一种快速,高精度的外来物体检测方法,用于带式输送机煤炭流动图像与目标阻塞
Hongwei Fan1,2, Jinpeng Liu1, Xinshan Yan1
1School of Mechanical Engineering, Xi'an University of Science and Technology, Xi'an 710054, China.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了一种先进的图像检测方法,用于识别煤炭流中隐藏的异物,即使在具有挑战性的低光和尘埃条件下. 优化的方法显著提高了传输带保护的检测准确性和效率.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 工业自动化 工业自动化
背景情况:
- 煤炭流中的异物会造成输送带损坏的严重风险.
- 在低照明和灰尘的环境中检测封闭物体是具有挑战性的.
- 现有的方法对于复杂的闭塞场景缺乏准确性和效率.
研究的目的:
- 开发一种准确和高效的图像检测方法,用于煤流中封闭的外来物体.
- 解决目前在恶劣环境条件下检测技术的局限性.
- 提高煤炭处理系统的安全性和运行效率.
主要方法:
- 优化YOLOv5s使用软非最大压制来处理密集的对象.
- 实施SimOTA标签的分配,以减轻模两可的样本.
- 滑动损失和内部SIoU的应用,以改善难以采样的挖掘和界限框回归.
- 使用Group-Taylor修剪的模型压缩.
主要成果:
- 提出的方法在定制数据集上达到91.30%的mAP$_{0.5}$的高精度.
- 该模型的效率很高,只有4.20×105的参数,尺寸为1.20 MB.
- 在各种计算设备上,可以实现高达66.31 FPS的快速检测速度.
结论:
- 开发的图像检测方法有效地识别了煤流中多层封闭的异物.
- 该方法为低照明和灰尘环境提供了强大的解决方案,提高了检测准确度和速度.
- 这项技术提高了输送带的保护和煤炭行业的运行可靠性.
