基于YOLOV5神经网络的刮板机智能检测系统
翟善发
宋文清
罗森瀚
王绎骁
国能北电胜利能源有限公司,内蒙古 锡林浩特 026000
摘要：为了提高储煤仓群刮板机生产效率,降低运维成本,设计了一套刮板机智能检测系统.系统采用基于机器视觉的图像处理和图像分割技术,对刮板机的空载状态进行状态评估,对刮板机的运行状态进行异常检测,建立了YOLOV5 神经网络故障检测模型,通过检测和计算刮板机技术参数,包括刮板速度、倾斜度,链条、单元链长、链环节距等,实现了对刮板机关键部件(刮板和链条)异常和故障的智能检测.在生产实践中,从数据优化、模型改进、训练策略调整和后处理优化 4 个方面有效降低了系统误检测率,降低了人工运维成本,提高了系统智能化程度.
关键词：机器视觉刮板机神经网络异常检测误检测
分类号：TD422(矿山机械)
论文发表日期：2026-02-28
在线出版日期：2026-03-19（本平台首次上网日期，不代表文献的发表时间）
页数：5( 98-102 )
英文信息