近年來粉塵爆炸引起的安全生產(chǎn)事故頻繁發(fā)生,在線檢測粉塵易集聚場所的粉塵云濃度并進行預(yù)警,成為控制粉塵爆炸的關(guān)鍵手段,而目前粉塵濃度傳感器在大空間粉塵云聚集場所存在安裝與識別局限性。為此,提出基于深度學習的可燃性粉塵云圖像檢測方法;采用基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的Faster R-CNN模型,對可燃性粉塵云進行端到端的檢測與識別;并通過建立的粉塵云標準濃度圖像數(shù)據(jù)庫驗證模型的有效性。結(jié)果表明:Faster R-CNN模型具有較高的識別精度。 

【文章來源】：中國安全科學學報. 2020,30(04)北大核心CSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 基本原理
2 試驗過程
    2.1 建立粉塵云圖像庫
    2.2 數(shù)據(jù)增強
    2.3 數(shù)據(jù)預(yù)處理
    2.4 訓練模型
    2.5 評價指標
    2.6 試驗結(jié)果與分析
3 結(jié)論


【參考文獻】：
期刊論文
[1]機械加工伴生粉塵爆炸危險性分析[J]. 韓波,李剛,馬赫,苑春苗.  中國安全科學學報. 2018(09)
[2]不同粒徑鋁粉火焰?zhèn)鞑ヌ匦栽囼炑芯縖J]. 胡東濤,陳先鋒,陳曦.  中國安全科學學報. 2016(08)
[3]粉塵爆炸特征和預(yù)防措施探討[J]. 張二強,張禮敬,陶剛,李源.  中國安全生產(chǎn)科學技術(shù). 2012(02)
[4]關(guān)于可燃粉塵爆炸危險性分級的探討[J]. 陳立紅,郭漢彥.  爆炸性環(huán)境電氣防爆技術(shù). 1992(01)



本文編號：3538725