矿石块度视觉识别判断方法 | |
何文轩1; 胡健2; 柳小波3; 荆洪迪1; 孙效玉1 | |
刊名 | 中国矿业 |
2021 | |
卷号 | 30期号:6页码:100-105 |
关键词 | 矿石块度 传送带 深度学习 视觉识别 |
ISSN号 | 1004-4051 |
其他题名 | Visual recognition and judgment method of ore fragmentation |
产权排序 | 3 |
英文摘要 | 针对传送带矿石块度还需要人工测量的问题,提出了一种基于深度学习的矿石块度检测方法。该方法在Darknet框架下采用残差神经网络结构组成CSPDarkNet21主干特征提取网络,在考虑只需要识别判断大块矿石的条件下选用简单双向特征融合PANet作为特征提取网络并将PANet由三个特征层简化为一个特征层,加快了模型训练及预测的速度,同时使用CIOU对loss值进行计算使训练更加稳定。在对矿石识别完成后,利用矿石块度判断结构对预测框像素面积进行计算得到矿石的真实尺寸。在最终测试中,在将图像经过灰度化、中值滤波处理后进行测试。结果表明,相比于单独UNet图像分割算法对矿石块度进行判断,IOR方法在降低6个百分点精确率的情况下减少2.7倍模型训练时间以及提升9.07倍模型运行效率,是一种能够快速训练及预测矿石块度的方法,非常适用于传送带等需要快速识别判断的现场环境使用,同时降低了边云端计算的设备及训练成本。 |
语种 | 中文 |
资助机构 | 国家自然科学基金研究基金资助(编号:51674063) ; 中央高校基础研究经费资助(编号:170104017) ; 中央高校基础研究经费资助(编号:180701003) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/29046] |
专题 | 沈阳自动化研究所_数字工厂研究室 |
通讯作者 | 荆洪迪 |
作者单位 | 1.东北大学智慧矿山研究中心 2.鞍钢集团关宝山矿业有限公司 3.中国科学院沈阳自动化研究所数字工厂研究室 |
推荐引用方式 GB/T 7714 | 何文轩,胡健,柳小波,等. 矿石块度视觉识别判断方法[J]. 中国矿业,2021,30(6):100-105. |
APA | 何文轩,胡健,柳小波,荆洪迪,&孙效玉.(2021).矿石块度视觉识别判断方法.中国矿业,30(6),100-105. |
MLA | 何文轩,et al."矿石块度视觉识别判断方法".中国矿业 30.6(2021):100-105. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论