煤礦產(chǎn)業(yè)是我國的支柱能源產(chǎn)業(yè),但現(xiàn)階段的煤礦行業(yè)中由于技術投入不足,往往造成能源的二次浪費、開采效率低、事故發(fā)生率高等問題,特別是在煤料的運輸過程中,運輸帶空轉造成的電能浪費以及運輸帶跑偏、撕裂造成的安全事故依然是煤礦企業(yè)面臨的棘手問題。本文依托于煤礦企業(yè)中的電子監(jiān)控系統(tǒng),設計了一套完整的基于機器視覺的智能輸煤檢測系統(tǒng)。本文將運輸帶區(qū)域檢測、煤量檢測、撕裂檢測三個部分作為主要研究內容,針對每部分,本文都會從傳統(tǒng)機器視覺方法以及基于深度學習的方法進行探討和研究。研究內容如下:對于運輸帶區(qū)域檢測任務,本文從運輸帶顯著的直線邊緣出發(fā),利用Hough變換對畫面中的直線進行檢測,然后設計一系列的規(guī)則,篩選出皮帶邊緣。這種方法簡單快速,但魯棒性差,因而本文基于RefineNet語義分割網(wǎng)絡,對其進行改進,實現(xiàn)對運輸帶的區(qū)域檢測,這種方法速度相對較慢,但識別率高。其次是針對煤量檢測,考慮到實際需求中,對煤寬的實時性的要求高于煤高,本文將煤量檢測分為煤寬檢測和煤高檢測。煤寬檢測,本文通過對圖像進行分割成單個區(qū)域,對每個區(qū)域單獨識別來達到煤料的識別,這種方法運算量低,且滿足實際需求。針對煤高檢測,本文分... 

【文章頁數(shù)】：59 頁

【學位級別】：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 國內外研究現(xiàn)狀
        1.2.1 煤礦企業(yè)監(jiān)控技術研究現(xiàn)狀
        1.2.2 煤量檢測研究現(xiàn)狀
    1.3 本文的主要研究內容
    1.4 本文的章節(jié)安排
第2章 運輸帶區(qū)域檢測研究
    2.1 傳統(tǒng)的運輸帶區(qū)域檢測方法
        2.1.1 基于Hough的運輸帶邊緣檢測算法
        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 運輸帶邊緣的防誤檢測措施
        2.1.5 基于直線特征的跑偏檢測
        2.1.6 實驗結果和分析
    2.2 基于語義分割網(wǎng)絡的運輸帶區(qū)域檢測
        2.2.1 RefineNet網(wǎng)絡
        2.2.2 基于RefineNet的運輸帶區(qū)域識別
        2.2.3 基于面積對比的跑偏檢測
        2.2.4 實驗結果與分析
    2.3 本章小結
第3章 運輸帶煤量檢測研究
    3.1 基于傳統(tǒng)方法的運輸帶煤寬檢測
        3.1.1 基于幀間差值的煤流運動檢測方法
        3.1.2 基于小波變換的目標特征提取
        3.1.3 基于區(qū)域統(tǒng)計的寬度計算
        3.1.4 煤寬實驗結果與分析
    3.2 利用馬爾科夫隨機場進行煤高識別
        3.2.1 機器視覺中的MRF建模
        3.2.2 基于隨機場的深度估計算法
    3.3 基于CNN煤量高度估計
        3.3.1 基本網(wǎng)絡結構
        3.3.2 網(wǎng)絡結構改進
        3.3.3 煤高實驗結果與分析
    3.4 本章小結
第4章 運輸帶縱撕檢測研究
    4.1 基于統(tǒng)計信息的運輸帶撕裂的自動檢測方法
    4.2 實驗結果與分析
    4.3 本章小結
結論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]深度學習及其在煤礦安全領域的應用[J]. 楊小彬,周世祿,李娜,王逍遙.  煤礦安全. 2019(01)
[2]基于改進隨機Hough變換的直線檢測算法[J]. 徐超,平雪良.  激光與光電子學進展. 2019(05)
[3]基于監(jiān)督學習的單幅圖像深度估計綜述[J]. 畢天騰,劉越,翁冬冬,王涌天.  計算機輔助設計與圖形學學報. 2018(08)
[4]基于深度學習的全卷積網(wǎng)絡圖像裂紋檢測[J]. 王森,伍星,張印輝,陳慶.  計算機輔助設計與圖形學學報. 2018(05)
[5]基于雙目視覺深度感知的帶式輸送機煤量檢測方法[J]. 代偉,趙杰,楊春雨,馬小平.  煤炭學報. 2017(S2)
[6]基于多層馬爾科夫隨機場融合的圖像分割[J]. 金永男,曹國,尚巖峰.  計算機應用與軟件. 2016(04)
[7]我國煤礦安全現(xiàn)狀及應當采取的對策分析[J]. 張學武.  智富時代. 2015(07)
[8]基于馬爾科夫隨機場的圖像分割算法[J]. 李鐵.  電腦知識與技術. 2014(33)
[9]帶式輸送機機載煤量自動匹配控制及節(jié)能分析[J]. 王海軍.  煤炭科學技術. 2013(S2)
[10]淺談機器視覺技術在煤礦中的應用前景[J]. 田原.  工礦自動化. 2010(05)

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

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



本文編號：3655676