基于深度学习的刮板输送机异物检测方法研究

作     者：廖志伟 高龙 曹军 李晓围 LIAO Zhiwei;GAO Long;CAO Jun;LI Xiaowei

作者机构：国能神东煤炭集团有限责任公司布尔台煤矿内蒙古自治区鄂尔多斯市017000 鄂尔多斯市应急管理局内蒙古自治区鄂尔多斯市017000 

出 版 物：《中国煤炭》 (China Coal)

年 卷 期：2024年第50卷第8期

页      面：165-170页

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

主　　题：刮板输送机 异物检测 深度学习 机器视觉 

摘      要：刮板输送机在实际运行过程中会混入锚杆、托盘等金属异物,针对传统图像识别方法处理效率低、检测实时性无法适用于运动中的异物检测等问题,研究了基于深度学习技术的刮板输送机异物检测方法,同时对检测算法进行了研究。首先进行异物入侵区域划定和图像预处理,之后使用YOLOv4模型搭建异物目标检测模型,最后在现场采集大量图像样本用于标定和模型训练。测试结果表明,在煤矿井下复杂环境中,该刮板输送机异物检测方法可以对刮板输送机中锚杆和托盘等异物进行精确识别并发出报警。刮板输送机异物入侵检测方法通过扩展数据集可以帮助作业人员及时发现入侵刮板输送机中的多种异物,减少运输过程中刮板输送机、破碎机以及带式输送机损坏的风险。