基于视频分帧和YOLO算法的煤泥水浊度识别研究
王欣怡
王传真
蒋凤成
安徽理工大学材料科学与工程学院,安徽淮南 232001;安徽省煤炭清洁加工与碳减排工程研究中心,安徽淮南 232001
摘要：煤泥水高效处理是煤炭洗选加工的关键环节,为解决现有煤泥水沉降处理过程中药剂添加不准确的问题,提出了一种利用视频分帧处理算法和YOLO算法实现煤泥水澄清层浊度识别的方法:采用分帧处理算法将采集到的浊度为100～1 000 NTU的煤泥水样本视频分解成900张图片,结合labelimg数据标注工具,按照9∶1的比例将图片数据集随机划分为训练集和验证集;随后使用YOLOv5算法的开源YOLOv5m.pt预权重训练模型对训练集进行训练,通过设置交并比、置信度和训练轮数,以损失函数、精确度和召回率为评价指标,并根据检测结果的置信度大小来评估模型目标分类的性能.结果表明:所提出的识别算法在训练过程中损失率持续下降并稳定至0.001,不同浊度下的识别精确度从0.1左右持续升高并稳定在0.98,召回率从0.2左右持续升高并稳定在0.99,最优置信度可高达0.98.该方法对不同浊度范围煤泥水都具有良好的识别效果,具有一定的适应性和泛化能力;同时,相同浊度下的识别精确度相对稳定,具有较好的鲁棒性,这表明该方法具有较高的准确性和稳定性.研究成果可为煤泥水动态检测提供新思路,进而有助于促进煤泥水处理领域的智能化进展.
关键词：煤泥水煤泥水浊度识别视频分帧YOLOv5损失率精确度召回率置信度
分类号：TD948.9(选矿)
资助基金：中国博士后科学基金面上资助项目(2020M671837)安徽省博士后资助项目(2021A479)安徽省煤炭清洁加工与碳减排工程研究中心开放课题(CCCE-2023001)安徽省高校协同创新项目(GXXT-2023-104)
论文发表日期：2024-10-25
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：7( 20-26 )
英文信息