基于红外图像的矿石传送带托辊异常检测

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.

关键词：机器视觉、红外图像识别、深度学习网络、网络结构优化、托辊检测、异常检测

所属期刊栏目：31

分类号：X986

资助基金：国家自然科学基金;陕西省自然科学基金

在线出版日期：2023-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：123-132