基于全卷积神经网络的输送带撕裂检测方法
游磊
朱兴林
陈雨
罗明华
中煤科工集团重庆研究院有限公司,重庆 400039
摘要：针对现有输送带撕裂检测方法存在井下可见光成像质量差、缺少撕裂物理尺寸测量手段、泛化能力差等问题,提出了一种基于全卷积神经网络的输送带撕裂检测方法.该方法基于线结构光成像原理采集图像,可有效解决煤矿井下光照条件差的问题;采用改进最大值法进行线激光条纹检测,可有效排除条纹断点,精确提取条纹,并拟合出缺失点;选用全卷积神经网络中的U?net网络对线激光条纹进行撕裂分割,将撕裂检测问题转换成语义分割问题,并通过降维对U?net网络进行优化,从而减少参数量和计算量;将分割结果反投影回原始图像,利用线结构光标定数据完成撕裂物理尺寸测量.实验结果表明:改进最大值法可有效处理线激光条纹断点区域,无误检和漏检,性能优于Steger法和灰度重心法;U?net网络收敛速度快于SegNet和FCNs网络,迭代的稳定性较强,评价指标最优,U?net4网络性能优于U?net3和U?net5.在验证集上的检测结果表明,撕裂检测的召回率为96.09％,精确率为96.85％.在实验平台的测量结果表明,撕裂物理尺寸测量的最大相对误差为?13.04％.
关键词：带式输送机输送带撕裂检测撕裂物理尺寸线结构光全卷积神经网络U-net网络语义分割
分类号：TD634(矿山电工)
资助基金：中煤科工集团重庆研究院自立重点研发科研项目(2021ZDXM02)中煤科工集团重庆研究院自立重点研发科研项目(2022ZDXM02)
论文发表日期：2022-09-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 16-24 )
英文信息