![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于Res2-UNet模型的皮带煤量检测.pdf
《基于Res2-UNet模型的皮带煤量检测.pdf》由会员分享,可在线阅读,更多相关《基于Res2-UNet模型的皮带煤量检测.pdf(5页珍藏版)》请在咨信网上搜索。
1、2023 年第 7 期计算机与数字工程收稿日期:2023年1月11日,修回日期:2023年2月16日基金项目:山西省中科院科技合作项目(编号:20141101001);山西省社会发展科技项目(编号:20140313020-1)资助。作者简介:成彦颖,女,硕士研究生,研究方向:图像处理,计算机视觉。白尚旺,男,硕士,教授,硕士生导师,研究方向:数据库与软件工程技术。1引言煤炭产量是衡量煤矿生产效率和经济效益的重要指标,带式输送机作为煤矿中常用的输送设备,在运输煤料中经常会出现堆煤、少煤、空载的情况,使得煤量运输不均匀。所以煤量的检测不仅能预测煤炭产量,进行生产管理,而且能将皮带煤料上的情况反馈给
2、工作人员,对皮带进行及时有效的控制,达到优化煤量,节省电能的目的。传统的皮带煤量检测有接触式或非接触式两种方法,接触式的方法包括倾斜开关、压力检测1或电子胶带秤2。倾斜开关虽然简单,容易检测,总第 405期2023 年第 7 期计算机与数字工程Computer&Digital EngineeringVol.51No.7基于 Res2-UNet 模型的皮带煤量检测成彦颖白尚旺(太原科技大学计算机科学与技术学院太原030024)摘要为了能够检测煤矿井下的煤量,预测和提高煤的利用率,同时节省电能,减少人力的监管和资源成本。利用煤矿安装的视频监控系统,采用非接触的方式通过Camshift算法对快速运动
3、皮带上的煤量捕捉和跟踪,然后建立Res2-UNet模型来获得显著性信息,融合灰度、纹理、边缘等特征到单一的网络中,实现了皮带煤量的检测。模型利用U-Net网络的思想以编码器-解码器为架构,编码器以Res2Net网络为骨干网络提取煤流不同层次特征的信息,解码器通过反卷积上采样操作恢复图像尺寸。经过构建皮带数据集训练和测试模型,实验结果表明,提出的方法能够快速准确地检测出皮带上的煤料,精确率达到95.5%,每张图像从输入网络到输出的运行时间为4.8s。表明该方法具有一定的实用性和有效性。关键词煤量检测;Camshift算法;编码器-解码器;Res2-UNet模型;U-Net网络;Res2Net网络
4、中图分类号TD529;TP391.4DOI:10.3969/j.issn.1672-9722.2023.07.035Belt Coal Quantity Detection Based on Res2-UNet ModelCHENG YanyingBAI Shangwang(School of Computer Science and Technology,Taiyuan University of Science and Technology,Taiyuan030024)AbstractIn order to be able to detect the amount of coal in t
5、he mine,predict and improve the utilization rate of coal,whilesaving electricity,human supervision and resource costs are reduced.By using the video surveillance system installed in the coalmine,the coal amount on the fast moving belt is captured and tracked by Camshift algorithm in a non-contact wa
6、y,and then theRes2-UNet model is established to obtain the significance information,and the gray level,texture,edge and other features are integrated into a single network to realize the coal amount detection of the belt.The model uses the idea of U-Net network and encoder-decoder architecture.The e
7、ncoder uses Res2Net network as the backbone network to extract the information of different levels ofcoal flow characteristics,and the decoder recovers the image size through deconvolution upsampling operation.After constructingbelt data set training and testing model,experimental results show that
8、the proposed method can quickly and accurately detect thecoal on the belt,with an accuracy rate of 95.5%,and the running time from input network to output of each image is 4.8s.The results show that the method is practical and effective.Key Wordscoal quantity detection,Camshift algorithm,encoder-dec
9、oder,Res2-UNet model,U-Net network,Res2NetnetworkClass NumberTD529,TP391.41635第 51 卷但皮带易磨损,需要定期检查维修,而且检测的准确率和可靠性差1。压力检测和电子胶带秤由于和皮带长时间接触、皮带自身的重量和速度等误差都会对检测造成影响3。非接触式方法有电场感应和激光检测,电场感应通过安装智能传感器来检测煤量,产生的电场变化作为煤量检测的输出,但是电场感应方法无法检测煤量的多少1。激光检测通过激光扫描测量技术实时采集煤流的三维数据,计算煤的体积和重量4。这种方法可以检测出煤量的多少,但是成本较高,不能很好的普及。部
10、分煤矿将变频技术和载煤量自动匹配控制结合起来,加强了节能的效果5,但是在复杂的煤矿环境中,变频器易收到干扰而损坏。随着计算机视觉的发展,利用深度学习进行图像分割检测也有着突出表现。在煤矿领域中,利用了视觉检测中的单目视觉技术构建小孔成像测距模型,实现了胶带堆煤检测6。基于机器视觉的智能输煤检测系统将煤量检测分为煤宽和煤高检测,采取煤宽分割区域和基于卷积神经网络的煤高检测,整体效果好,但是在复杂的环境下适应性差且精度较低7。本文针对煤炭图像检测精度低,且适应性差等问题,提出了一种新的煤量检测方法,首先通过Camshift算法实时跟踪捕捉皮带煤量的区域,然后通过Res2-UNet模型将多层次、多尺
11、度的显著性特征集中到单一的网络,检测煤量的轮廓区域。实现了对煤量的准确定位和分割。2皮带煤量检测视觉监控系统本系统在皮带上方安装矿用高清防爆摄像头实时采集皮带的视频,将采集到的视频通过网络传到服务器上,服务器通过人工智能视频识别模型检测 和 分 析 煤 量,采 用 Camshift 算 法 跟 踪 和Res2-UNet网络检测。图1为皮带煤量检测视觉监控系统。图1皮带煤量检测视觉监控系统3实验流程3.1预处理首先读入要检测的皮带视频,采集煤流数据,为了保证图像检测的准确性和提高训练的速度,需要对目标图像进行预处理,包括图像裁剪、光照均匀处理、图像池化等。图像裁剪根据检测的目标对象的坐标来定位裁
12、剪区域,将图像尺寸调整为250像素250像素。光照均匀处理,是指当在工作场景中光照不均匀时,可能会对我们的检测造成影响,光照的变化会导致图像的像素矩阵发生变化,这里对图像做光照均匀处理可在一定程度上改善算法的判断效果。最后,对于预处理步骤中的图像池化,是因为在实际场景中可能会出现摄像头轻微抖动等情况,可能会导致相邻的视频帧的图像的像素值会发生一定的偏移,这里使用卷积神经网络中的池化层的思想,对图像进行池化可达到对池化区域内像素值进行平滑的效果,可在一定程度上改善轻微的像素值变化造成的影响。预处理之后利用 Camshift算法快速跟踪捕捉运行的皮带煤流图像,然后通过Res2-UNet模型进行煤量
13、检测。图2为皮带煤量检测流程图。图2皮带煤量检测流程图3.2基于Camshift算法的皮带煤量快速跟踪利 用 Camshift(Continuously Adaptive MeanShift)8连续的自适应平均移位(Meanshift)算法对快速移动的物体跟踪,提取煤量的位移。这种算法根据目标物体的颜色特征跟踪目标的运动轨迹,颜色特征不会受外界的环境变化,所以Camshift算法对于跟踪物体来说比较稳定,并且实时性好、准确率和效率都很高。本文通过矿用高清防爆摄像头捕获高速运动的皮带,对采集到的视频帧做预处理,将RGB颜色空间变为HSV空间形成候选目标区域,手动定义搜索窗口选择移动目标,通过Me
14、anshift运算,并且使上一帧目标窗口的的中心位置和大小作为下一帧的目标窗口的初始值,依次迭代下去,直到最后一帧的目标跟踪。Camshift算法流程如图3所示。首先计算搜索区域的大小,将 RGB图像转化为HSV图像,HSV空间有三个参数,即色调(H)、饱和度(S)和明度(V),计算公式如下:V=max(RGB)S=()V-min(RGB)Vif()V0 0else(1)成彦颖等:基于Res2-UNet模型的皮带煤量检测16362023 年第 7 期计算机与数字工程H=60()G-BSif(V=R)180-60()B-GSif(V=G)240+R-60GSif()V=B H+360if()H0
15、 计算搜索窗口的目标颜色直方图是为了得到颜色概率分布图像。当直方图投影后,每个像素的值代表了颜色的概率信息,从而通过颜色特征可以跟踪目标的轨迹。图3Camshift算法流程图搜索区域像素点的坐标为(x,y),在投影图中,对应的像素值为I(x,y)。搜索窗口的零阶矩、一阶矩、二阶矩分别为M00;M01;M10;M20;M02;M11。M00=xyI()xy;M10=xyxI()xy;M01=xyyI()xy;M20=xyx2I()xy;M02=xyy2I()xy;M11=xyxyI()xy;(2)定义了搜索框的质心坐标(xc,yc):()xcyc=()M10/M00M01/M00.(3)长轴为l
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Res2 UNet 模型 皮带 检测
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。