發(fā)布時間：2021-01-06 18:49

　　礦產資源為人民的生產生活提供了的重要物質基礎,國民經濟的快速發(fā)展同樣離不開充足的能源。然而根據(jù)調查結果,近幾年在礦山開采中時常有事故發(fā)生。為了保護一線礦工的生命安全,避免礦工在開采過程中受到傷害,礦山一般強制下礦人員有效穿戴安保設備后才能下礦開采。但是由于我國的礦山具有環(huán)境復雜、人員流動性大、一線礦工人員安全開采意識不高等特點,監(jiān)管人員往往很難做到實時監(jiān)督每位礦工安保設備的穿戴情況。為了解決實時監(jiān)督這個問題,本文提出一種利用深度學習技術來檢測下礦人員安保設備是否穿戴的方法,并且開發(fā)了一套基于SSD-MobileNet的礦工安保穿戴設備檢測系統(tǒng)。通過這樣一套自動化與智能化的檢測系統(tǒng)可以有效解決礦工安保穿戴設備檢測的復雜性及反復性問題。進一步有效約束礦工的安全生產行為,實現(xiàn)礦井安全管理系統(tǒng)智能化。本文的主要工作如下:（1）本文提出了下礦人員安保穿戴設備檢測系統(tǒng)的總體設計方案。檢測系統(tǒng)由壓力開關、PLC、攝像頭、上位機以及閘機系統(tǒng)等硬件構成,系統(tǒng)具有動態(tài)感知、數(shù)據(jù)采集、目標檢測、數(shù)據(jù)統(tǒng)計、閘機控制以及人機交互等功能。（2）本文對深度學習的理論知識展開了研究。闡述了卷積神經網絡的發(fā)展歷程、網絡... 

【文章來源】：青島科技大學山東省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文的主要研究內容
    1.4 論文的章節(jié)安排
2 安保穿戴設備檢測系統(tǒng)的總體設計
    2.1 檢測系統(tǒng)的總體方案
    2.2 檢測系統(tǒng)的功能介紹
    2.3 本章小結
3 深度學習理論及安保穿戴設備檢測算法研究
    3.1 卷積神經網絡的發(fā)展
    3.2 卷積神經網絡的結構及其訓練
        3.2.1 卷積神經網絡的結構
        3.2.2 卷積神經網絡的訓練
    3.3 安保穿戴設備的目標檢測算法研究
        3.3.1 目標檢測算法簡介
        3.3.2 卷積神經網絡的兩步檢測算法
        3.3.3 卷積神經網絡的單步檢測算法
    3.4 本章小結
4 安保穿戴設備檢測模型的實驗及分析
    4.1 準備工作
        4.1.1 訓練環(huán)境搭建
        4.1.2 采集數(shù)據(jù)集
        4.1.3 數(shù)據(jù)集標注
    4.2 模型訓練及導出
        4.2.1 Faster R-CNN網絡模型的訓練
        4.2.2 YOLOv3網絡模型的訓練
        4.2.3 SSD-Mobile Net網絡模型的訓練
    4.3 模型測試及分析
        4.3.1 Faster R-CNN網絡模型實驗結果
        4.3.2 YOLOv3網絡模型實驗結果
        4.3.3 SSD-Mobile Net網絡模型實驗結果
    4.4 本章小結
5 下礦人員安保穿戴設備檢測系統(tǒng)的實現(xiàn)
    5.1 檢測系統(tǒng)的硬件實現(xiàn)
        5.1.1 硬件選型
        5.1.2 電氣接線圖
    5.2 檢測系統(tǒng)的軟件實現(xiàn)
        5.2.1 上位機界面的UI設計
        5.2.2 上位機界面的功能
    5.3 本章小結
總結與展望
    總結
    展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄


【參考文獻】：
期刊論文
[1]采摘機器人動態(tài)果實目標檢測與跟蹤技術研究——基于云存儲[J]. 李敏,馮亞麗,吳東林.  農機化研究. 2020(09)
[2]深度學習在計算機視覺領域的應用進展[J]. 曾子力.  計算機產品與流通. 2020(01)
[3]計算機視覺在人臉識別領域中的應用研究[J]. 梁博.  信息與電腦(理論版). 2019(20)
[4]基于SSD-MobileNet的礦工安保穿戴設備檢測系統(tǒng)[J]. 張春堂,管利聰.  工礦自動化. 2019(06)
[5]基于軍事飛機圖像結合FCN的目標檢測技術應用[J]. 張春雷.  電子測試. 2019(10)
[6]基于深度卷積神經網絡的井下人員目標檢測[J]. 唐士宇,朱艾春,張賽,曹青峰,崔冉,華鋼.  工礦自動化. 2018(11)
[7]深度學習在計算機視覺領域的應用進展[J]. 周益淇.  電子制作. 2018(16)
[8]基于手動擋汽車的新型離合器操縱裝置設計與研究[J]. 李亞東,張兵,陳文廣.  汽車實用技術. 2018(10)
[9]采礦工程施工工程中不安全技術因素和對策解析[J]. 武茂超,侯佐林.  山東工業(yè)技術. 2018(11)
[10]深度學習在目標視覺檢測中的應用進展與展望[J]. 張慧,王坤峰,王飛躍.  自動化學報. 2017(08)

碩士論文
[1]基于深度學習的高光譜圖像分類及參數(shù)設置研究[D]. 孫巧巧.青島科技大學 2018
[2]基于卷積神經網絡的非限定性條件下的人臉識別研究[D]. 于詩夢.哈爾濱工業(yè)大學 2017
[3]基于卷積神經網絡的圖像識別方法研究[D]. 段萌.鄭州大學 2017
[4]監(jiān)控視頻中的前景提取和目標檢測跟蹤算法研究[D]. 郭達潔.浙江大學 2016



本文編號：2961080