基于机器视觉的异物识别系统在输送机保护中的应用

TD679; 设计了一种基于机器视觉的异物识别系统,并应用于主运输带式输送机的保护中.使用YOLOv5s作为深度学习模型,将训练完成的模型部署至边缘计算模块中;由工业级本安相机获取实时视频,并传入边缘计算模块中对煤流中的异物进行识别,最终只对外传输识别结果;当检测到的异物危险等级较高时会向协同控制器发送报警信号,由协同控制器对具体的单机控制器下发停机指令;同时将处理后的实时视频和报警信息上传至管控平台显示.基于机器视觉的异物识别提高了当前主运输带式输送机保护的智能性,稳定性和可靠性....

Full description

Saved in:
Bibliographic Details
Published in煤矿安全 Vol. 55; no. 5; pp. 251 - 256
Main Author 于志强
Format Journal Article
LanguageChinese
Published 中煤科工集团常州研究院有限公司,江苏 常州 213003 2024
天地(常州)自动化股份有限公司,江苏 常州 213003
Subjects
deep learning
异物识别
机器视觉
边缘计算
edge computing
深度学习
foreign object identification
带式输送机保护
belt conveyor protection
machine vision
Online AccessGet full text
ISSN1003-496X
DOI10.13347/j.cnki.mkaq.20231389

Cover

More Information
Summary:TD679; 设计了一种基于机器视觉的异物识别系统,并应用于主运输带式输送机的保护中.使用YOLOv5s作为深度学习模型,将训练完成的模型部署至边缘计算模块中;由工业级本安相机获取实时视频,并传入边缘计算模块中对煤流中的异物进行识别,最终只对外传输识别结果;当检测到的异物危险等级较高时会向协同控制器发送报警信号,由协同控制器对具体的单机控制器下发停机指令;同时将处理后的实时视频和报警信息上传至管控平台显示.基于机器视觉的异物识别提高了当前主运输带式输送机保护的智能性,稳定性和可靠性.
ISSN:1003-496X
DOI:10.13347/j.cnki.mkaq.20231389