科研之友
微信
新浪微博
Facebook
分享链接
摘要
钢丝绳在煤矿设备中发挥着非常重要的作用。为了能够及早发现钢丝绳损伤，提前进行预警和故障处理，保护矿下人员安全，提出了一种基于深度学习的钢丝绳损伤识别检测方法，采用目标检测算法YOLOv5并对其进行改进。采用快速自适应加权中值滤波进行图像预处理，提高钢丝绳损伤图像识别精度，改进后运行速度提升到187 ms/张，且增强效果良好；将CBAM模块和Transformer prediction heads(TPH)集成到YOLOv5，数据集扩充后输入到改进的模型中进行训练测试。实验结果表明，改进后的模型检测性能良好，最终平均准确率达到了0.893，比原算法高了0.037，比传统检测算法SSD、Faster R-CNN以及原始YOLOv3分别高0.196、0.162、0.102，表明该算法精度较高，有效提高了钢丝绳损伤图像的识别准确率。
- 出版日期2023
- 单位中国矿业大学（北京）
