煤礦產(chǎn)業(yè)是我國(guó)的支柱能源產(chǎn)業(yè),但現(xiàn)階段的煤礦行業(yè)中由于技術(shù)投入不足,往往造成能源的二次浪費(fèi)、開(kāi)采效率低、事故發(fā)生率高等問(wèn)題,特別是在煤料的運(yùn)輸過(guò)程中,運(yùn)輸帶空轉(zhuǎn)造成的電能浪費(fèi)以及運(yùn)輸帶跑偏、撕裂造成的安全事故依然是煤礦企業(yè)面臨的棘手問(wèn)題。本文依托于煤礦企業(yè)中的電子監(jiān)控系統(tǒng),設(shè)計(jì)了一套完整的基于機(jī)器視覺(jué)的智能輸煤檢測(cè)系統(tǒng)。本文將運(yùn)輸帶區(qū)域檢測(cè)、煤量檢測(cè)、撕裂檢測(cè)三個(gè)部分作為主要研究?jī)?nèi)容,針對(duì)每部分,本文都會(huì)從傳統(tǒng)機(jī)器視覺(jué)方法以及基于深度學(xué)習(xí)的方法進(jìn)行探討和研究。研究?jī)?nèi)容如下:對(duì)于運(yùn)輸帶區(qū)域檢測(cè)任務(wù),本文從運(yùn)輸帶顯著的直線邊緣出發(fā),利用Hough變換對(duì)畫(huà)面中的直線進(jìn)行檢測(cè),然后設(shè)計(jì)一系列的規(guī)則,篩選出皮帶邊緣。這種方法簡(jiǎn)單快速,但魯棒性差,因而本文基于RefineNet語(yǔ)義分割網(wǎng)絡(luò),對(duì)其進(jìn)行改進(jìn),實(shí)現(xiàn)對(duì)運(yùn)輸帶的區(qū)域檢測(cè),這種方法速度相對(duì)較慢,但識(shí)別率高。其次是針對(duì)煤量檢測(cè),考慮到實(shí)際需求中,對(duì)煤寬的實(shí)時(shí)性的要求高于煤高,本文將煤量檢測(cè)分為煤寬檢測(cè)和煤高檢測(cè)。煤寬檢測(cè),本文通過(guò)對(duì)圖像進(jìn)行分割成單個(gè)區(qū)域,對(duì)每個(gè)區(qū)域單獨(dú)識(shí)別來(lái)達(dá)到煤料的識(shí)別,這種方法運(yùn)算量低,且滿(mǎn)足實(shí)際需求。針對(duì)煤高檢測(cè),本文分... 

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 煤礦企業(yè)監(jiān)控技術(shù)研究現(xiàn)狀
        1.2.2 煤量檢測(cè)研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
    1.4 本文的章節(jié)安排
第2章 運(yùn)輸帶區(qū)域檢測(cè)研究
    2.1 傳統(tǒng)的運(yùn)輸帶區(qū)域檢測(cè)方法
        2.1.1 基于Hough的運(yùn)輸帶邊緣檢測(cè)算法
        2.1.2 候選直線段粗提取
        2.1.3 基于皮帶邊緣位置特征的直線段篩選
        2.1.4 運(yùn)輸帶邊緣的防誤檢測(cè)措施
        2.1.5 基于直線特征的跑偏檢測(cè)
        2.1.6 實(shí)驗(yàn)結(jié)果和分析
    2.2 基于語(yǔ)義分割網(wǎng)絡(luò)的運(yùn)輸帶區(qū)域檢測(cè)
        2.2.1 RefineNet網(wǎng)絡(luò)
        2.2.2 基于RefineNet的運(yùn)輸帶區(qū)域識(shí)別
        2.2.3 基于面積對(duì)比的跑偏檢測(cè)
        2.2.4 實(shí)驗(yàn)結(jié)果與分析
    2.3 本章小結(jié)
第3章 運(yùn)輸帶煤量檢測(cè)研究
    3.1 基于傳統(tǒng)方法的運(yùn)輸帶煤寬檢測(cè)
        3.1.1 基于幀間差值的煤流運(yùn)動(dòng)檢測(cè)方法
        3.1.2 基于小波變換的目標(biāo)特征提取
        3.1.3 基于區(qū)域統(tǒng)計(jì)的寬度計(jì)算
        3.1.4 煤寬實(shí)驗(yàn)結(jié)果與分析
    3.2 利用馬爾科夫隨機(jī)場(chǎng)進(jìn)行煤高識(shí)別
        3.2.1 機(jī)器視覺(jué)中的MRF建模
        3.2.2 基于隨機(jī)場(chǎng)的深度估計(jì)算法
    3.3 基于CNN煤量高度估計(jì)
        3.3.1 基本網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)
        3.3.3 煤高實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 運(yùn)輸帶縱撕檢測(cè)研究
    4.1 基于統(tǒng)計(jì)信息的運(yùn)輸帶撕裂的自動(dòng)檢測(cè)方法
    4.2 實(shí)驗(yàn)結(jié)果與分析
    4.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)及其在煤礦安全領(lǐng)域的應(yīng)用[J]. 楊小彬,周世祿,李娜,王逍遙.  煤礦安全. 2019(01)
[2]基于改進(jìn)隨機(jī)Hough變換的直線檢測(cè)算法[J]. 徐超,平雪良.  激光與光電子學(xué)進(jìn)展. 2019(05)
[3]基于監(jiān)督學(xué)習(xí)的單幅圖像深度估計(jì)綜述[J]. 畢天騰,劉越,翁冬冬,王涌天.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(08)
[4]基于深度學(xué)習(xí)的全卷積網(wǎng)絡(luò)圖像裂紋檢測(cè)[J]. 王森,伍星,張印輝,陳慶.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(05)
[5]基于雙目視覺(jué)深度感知的帶式輸送機(jī)煤量檢測(cè)方法[J]. 代偉,趙杰,楊春雨,馬小平.  煤炭學(xué)報(bào). 2017(S2)
[6]基于多層馬爾科夫隨機(jī)場(chǎng)融合的圖像分割[J]. 金永男,曹?chē)?guó),尚巖峰.  計(jì)算機(jī)應(yīng)用與軟件. 2016(04)
[7]我國(guó)煤礦安全現(xiàn)狀及應(yīng)當(dāng)采取的對(duì)策分析[J]. 張學(xué)武.  智富時(shí)代. 2015(07)
[8]基于馬爾科夫隨機(jī)場(chǎng)的圖像分割算法[J]. 李鐵.  電腦知識(shí)與技術(shù). 2014(33)
[9]帶式輸送機(jī)機(jī)載煤量自動(dòng)匹配控制及節(jié)能分析[J]. 王海軍.  煤炭科學(xué)技術(shù). 2013(S2)
[10]淺談機(jī)器視覺(jué)技術(shù)在煤礦中的應(yīng)用前景[J]. 田原.  工礦自動(dòng)化. 2010(05)

博士論文
[1]基于視頻的煤礦井下人員目標(biāo)檢測(cè)與跟蹤研究[D]. 蔡利梅.中國(guó)礦業(yè)大學(xué) 2010

碩士論文
[1]基于DCNN的井下行人檢測(cè)系統(tǒng)的研究與設(shè)計(jì)[D]. 鄭嘉祺.西安科技大學(xué) 2017
[2]旋轉(zhuǎn)不變紋理分類(lèi)算法研究[D]. 胡瑩瑩.天津大學(xué) 2012



本文編號(hào)：3655676