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
3
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
基于机器视觉的输送带撕裂检测方法
被引量:
3
1
作者
孔祥俊
汪君娜
+6 位作者
亓玉浩
李玉霞
张代祥
杜明超
李明霞
孙传彬
张坤
《煤矿机械》
2024年第1期156-159,共4页
为保证带式输送机安全运行,及时发现输送带撕裂情况并进行处理,降低输送带撕裂带来的损失。通过对输送带撕裂特点进行研究,提出并验证了一种基于激光线条的输送带机器视觉撕裂检测方法,并搭建了输送带撕裂检测实验平台。在此平台上进行...
为保证带式输送机安全运行,及时发现输送带撕裂情况并进行处理,降低输送带撕裂带来的损失。通过对输送带撕裂特点进行研究,提出并验证了一种基于激光线条的输送带机器视觉撕裂检测方法,并搭建了输送带撕裂检测实验平台。在此平台上进行了输送带撕裂检测实验。根据得到的图像数据信息,该输送带撕裂检测系统可以达到预期的功能和效果,实现检测的准确性和实时性。
展开更多
关键词
输送带
激光线条
机器视觉
撕裂检测
在线阅读
下载PDF
职称材料
基于改进YOLO v4的煤矸石识别检测技术研究
被引量:
5
2
作者
崔斌
陈林
+8 位作者
亓玉浩
张坤
赵得福
黄梁松
李明霞
孔祥俊
杜明超
蒋祥卿
刘源
《煤炭工程》
北大核心
2023年第12期161-166,共6页
为提高煤矸石分拣的精度和可靠性,提出了一种基于改进YOLO v4的煤矸石识别网络,引入了Focal损失函数,使用K-means++聚类算法优化初始锚定框,将PANet中的五次卷积操作替换为CSP结构,同时引入空洞卷积的金字塔结构,降低模型参数,实现模型...
为提高煤矸石分拣的精度和可靠性,提出了一种基于改进YOLO v4的煤矸石识别网络,引入了Focal损失函数,使用K-means++聚类算法优化初始锚定框,将PANet中的五次卷积操作替换为CSP结构,同时引入空洞卷积的金字塔结构,降低模型参数,实现模型的轻量化,增加了一条跨连接边构成BiFPN结构,提高对中等目标的检测能力,得到My-YOLO v4目标检测模型。本研究对所提出的My-YOLO v4识别检测方法与SSD、YOLO v3、YOLO v4三种检测方法进行实验对比分析。实验结果表明,该检测算法在测试集上检测煤与煤矸石混合的mAP值为98.14%,FPS为28.3 f/s,相较于SSD、YOLO v3检测算法识别精度分别提高了5.41%、2.87%,相较于YOLO v4目标检测模型识别速度提高了7.7 f/s,通过对比分析实验数据验证了My-YOLO v4目标检测模型整体性能的有效提高。
展开更多
关键词
煤矸识别
深度学习
目标检测
带式输送系统
My-YOLO
v4
在线阅读
下载PDF
职称材料
基于混合ZS法-质心法的矿用输送带撕裂判别方法
3
作者
张龙
汪君娜
+7 位作者
亓玉浩
李玉霞
张代祥
杜明超
李明霞
张鹏
孙传彬
张坤
《煤炭加工与综合利用》
CAS
2023年第7期8-12,共5页
根据输送带发生撕裂时的特点,提出了基于混合ZS法-质心法的激光线条中心线提取方法,根据激光线条中心线在输送带撕裂部位呈现的特点,结合集成学习中投票器思想,完成输送带撕裂判别算法;通过现场采集的橡胶输送带激光线条图像集对撕裂判...
根据输送带发生撕裂时的特点,提出了基于混合ZS法-质心法的激光线条中心线提取方法,根据激光线条中心线在输送带撕裂部位呈现的特点,结合集成学习中投票器思想,完成输送带撕裂判别算法;通过现场采集的橡胶输送带激光线条图像集对撕裂判别算法进行实验效果验证。研究结果表明:基于混合ZS法-质心法的激光线条中心线提取方相比其他方法标准误差更低,对输送带撕裂判别的正确率达到0.89。
展开更多
关键词
ZS法
带式输送机
机器视觉
撕裂检测
在线阅读
下载PDF
职称材料
题名
基于机器视觉的输送带撕裂检测方法
被引量:
3
1
作者
孔祥俊
汪君娜
亓玉浩
李玉霞
张代祥
杜明超
李明霞
孙传彬
张坤
机构
青海省能源发展(集团)
有限公司
山东
科技
大学山东省机器人与智能技术重点实验室
山东能源集团
有限公司
设备管理中心
欧普瑞泰环境科技有限公司
出处
《煤矿机械》
2024年第1期156-159,共4页
基金
山东省重大科技创新工程(深地资源勘查开采)资助项目(2019SDZY04)。
文摘
为保证带式输送机安全运行,及时发现输送带撕裂情况并进行处理,降低输送带撕裂带来的损失。通过对输送带撕裂特点进行研究,提出并验证了一种基于激光线条的输送带机器视觉撕裂检测方法,并搭建了输送带撕裂检测实验平台。在此平台上进行了输送带撕裂检测实验。根据得到的图像数据信息,该输送带撕裂检测系统可以达到预期的功能和效果,实现检测的准确性和实时性。
关键词
输送带
激光线条
机器视觉
撕裂检测
Keywords
conveyor belt
laser line
machine vision
tear detection
分类号
TD528.1 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
基于改进YOLO v4的煤矸石识别检测技术研究
被引量:
5
2
作者
崔斌
陈林
亓玉浩
张坤
赵得福
黄梁松
李明霞
孔祥俊
杜明超
蒋祥卿
刘源
机构
山东
科技
大学山东省机器人与智能技术重点实验室
欧普瑞泰环境科技有限公司
青岛华夏橡胶工业
有限公司
北斗天地股份
有限公司
青海能源发展(集团)
有限公司
出处
《煤炭工程》
北大核心
2023年第12期161-166,共6页
基金
山东省重大科技创新工程项目(2019SDZY04)。
文摘
为提高煤矸石分拣的精度和可靠性,提出了一种基于改进YOLO v4的煤矸石识别网络,引入了Focal损失函数,使用K-means++聚类算法优化初始锚定框,将PANet中的五次卷积操作替换为CSP结构,同时引入空洞卷积的金字塔结构,降低模型参数,实现模型的轻量化,增加了一条跨连接边构成BiFPN结构,提高对中等目标的检测能力,得到My-YOLO v4目标检测模型。本研究对所提出的My-YOLO v4识别检测方法与SSD、YOLO v3、YOLO v4三种检测方法进行实验对比分析。实验结果表明,该检测算法在测试集上检测煤与煤矸石混合的mAP值为98.14%,FPS为28.3 f/s,相较于SSD、YOLO v3检测算法识别精度分别提高了5.41%、2.87%,相较于YOLO v4目标检测模型识别速度提高了7.7 f/s,通过对比分析实验数据验证了My-YOLO v4目标检测模型整体性能的有效提高。
关键词
煤矸识别
深度学习
目标检测
带式输送系统
My-YOLO
v4
Keywords
coal gangue recognition
deep learning
target detection
belt conveyor system
My-YOLO v4
分类号
TP028.8 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
基于混合ZS法-质心法的矿用输送带撕裂判别方法
3
作者
张龙
汪君娜
亓玉浩
李玉霞
张代祥
杜明超
李明霞
张鹏
孙传彬
张坤
机构
兖矿能源集团股份
有限公司
设备管理中心
山东
科技
大学山东省机器人与智能技术重点实验室
山东能源集团
有限公司
设备管理中心
欧普瑞泰环境科技有限公司
出处
《煤炭加工与综合利用》
CAS
2023年第7期8-12,共5页
基金
山东省重大科技创新工程(深地资源勘查开采)资助项目(2019SDZY04)。
文摘
根据输送带发生撕裂时的特点,提出了基于混合ZS法-质心法的激光线条中心线提取方法,根据激光线条中心线在输送带撕裂部位呈现的特点,结合集成学习中投票器思想,完成输送带撕裂判别算法;通过现场采集的橡胶输送带激光线条图像集对撕裂判别算法进行实验效果验证。研究结果表明:基于混合ZS法-质心法的激光线条中心线提取方相比其他方法标准误差更低,对输送带撕裂判别的正确率达到0.89。
关键词
ZS法
带式输送机
机器视觉
撕裂检测
Keywords
ZS method
conveyor belt
machine vision
tear detection
分类号
TD528.1 [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
基于机器视觉的输送带撕裂检测方法
孔祥俊
汪君娜
亓玉浩
李玉霞
张代祥
杜明超
李明霞
孙传彬
张坤
《煤矿机械》
2024
3
在线阅读
下载PDF
职称材料
2
基于改进YOLO v4的煤矸石识别检测技术研究
崔斌
陈林
亓玉浩
张坤
赵得福
黄梁松
李明霞
孔祥俊
杜明超
蒋祥卿
刘源
《煤炭工程》
北大核心
2023
5
在线阅读
下载PDF
职称材料
3
基于混合ZS法-质心法的矿用输送带撕裂判别方法
张龙
汪君娜
亓玉浩
李玉霞
张代祥
杜明超
李明霞
张鹏
孙传彬
张坤
《煤炭加工与综合利用》
CAS
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