科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对带式输送机落料口堆煤检测存在准确性、实时性和可靠性差的问题，提出一种基于机器视觉的带式输送机落料口堆煤检测方法，利用工业相机采集落料口图像，通过以太网传输给堆煤检测器，堆煤检测器利用堆煤检测算法对图像进行处理与分析，实现堆煤检测，并通过以太网将检测结果传输给上位机。改进了ShuffleNetV2网络模型，用空洞卷积替代模型中的标准卷积，在不增加计算量的前提下增大感受野，在基本单元中增加了高效通道注意力模块ECA，提高特征提取能力。提出了改进ShuffleNetV2网络模型的堆煤检测算法，利用暗通道的图像去雾增强算法对采集的图像进行去雾和增强处理，构建了落料口图像数据集，利用该数据集训练改进ShuffleNetV2网络模型，再利用训练好的网络模型进行堆煤检测。采用Cortex-A57架构4核JetsonNano开发板设计了堆煤检测器的硬件和软件。研究结果表明：该方法能够实现带式输送机落料口堆煤的实时检测，准确率达到98.34%，图像处理速度为23帧/s。
- 单位
