科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决传统的传送带托辊异常检测方法效率低、实时性差等问题，提出一种基于红外图像识别的托辊异常检测模型。通过现场采集并使用标签平滑和Mosaic数据增强处理对托辊红外图像数据集进行扩充，降低模型的训练成本。在特征提取模块提出使用GhostNet骨干特征提取网络，能够有效地降低特征提取所需成本。在特征融合模块，提出使用SPP-Net模块优化PaNet特征融合网络，增加模型的感受野。通过深度可分离卷积块简化模型结构，降低模型的计算量和参数量，并通过LeakyReLU激活函数提高模型的学习能力。试验结果表明：该检测模型能够有效识别托辊异常。在实际检测中，该方法在托辊检测中平均准确率达到94.9%，检测速度达到39.2 FPS，为矿山传送带托辊的准确高效巡检提供了保障。
- 出版日期2023
- 单位西安建筑科技大学
