期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度卷积特征的露天矿卡车装载状况识别技术研究
1
作者
阮顺领
景莹
+2 位作者
卢才武
顾清华
张雪飞
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第10期167-176,共10页
针对露天矿车辆运输过程中运载量管控受人为及环境等因素干扰较大,存在轻车跑票和人为套票等不利于生产管理的问题,提出了一种基于深度卷积特征的车辆装载状况识别方法。该方法通过构建试验数据集和对卷积神经网络AlexNet模型迁移学习,...
针对露天矿车辆运输过程中运载量管控受人为及环境等因素干扰较大,存在轻车跑票和人为套票等不利于生产管理的问题,提出了一种基于深度卷积特征的车辆装载状况识别方法。该方法通过构建试验数据集和对卷积神经网络AlexNet模型迁移学习,完成对露天矿卡车装载状况图像深度卷积特征的提取,并基于支持向量机多分类模型,实现对卡车装载状况的自动识别,在此基础上统计露天矿车队运载工作量。试验过程中,基于同一组试验数据集分别对GoogLeNet、ResNet、SqueezeNet、DenseNet模型进行迁移学习,提取卡车装载状况图像深度卷积特征,并使用同一支持向量机多分类模型对卡车装载状况进行自动识别。结果表明,在空间资源和时间资源约束下,迁移学习后的AlexNet模型在5种卷积神经网络中总体性能表现最佳,用其提取的图像深度卷积特征在卡车装载状态识别中准确率最高。相比于传统的人工设计图像特征,该方法能够更好地完成露天矿卡车装载状况自动识别任务,试验数据集的识别准确率达到97%以上,在此基础上对露天矿车队运载工作量进行统计,可有效鉴别露天矿卡车的实际装载状况,提高露天矿卡车运载的吨公里生产效率,有效解决露天矿山车辆运载工作量的管控问题。
展开更多
关键词
露天矿卡车
装载状况
深度卷积特征
图像识别
深度学习
在线阅读
下载PDF
职称材料
基于边缘计算的砂砾粒径测量系统
2
作者
张英范
李云阳
+4 位作者
赵仁浩
赵云杰
祁海燕
张俊梅
闫磊
《林业工程学报》
CSCD
北大核心
2023年第2期144-150,共7页
砂砾的浓度是评价沙尘暴等风沙气象危害程度的重要因素,而沙尘浓度是砂砾的外在表现,客观精确地测量砂砾的粒度分布对于风沙流动研究和荒漠化防治有重要意义。以砂砾的粒度分布作为研究对象,搭建基于边缘计算的砂砾粒径测量系统。感知层...
砂砾的浓度是评价沙尘暴等风沙气象危害程度的重要因素,而沙尘浓度是砂砾的外在表现,客观精确地测量砂砾的粒度分布对于风沙流动研究和荒漠化防治有重要意义。以砂砾的粒度分布作为研究对象,搭建基于边缘计算的砂砾粒径测量系统。感知层中,砂砾经振动平台均匀落入暗室,线阵相机采集的图像经数据层读取,在全局阈值分割、形态学处理后获取砂砾目标,使用连通域标记、最小外接圆、最小外接矩形算法测量直径;边缘部署基于PyQt5开发的上位机软件,融入粒径检测算法,提高算法执行效率。采用(3.000±0.005)mm标准规格钢珠,针对3种算法开展砂砾粒径测量系统精度评价实验分析。实验结果表明,连通域标记法在精度、速度表现最好,测量平均误差为0.070 mm,最大误差为0.151 mm。最后,对3种不同规格砂砾开展粒径分布测试实验,粒径识别准确率在95.5%以上,边缘计算设备对分辨率为3 993×4 096图片的计算时间分布在46.1~50.7 ms。研究证明,本系统具有较高的检测精度和检测效率,可以满足科研观测等现场实验的基本要求,具有良好的应用价值。
展开更多
关键词
边缘计算
机器视觉
砂砾
粒径测量
实时检测
在线阅读
下载PDF
职称材料
题名
基于深度卷积特征的露天矿卡车装载状况识别技术研究
1
作者
阮顺领
景莹
卢才武
顾清华
张雪飞
机构
西安建筑科技大学资源工程学院
西安建筑科技大学管理学院
内蒙古广纳煤业集团
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第10期167-176,共10页
基金
国家自然科学基金面上基金资助项目(51774228)
陕西省自然科学基础研究计划资助项目(2019JM-492)。
文摘
针对露天矿车辆运输过程中运载量管控受人为及环境等因素干扰较大,存在轻车跑票和人为套票等不利于生产管理的问题,提出了一种基于深度卷积特征的车辆装载状况识别方法。该方法通过构建试验数据集和对卷积神经网络AlexNet模型迁移学习,完成对露天矿卡车装载状况图像深度卷积特征的提取,并基于支持向量机多分类模型,实现对卡车装载状况的自动识别,在此基础上统计露天矿车队运载工作量。试验过程中,基于同一组试验数据集分别对GoogLeNet、ResNet、SqueezeNet、DenseNet模型进行迁移学习,提取卡车装载状况图像深度卷积特征,并使用同一支持向量机多分类模型对卡车装载状况进行自动识别。结果表明,在空间资源和时间资源约束下,迁移学习后的AlexNet模型在5种卷积神经网络中总体性能表现最佳,用其提取的图像深度卷积特征在卡车装载状态识别中准确率最高。相比于传统的人工设计图像特征,该方法能够更好地完成露天矿卡车装载状况自动识别任务,试验数据集的识别准确率达到97%以上,在此基础上对露天矿车队运载工作量进行统计,可有效鉴别露天矿卡车的实际装载状况,提高露天矿卡车运载的吨公里生产效率,有效解决露天矿山车辆运载工作量的管控问题。
关键词
露天矿卡车
装载状况
深度卷积特征
图像识别
深度学习
Keywords
open-pit mine truck
loading condition
deep convolutional features
image recognition
deep learning
分类号
TD57 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
基于边缘计算的砂砾粒径测量系统
2
作者
张英范
李云阳
赵仁浩
赵云杰
祁海燕
张俊梅
闫磊
机构
北京林业大学工学院
北京林业大学水土保持学院
内蒙古
广纳
煤业
(
集团
)有限责任公司
出处
《林业工程学报》
CSCD
北大核心
2023年第2期144-150,共7页
基金
内蒙古自治区科技重大专项(2020ZD0021)。
文摘
砂砾的浓度是评价沙尘暴等风沙气象危害程度的重要因素,而沙尘浓度是砂砾的外在表现,客观精确地测量砂砾的粒度分布对于风沙流动研究和荒漠化防治有重要意义。以砂砾的粒度分布作为研究对象,搭建基于边缘计算的砂砾粒径测量系统。感知层中,砂砾经振动平台均匀落入暗室,线阵相机采集的图像经数据层读取,在全局阈值分割、形态学处理后获取砂砾目标,使用连通域标记、最小外接圆、最小外接矩形算法测量直径;边缘部署基于PyQt5开发的上位机软件,融入粒径检测算法,提高算法执行效率。采用(3.000±0.005)mm标准规格钢珠,针对3种算法开展砂砾粒径测量系统精度评价实验分析。实验结果表明,连通域标记法在精度、速度表现最好,测量平均误差为0.070 mm,最大误差为0.151 mm。最后,对3种不同规格砂砾开展粒径分布测试实验,粒径识别准确率在95.5%以上,边缘计算设备对分辨率为3 993×4 096图片的计算时间分布在46.1~50.7 ms。研究证明,本系统具有较高的检测精度和检测效率,可以满足科研观测等现场实验的基本要求,具有良好的应用价值。
关键词
边缘计算
机器视觉
砂砾
粒径测量
实时检测
Keywords
edge computing
machine vision
gravel
particle size measurement
real-time detection
分类号
TP23 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度卷积特征的露天矿卡车装载状况识别技术研究
阮顺领
景莹
卢才武
顾清华
张雪飞
《煤炭科学技术》
CAS
CSCD
北大核心
2021
0
在线阅读
下载PDF
职称材料
2
基于边缘计算的砂砾粒径测量系统
张英范
李云阳
赵仁浩
赵云杰
祁海燕
张俊梅
闫磊
《林业工程学报》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
