Research on coal quantity detection method based on deep neural network
-
摘要: 针对带式输送机煤量检测技术精度较低、实时性较差等问题，提出了一种基于深度神经网络的煤量测量方法。首先，在BiSeNet的基础上引入TFF结构和交叉熵损失函数，构建new Large TFF模型。其次，在深度预测方面，构建Large TFF2网路模型，针对边缘检测效果差等问题，引入新的损失函数指导模型训练。然后，针对带式输送机上实时煤量预测任务需求，基于new Large TFF和Large TFF2构建Large TFF4多任务网络模型，并引入深度与语义的组合损失函数。最后，在静态煤量计算的基础上，引入ORB关键点定位技术，实验动态煤量测量。实验结果表明，带式输送机动态煤量检测方法的FPS为25左右，误差为5%左右，能够满足带式输送机高速运转时煤量测量要求。
-
-
[1] 崔振国.基于机器视觉的带式输送机煤量监测系统研究[D].徐州:中国矿业大学, 2021. [2] 逯圣辉.基于机器视觉的带式输送机动态煤量计量研究[D].邯郸:河北工程大学, 2020. [3] 刘磊.测量在煤矿开发生产中的应用和研究[J].河南科技, 2013(18):37. [4] 陈文钰.电子皮带秤的误差分析与维护[J].计量与测试技术, 2022, 49(2):63-65. [5] 苏毅.可实现物料流量精确控制的自动核子皮带秤 [J].中国测试, 2012, 38 (6):57-59, 63. [6] ROBERTS L G.Machine perception of three-dimensional solids[D].Cambridge:Massachusetts Institute of Technology, 1963.
[7] 米春风, 卢琨, 汪文艳, 等.基于机器视觉的带钢表面缺陷检测研究进展[J].安徽工业大学学报(自然科学版), 2022, 39(2):180-188. [8] 关丙火.基于激光扫描的带式输送机瞬时煤量检测方法[J].工矿自动化, 2018, 44(4):20-24. [9] 胡而已.基于激光扫描的综放工作面放煤量智能监测技术[J].煤炭科学技术, 2022, 50(2):244-251. [10] 郝洪涛, 王凯, 丁文捷.基于超声阵列的输送带动态煤量检测系统[J].工矿自动化, 2023, 49(4):120-127. [11] 刘飞, 张乐群, 蒋伟, 等.基于深度图像的带式输送机煤量检测方法[J].西安科技大学学报, 2023, 43(5):1008-1014. [12] 彭丽, 陈重, 郝博南.基于激光与视觉融合的煤量检测技术研究[J].煤炭技术, 2023, 42(3):259-263. [13] SU Zhongbin, WANG Yue, XU Qi, et al.LodgeNet:improved rice lodging recognition using semantic segmentation of UAV high-resolution remote sensing images[J].Computers and Electronics in Agriculture, 2022, 196.DOI: 10.1016/j.compag.2022.106873.
[14] SONG M, LIM S, KIM W.Monocular depth estimation using laplacian pyramid-based depth residuals[J].IEEE Transactions on Circuits and Systems for Video Technology, 2021, 31(11):4381-4393.
[15] 韩涛, 黄友锐, 张立志, 等.基于图像识别的带式输送机输煤量和跑偏检测方法[J].工矿自动化, 2020, 46(4):17-22. [16] 王桂梅, 李学晖, 杨立洁, 等.基于深度学习的永磁直驱带式输送机煤量检测方法研究[J].煤炭技术, 2022, 41(1):188-190. [17] WANG Yaqian, YU Xiaoning, LIU Jincun, et al.Dynamic feeding method for aquaculture fish using multi-task neural network[J].Aquaculture, 2022, 551.DOI: 10.1016/j.aquaculture.2022.737913.
[18] QU Zhong, MEI Jing, LIU Ling, et al.Crack detection of concrete pavement with cross-entropy loss function and improved VGG16 network model[J].IEEE Access, 2020, 8:54564-54573.
[19] HU Junjie, OZAY M, ZHANG Yan, et al.Revisiting single image depth estimation:Toward higher resolution maps with accurate object boundaries[C].IEEE Winter Conference on Applications of Computer Vision, Waikoloa, 2019:1043-1051.
[20] 迪力夏提·多力昆, 张太红, 冯向萍.LabelMe标注核对系统的设计与实现[J].计算机技术与发展, 2022, 32(3):214-220. [21] 田启川, 孟颖.卷积神经网络图像语义分割技术[J].小型微型计算机系统, 2020, 41(6):1302-1313. [22] 孔慧芳, 房亮.基于多尺度特征融合的快速单目图像深度估计[J].合肥工业大学学报(自然科学版), 2022, 45(3):332-335, 432.
计量
- 文章访问数: 1
- HTML全文浏览量: 0
- PDF下载量: 0
下载:
