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
基于特征增强与Transformer的煤矿输送带异物检测
被引量：
4
1
作者
高涵
赵培培
+3 位作者
于正
肖涛
李肖利
李良先
《煤炭科学技术》
EI
CAS
CSCD
北大核心
2024年第7期199-208,共10页
输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能...
输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能力弱、弱语义特征提取能力差等问题,设计了一种基于低层级特征增强与Transformer机制的异物检测算法(Feature Enhancement and Transformer YOLO,FET–YOLO)。首先,针对现有检测网络难以提取细长物体特征的问题,引入可变形卷积以提升网络对细长异物的形状特性的适应性,并使用MobileViT模块增加图像中异物与背景的区分度,以提取出更符合细长异物的多样性特征,削弱背景噪声的干扰;其次,构建低层级特征增强模块(Low-Level Feature Enhancement Module,LFEM),提升异物弱语义特征在检测网络中的表达能力,以降低漏检、错检的概率;最后,引入鬼影混洗卷积(GSConv)减少因特征图尺寸变化造成的信息丢失,保证网络高效提取特征的同时,减少模型参数量。利用煤矿井下输送带工作视频制作训练集和验证集,并将提出的算法与现有的3种输送带检测算法对比,实验结果表明:所提出的算法可以更好的解决输送带异物目标检测中细长物体检测效果差、弱语义特征提取困难的问题,具有更高的检测精度、同时符合输送带检测场景对检测实时性的要求,对于分辨率大小为640×640的图像mAP@0.5可达0.875,mAP@0.5:0.95可达0.543,检测速度为75 fps。
展开更多
关键词
异物检测
YOLOv7-tiny
鬼影混洗卷积
输送带
深度学习
在线阅读
下载PDF
职称材料
基于DRCA-GCN的矿工动作识别模型
被引量：
2
2
作者
李善华
肖涛
+3 位作者
李肖利
杨发展
姚勇
赵培培
《工矿自动化》
CSCD
北大核心
2023年第4期99-105,112,共8页
井下“三违”行为给煤矿生产带来严重安全隐患,提前感知并预防井下工作人员的不安全动作具有重要意义。针对因煤矿监控视频质量不佳导致基于图像的动作识别方法准确率受限的问题,构建了基于密集残差和组合注意力的图卷积网络(DRCA-GCN)...
井下“三违”行为给煤矿生产带来严重安全隐患,提前感知并预防井下工作人员的不安全动作具有重要意义。针对因煤矿监控视频质量不佳导致基于图像的动作识别方法准确率受限的问题,构建了基于密集残差和组合注意力的图卷积网络(DRCA-GCN),提出了基于DRCA-GCN的矿工动作识别模型。首先利用人体姿态识别模型OpenPose提取人体关键点,并对缺失关键点进行补偿,以降低因视频质量不佳造成关键点缺失的影响,然后利用DRCA-GCN识别矿工动作。DRCA-GCN在时空初始图卷积网络(STIGCN)基础上引入组合注意力机制和密集残差网络:通过组合注意力机制提升模型中每个网络层对重要时间序列、空间关键点和通道特征的提取能力;通过密集残差网络对提取的动作特征进行信息补偿,加强各网络间的特征传递,进一步提升模型对矿工动作特征的识别能力。实验结果表明:(1)在公共数据集NTU-RGB+D120上,以Cross-Subject(X-Sub)和CrossSetup(X-Set)作为评估协议时,DRCA-GCN的识别精度分别为83.0%和85.1%,相比于STIGCN均提高了1.1%,且高于其他主流动作识别模型;通过消融实验验证了组合注意力机制和密集残差网络的有效性。(2)在自建矿井人员动作(MPA)数据集上,进行缺失关键点补偿后,DRCA-GCN对下蹲、站立、跨越、横躺和坐5种动作的平均识别准确率由94.2%提升到96.7%;DRCA-GCN对每种动作的识别准确率均在94.2%以上,与STIGCN相比,平均识别准确率提升了6.5%,且对相似动作不易误识别。
展开更多
关键词
矿工动作识别
不安全动作识别
图卷积网络
组合注意力机制
密集残差网络
人体姿态提取
缺失关键点补偿
在线阅读
下载PDF
职称材料
题名
基于特征增强与Transformer的煤矿输送带异物检测
被引量：
4
1
作者
高涵
赵培培
于正
肖涛
李肖利
李良先
机构
中国矿业大学
信息
与控制工程学院
常州海图信息科技股份有限公司
焦作煤业(集团)新乡能源
有限公司
赵固二矿
出处
《煤炭科学技术》
EI
CAS
CSCD
北大核心
2024年第7期199-208,共10页
基金
国家重点研发计划资助项目(2022YFC3004700)。
文摘
输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能力弱、弱语义特征提取能力差等问题,设计了一种基于低层级特征增强与Transformer机制的异物检测算法(Feature Enhancement and Transformer YOLO,FET–YOLO)。首先,针对现有检测网络难以提取细长物体特征的问题,引入可变形卷积以提升网络对细长异物的形状特性的适应性,并使用MobileViT模块增加图像中异物与背景的区分度,以提取出更符合细长异物的多样性特征,削弱背景噪声的干扰;其次,构建低层级特征增强模块(Low-Level Feature Enhancement Module,LFEM),提升异物弱语义特征在检测网络中的表达能力,以降低漏检、错检的概率;最后,引入鬼影混洗卷积(GSConv)减少因特征图尺寸变化造成的信息丢失,保证网络高效提取特征的同时,减少模型参数量。利用煤矿井下输送带工作视频制作训练集和验证集,并将提出的算法与现有的3种输送带检测算法对比,实验结果表明:所提出的算法可以更好的解决输送带异物目标检测中细长物体检测效果差、弱语义特征提取困难的问题,具有更高的检测精度、同时符合输送带检测场景对检测实时性的要求,对于分辨率大小为640×640的图像mAP@0.5可达0.875,mAP@0.5:0.95可达0.543,检测速度为75 fps。
关键词
异物检测
YOLOv7-tiny
鬼影混洗卷积
输送带
深度学习
Keywords
foreign object detection
YOLOv7-tiny
ghost convolution
conveyor belt
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于DRCA-GCN的矿工动作识别模型
被引量：
2
2
作者
李善华
肖涛
李肖利
杨发展
姚勇
赵培培
机构
中国矿业大学
信息
与控制工程学院
常州海图信息科技股份有限公司
出处
《工矿自动化》
CSCD
北大核心
2023年第4期99-105,112,共8页
基金
国家重点研发计划项目(2022YFC3004703,2018YFC0808302)。
文摘
井下“三违”行为给煤矿生产带来严重安全隐患,提前感知并预防井下工作人员的不安全动作具有重要意义。针对因煤矿监控视频质量不佳导致基于图像的动作识别方法准确率受限的问题,构建了基于密集残差和组合注意力的图卷积网络(DRCA-GCN),提出了基于DRCA-GCN的矿工动作识别模型。首先利用人体姿态识别模型OpenPose提取人体关键点,并对缺失关键点进行补偿,以降低因视频质量不佳造成关键点缺失的影响,然后利用DRCA-GCN识别矿工动作。DRCA-GCN在时空初始图卷积网络(STIGCN)基础上引入组合注意力机制和密集残差网络:通过组合注意力机制提升模型中每个网络层对重要时间序列、空间关键点和通道特征的提取能力;通过密集残差网络对提取的动作特征进行信息补偿,加强各网络间的特征传递,进一步提升模型对矿工动作特征的识别能力。实验结果表明:(1)在公共数据集NTU-RGB+D120上,以Cross-Subject(X-Sub)和CrossSetup(X-Set)作为评估协议时,DRCA-GCN的识别精度分别为83.0%和85.1%,相比于STIGCN均提高了1.1%,且高于其他主流动作识别模型;通过消融实验验证了组合注意力机制和密集残差网络的有效性。(2)在自建矿井人员动作(MPA)数据集上,进行缺失关键点补偿后,DRCA-GCN对下蹲、站立、跨越、横躺和坐5种动作的平均识别准确率由94.2%提升到96.7%;DRCA-GCN对每种动作的识别准确率均在94.2%以上,与STIGCN相比,平均识别准确率提升了6.5%,且对相似动作不易误识别。
关键词
矿工动作识别
不安全动作识别
图卷积网络
组合注意力机制
密集残差网络
人体姿态提取
缺失关键点补偿
Keywords
miner action recognition
recognition of unsafe action
graph convolutional network
combination attention mechanism
dense residual network
human pose extraction
compensation for missing key points
分类号
TD67 [矿业工程—矿山机电]
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
基于特征增强与Transformer的煤矿输送带异物检测
高涵
赵培培
于正
肖涛
李肖利
李良先
《煤炭科学技术》
EI
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于DRCA-GCN的矿工动作识别模型
李善华
肖涛
李肖利
杨发展
姚勇
赵培培
《工矿自动化》
CSCD
北大核心
2023
2
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
