基于一维双重注意力网络的输送带纵向撕裂检测算法

TD67%TP751; 针对传统的基于机器视觉的带式输送机输送带撕裂检测算法需要高算力、高功耗AI模组,本安电源无法满足其用电需求的问题,提出一种基于一维双重注意力网络(DANet-1D)的输送带纵向撕裂检测算法.通过工业相机采集输送带表面线激光形成的图像;设计激光条纹特征滤波器,提取条纹特征;设计基于一维双重注意力网络的撕裂检测算法,将撕裂的二维图像数据降维,在一维空间进行神经网络检测,运行速度更快且支持高分辨率图像;研制本安型输送带撕裂检测装置,并进行验证.结果表明:该算法的准确率P为92.54%,召回率R为 91.78%,每帧平均检测时间为 12.40 ms.工业性试验成功检测出输送带模...

Full description

Saved in:
Bibliographic Details
Published in矿业安全与环保 Vol. 51; no. 5; pp. 89 - 104
Main Authors 向兆军, 游磊, 罗明华
Format Journal Article
LanguageChinese
Published 煤矿灾害防控全国重点实验室,重庆 400037 01.10.2024
中煤科工集团重庆研究院有限公司,重庆 400039%中煤科工集团重庆研究院有限公司,重庆 400039
Subjects
conveyor
线激光
line laser
DANet-1D
一维双重注意力网络
深度学习
纵向撕裂
longitudinal tear
machine vision
deep learning
机器视觉
输送带
带式输送机
belt conveyor
Online AccessGet full text
ISSN1008-4495
DOI10.19835/j.issn.1008-4495.20240592

Cover

More Information
Summary:TD67%TP751; 针对传统的基于机器视觉的带式输送机输送带撕裂检测算法需要高算力、高功耗AI模组,本安电源无法满足其用电需求的问题,提出一种基于一维双重注意力网络(DANet-1D)的输送带纵向撕裂检测算法.通过工业相机采集输送带表面线激光形成的图像;设计激光条纹特征滤波器,提取条纹特征;设计基于一维双重注意力网络的撕裂检测算法,将撕裂的二维图像数据降维,在一维空间进行神经网络检测,运行速度更快且支持高分辨率图像;研制本安型输送带撕裂检测装置,并进行验证.结果表明:该算法的准确率P为92.54%,召回率R为 91.78%,每帧平均检测时间为 12.40 ms.工业性试验成功检测出输送带模拟撕裂,为输送带纵向撕裂提供了一种新的检测方案.
ISSN:1008-4495
DOI:10.19835/j.issn.1008-4495.20240592