摘要: 针对输送带的跑偏状态监测问题，本文提出了一种基于深度学习的输送带边缘识别与状态判定方法。方法将输送带边缘识别问题看作是特定场景下的直线检测问题，提出通用目标检测网络预测框的对角线特征与输送带边缘直线耦合表征策略，借助Yolov5目标检测网络在CUMT-BELT公开数据集上进行了网络改进和测试。实验证明，利用目标检测网络预测框的对角线特征可实现稳定高效地输送带边缘识别和跑偏数值量化，具有较强的泛化能力和快速迁移学习能力。方法在本地硬件上的测试精度可达到99%，测试速度最快可达148 FPS，这能为带式输送装备的智能化发展及运行状态的可视化监控提供技术方案与经验参考。