统计钻杆数量,明确钻孔深度.实验结果表明:改进后的MobileNetV2模型识别准确率达99.95％,与经典分类模型ResNet50,Xception,InceptionV3,InceptionResNetV2,MobileNetV2 相比,准确率分别提升 了 1.35％,1.28％,1.43％,0.85％,1.25％,参数量比MobileNetV2模型减少了 38.9％,模型收敛速度更快,综合性能更好.将基于改进MobileNetV2的钻杆计数方法应用于煤矿综采工作面的钻杆计数中,平均钻杆计数精度为98.4％,实现了钻杆精确计数,验证了该方法在复杂环境下应用的可行性和实用性.
文献关键词：
煤与瓦斯突出;钻机;钻杆计数;图像处理;卷积神经网络;深度学习;注意力机制;MobileNetV2
中图分类号：
作者姓名：
张栋;姜媛媛
作者机构：
安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学环境友好材料与职业健康研究院(芜湖),安徽芜湖 241003
文献出处：
引用格式：
[1]张栋;姜媛媛-.基于改进MobileNetV2的钻杆计数方法)[J].工矿自动化,2022(10):69-75
A类：
钻杆计数
B类：
MobileNetV2,计数法,耗力,图像特征,模型复杂度,计算量,摄像头,钻机,机工,状态图,数据增强,加卷,卷积注意力模块,优化目标,函数提升,识别精度,迁移学习,工作状态识别,识别模型,钻进,进完,整过,中装,打钻,停机,置信度,滑动窗口,钻孔深度,模型识别,识别准确率,分类模型,ResNet50,Xception,InceptionV3,InceptionResNetV2,参数量,收敛速度,煤矿综采工作面,复杂环境,煤与瓦斯突出,注意力机制
AB值：
0.302829
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。
