-
公开(公告)号:CN113158829A
公开(公告)日:2021-07-23
申请号:CN202110343840.8
申请日:2021-03-31
Applicant: 安徽大学
Abstract: 本发明公开了一种基于EfficientDet网络的深度学习矿石测量方法及应用系统,其中包括:通过高帧率摄像头获取流动皮带上的矿石图像;预处理矿石图像:标记图像中所有矿石,去除异常数据,对图像进行数据增强;将标记后的样本按7:2:1分为训练集,验证集和测试集;使用EfficientDet网络进行训练得到网络模型;在测试的时候使用EfficientDet网络模型得到的预测框定位出矿石的位置并通过摄像头的焦距以及图像像素大小计算出矿石的大小;根据系统预设阈值,发现有矿石大小超过系统阈值时发出提醒。本发明可以的高效的检测矿石的大小,相对于其他网络模型,使用更少的参数,有更快的检测速度,极大地降低了对人工的依赖。
-
公开(公告)号:CN115761290A
公开(公告)日:2023-03-07
申请号:CN202211512249.1
申请日:2022-11-29
Applicant: 安徽大学
IPC: G06V10/762 , G06V10/774 , G06V10/764 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及矿用皮带机与工人安全距离测量技术领域,解决了目前无法实时检测工人与皮带机之间安全距离并进行预警的技术问题,尤其涉及一种基于双目视觉尺度测量的安全距离测量预警方法,包括以下过程:S1、根据矿用皮带机在运行状态下所记录的视频数据集创建YOLOv4网络模型;还涉及一种基于双目视觉尺度测量的安全距离测量预警系统,包括:创建模块用于根据矿用皮带机在运行状态下所记录的视频数据集创建YOLOv4网络模型,获取模块用于获取矿用皮带机在运行状态下同一时间所拍摄的不同位置的视频数据集。本发明能够降低安全隐患,对安全距离进行预警,对人员的安全作业提供保障,从而减少作业过程中的事故发生。
-
公开(公告)号:CN113158827A
公开(公告)日:2021-07-23
申请号:CN202110342699.X
申请日:2021-03-30
Applicant: 安徽大学
Abstract: 本申请公开了一种基于深度学习的矿石尺寸监测预警系统及方法,其中方法包括:通过高清高帧率摄像头采集爆破大块矿石的图像数据集,通过Labelme工具对图像数据集进行标注并保存为json格式;对图像数据集进行数据增强,提高模型的泛化能力;将图像扩充数据集分为:训练集和验证集;设置RetinaNet网络结构识别模型的特征提取层为ResNet50,设置Retinanet网络结构识别模型的特征融合网络层为FPN(特征金字塔网络)仍需采取人工搬运的低效现状,该方法可以高效且准确地完成矿石尺寸的监测预警。
-
-