基于深度学习的输送带缺陷检测关键技术研究

作     者：宋震 

作者单位：齐鲁工业大学 

学位级别：硕士

导师姓名：王纪强

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：皮带撕裂 光学三角测量 超分辨率重建 注意力机制 目标检测网络 

摘      要：物料运输是矿山开采、煤矿转运、电厂燃料输送等领域的一个重要环节,皮带输送机作为一种连续运输机械,以其连续运行、运输能力大、耗电量低、运行平稳、易于自动控制等优点被广泛应用于矿山运输等领域。输送带成本一般占整机成本的45%之多,随着皮带运输机朝着大规模、高速度、大倾角、长距离的方向发展,其维修和保养成本也随之增加。输送带的纵向撕裂是一种破坏性很大的损伤形式,其虽是一种偶发性的损伤,但破坏性强,若不能及时控制,便会造成价值数十万甚至数百万的输送带在几分钟内严重损毁,进而引起停工停产,而脱落的输送带还会使工人卷入,威胁操作人员的生命安全。因此对输送带的缺陷尤其是纵向撕裂检测进行研究,对保障企业正常生产,维护工人生命安全具有十分重要的意义。本文针对现场所遇到的问题,主要研究内容包含以下几个方面: (1)针对现场安装环境复杂,纵深距离及角度难以确定、空气颗粒水渍影响信息采集以及壳体易腐蚀等问题,通过激光器、相机镜头与待测皮带形成的三角形,利用光学三角测量以及三角形边角关系,确定出了最佳入射角以及最佳纵深距离,并推算出系统可检测的最小缺陷以及输送带最大运行速度。其次根据现场参数的计算确定了硬件的最低要求,实现硬件的精确选型。另外设计了玻璃圆筒与毛刷相结合的除尘方式,避免了其他方式阻挡数据采集的缺陷,与算法相结合进一步提升除尘效果。 (2)针对粉尘水渍等污染相机采集窗,导致图像特征缺失和模糊的问题。研究了生成对抗网络的生成逻辑与判别机理,提出一种双分支注意力残差密集生成网络。将模型中冗余批归一化层去除、采用深度可分离卷积,实现多尺度特征的自适应提取。其次使用密集连接,将浅层特征与多层级特征融合。最后将纹理损失融入联合损失函数中,优化感知损失,保证重建图像中激光轮廓线的结构相似度并减少了伪影。分别在Set5、Set14以及自建皮带数据集上验证,实验表明该方法在提高图像分辨率的同时,保证了结构相似度,并使检测精度提升了8%。 (3)针对输送带缺陷种类繁多、缺陷特征像素占比小以及传统算法检测精度低的问题,首先采用随机因子对图片进行仿射变换,扩充样本数据集。其次研究了各通道间的关联关系,分析各通道贡献值对模型特征提取的影响,提出了一种通道关联加权注意力机制,利用通道关联卷积以及全连接模块对通道间关联度及贡献值计算,提升相关通道的采样力度以及模型检测精度。分析了上采样及卷积块对输出特征图的影响,对特征金字塔顶层特征继续上采样和特征融合,提高算法对小目标的特征提取及缺陷检测能力。在皮带缺陷数据集上测试,结果表明,改进算法模型精准度可达99.7%,召回率提升至99.5%,平均精度均值达到99.5%。