基于机器视觉的粉尘识别与浓度检测方法研究
屠陆阳1
陈清华2
程迎松3
江丙友4
1.安徽理工大学 机电工程学院,安徽 淮南 2320012.安徽理工大学 机电工程学院,安徽 淮南 232001;安徽理工大学 工业粉尘防控与职业安全健康教育部重点实验室,安徽 淮南 232001;安徽理工大学 机械工业矿山装备智能化实验室,安徽 淮南 2320013.安徽理工大学 机电工程学院,安徽 淮南 232001;安徽理工大学 机械工业矿山装备智能化实验室,安徽 淮南 2320014.安徽理工大学 工业粉尘防控与职业安全健康教育部重点实验室,安徽 淮南 232001
摘要：针对目前机器视觉算法在粉尘检测领域未能将位置信息与浓度值结合的问题,提出一种将改进YOLOv5 与多变量模型相结合的算法.首先,搭建一套用于采集制作粉尘数据集的模拟试验平台,分别制作粉尘位置信息数据集和粉尘浓度数据集;然后,使用改进后的YOLOv5 对粉尘位置信息数据集进行训练获得训练权重;同时,将粉尘浓度数据集中粉尘图像转换到不同颜色空间,从中提取颜色特征和纹理特征,分析这些特征与粉尘浓度的关系建立多变量模型;最后,将该多变量模型与YOLOv5 结合获得实时识别粉尘位置信息并检测其浓度的能力.试验结果表明:改进后的YOLOv5 粉尘识别模型相比于原模型精确率、召回率分别提升 2.6%、3.1%,精确率达到 91.8%,召回率达到 90.8%;且与多变量模型结合后,算法获得粉尘浓度检测能力,检测精度达到 98.79%,调整精度达到 96.03%.
关键词：机器视觉粉尘识别粉尘浓度检测改进YOLOv5多变量模型
分类号：X932(安全工程)
资助基金：国家重点研发计划(2022YFC2503201)安徽理工大学环境友好材料与职业健康研究院研发专项基金资助项目(ALW2021YF12)安徽省省级质量工程资助项目(13230325)
论文发表日期：2025-08-20
在线出版日期：2025-08-18（本平台首次上网日期，不代表文献的发表时间）
页数：11( 48-58 )
英文信息