检索结果-南通市图书馆

煤炭科学技术 2024年

作者：毛清华郭文瑾苏毅楠司马俊雷薛旭升西安科技大学机械工程学院陕西省矿山机电装备智能检测与控制重点实验室

针对目前煤矿刮板输送机链条多故障识别中的主要问题，提出一种基于改进RT-DETR(Real-TimeDEtectionTRansformer)的煤矿刮板输送机链条故障智能识别方法。该方法在数据集构建时，运用基于HSV三通道的图像预处理方法对煤矿刮板输送机链... 详细信息

针对目前煤矿刮板输送机链条多故障识别中的主要问题，提出一种基于改进RT-DETR(Real-TimeDEtectionTRansformer)的煤矿刮板输送机链条故障智能识别方法。该方法在数据集构建时，运用基于HSV三通道的图像预处理方法对煤矿刮板输送机链条图像进行数据降噪与增强处理，提升图像质量。在改进的RT-DETR算法中，通过采用mobilenetv4作为主干特征网络，提升主干网络特征提取效率；通过将混合编码器中的普通卷积替换为效果更佳的Ghost卷积，降低算法参数量，提升识别速度；通过运用CSPStage特征融合模块和Inner-GIoU损失函数，增强特征利用和融合的能力，提高识别准确率。为了验证算法改进模块的效果，通过消融实验结果表明：改进RT-DETR算法与原RT-DETR算法相比，识别准确度提升1.6%，FPS值提升15.5帧/s，模型大小降低36%，参数量减少35.9%。运用本文改进RT-DETR算法与YOLOv8m-ghost、YOLOv8m-RT-DETR和YOLOv10s算法进行多故障识别对比实验，通过对比实验结果表明：改进RT-DETR识别算法在各指标上均效果最优，能够实现刮板输送机链条断链故障和磨损故障的高效准确识别，识别准确率达到97.6%，FPS值达到67.2帧/s，能够在空载和未满载状态下，满足煤矿刮板输送机链条故障在线高效准确识别的需求。

关键词：煤矿刮板输送机链条故障 RT-DETR 智能识别 mobilenetv4 HSV三通道

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：