留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进ResNet网络的井下钻杆计数方法

高瑞 郝乐 刘宝 文静怡 陈宇航

高瑞,郝乐,刘宝,等.基于改进ResNet网络的井下钻杆计数方法[J].工矿自动化,2020,46(10):32-37..  doi: 10.13272/j.issn.1671-251x.2020040054
引用本文: 高瑞,郝乐,刘宝,等.基于改进ResNet网络的井下钻杆计数方法[J].工矿自动化,2020,46(10):32-37..  doi: 10.13272/j.issn.1671-251x.2020040054
GAO Rui, HAO Le, LIU Bao, et al. Research on underground drill pipe counting method based on improved ResNet network[J]. Industry and Mine Automation, 2020, 46(10): 32-37.. doi: 10.13272/j.issn.1671-251x.2020040054
Citation: GAO Rui, HAO Le, LIU Bao, et al. Research on underground drill pipe counting method based on improved ResNet network[J]. Industry and Mine Automation, 2020, 46(10): 32-37.. doi: 10.13272/j.issn.1671-251x.2020040054

基于改进ResNet网络的井下钻杆计数方法

doi: 10.13272/j.issn.1671-251x.2020040054
基金项目: 

陕西省科技厅自然科学基金项目(2018JQ5197)

陕西省重点研发计划项目(2019GY-097)。

详细信息
  • 中图分类号: TD713.3

Research on underground drill pipe counting method based on improved ResNet network

  • 摘要: 针对现有井下钻杆数量统计方式精度较低、受环境变化影响大等问题,结合卷积神经网络、信号滤波等技术,提出了一种基于改进ResNet网络的井下钻杆计数方法。根据视频图像中卸杆动作与非卸杆动作的差异,采用ResNet-50网络模型对样本集进行分类训练,判断视频中每一帧图像是否包含卸杆动作;结合线性学习率预热和基于Logistic曲线的学习率衰减策略进行学习率更新,以提高模型分类准确率;通过积分法对视频分类置信度进行滤波,并统计置信度曲线下降沿数量,实现钻杆计数。实验结果表明,预热+衰减的学习率更新策略能够有效提高图像分类模型的分类精度,模型分类检测准确率为89%。实际应用结果表明,基于改进ResNet网络的井下钻杆计数方法可以高效识别视频中的卸杆图像,平均钻杆计数精度为97%,满足实际应用需求。

     

  • 加载中
计量
  • 文章访问数:  122
  • HTML全文浏览量:  19
  • PDF下载量:  13
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-09-20

目录

    /

    返回文章
    返回