帶式輸送機(jī)利用皮帶及牽引件來運(yùn)輸物料,常用于礦山或者鋼鐵廠等工業(yè)環(huán)境,用來運(yùn)輸煤炭、冶金和水泥等物料。一般情況下,帶式輸送機(jī)所處環(huán)境較為惡劣,包括周圍光線暗、粉塵大、道路狹窄及運(yùn)輸材料有氣味、溫度、濕氣等特征,而且兩側(cè)的人行過道范圍狹小,工人在看護(hù)巡檢時(shí),帶式輸送機(jī)系統(tǒng)的托輥、滾筒等設(shè)施在運(yùn)轉(zhuǎn)時(shí)處于開放狀態(tài),極大可能會與這些部位發(fā)生必要觸碰,這不僅對工人的生命構(gòu)成潛在的威脅,還會造成設(shè)備停運(yùn)等相關(guān)生產(chǎn)的安全問題。所以,帶式輸送機(jī)安全問題不容忽視。本文通過分析、總結(jié)近年來發(fā)生的帶式輸送機(jī)運(yùn)輸事故,深入探索并研究圖形、圖像處理以及現(xiàn)在的智慧工廠和智能視頻監(jiān)控技術(shù),通過人工智能技術(shù)、自動控制技術(shù)、實(shí)時(shí)監(jiān)測技術(shù),保障帶式輸送機(jī)系統(tǒng)的運(yùn)行、狀態(tài)及人員的監(jiān)測。本文的主要工作如下:（1）本文根據(jù)現(xiàn)場具體情況應(yīng)用圖像處理等相關(guān)算法,進(jìn)行自定義監(jiān)管區(qū)域的設(shè)計(jì)。文中設(shè)計(jì)的自定義監(jiān)管模塊,是判斷人員所處位置的前提,監(jiān)管模塊區(qū)域包括紅色閉鎖聯(lián)動控制急停區(qū)域,黃色預(yù)警區(qū)域及黑色安全區(qū)域。（2）針對工廠安全監(jiān)控問題,使用建立輸送機(jī)道路兩側(cè)的員工行為,采集大量不同動作行為的圖像建立該環(huán)境下的數(shù)據(jù)集,設(shè)計(jì)了一套基于Y... 

【文章來源】：遼寧科技大學(xué)遼寧省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

“十二五”期間我國生產(chǎn)安全死亡事故統(tǒng)計(jì)

3.基于Opencv的自定義監(jiān)管區(qū)域設(shè)計(jì)143.基于Opencv的自定義監(jiān)管區(qū)域設(shè)計(jì)自定義監(jiān)管區(qū)域設(shè)計(jì)，首先要根據(jù)實(shí)際需要畫出自定義區(qū)域范圍，本課題以小范圍為例，先采用Photoshop軟件[38]根據(jù)場景勾勒出監(jiān)管范圍，再利用一系列數(shù)字圖像處理、計(jì)算機(jī)視覺等相關(guān)技術(shù)，完成自定義監(jiān)管區(qū)域的設(shè)定。3.1Photoshop軟件的應(yīng)用Photoshop[39]是一種強(qiáng)大的圖像處理工具，使用充足的編輯和繪圖工具，對圖片進(jìn)行編輯。場景如圖3.1所示，使用ps對虛擬區(qū)域的設(shè)計(jì)如圖3.2所示：圖3.1虛擬場景設(shè)定圖Fig.3.1Virtualscenesetupdiagram圖3.2自定義監(jiān)管區(qū)域圖層Fig.3.2Customregulatoryarealayer

與膨脹等。腐蝕和膨脹在于找到極大區(qū)域和極小區(qū)域，圖像膨脹作用在于將圖像中的高亮區(qū)域或者白色區(qū)域擴(kuò)大，使其結(jié)果圖比先前的高亮區(qū)域或者白色區(qū)域更大。圖像腐蝕與此相反，是將圖像中的高亮區(qū)域或者白色區(qū)域縮小變細(xì)，使其處理后的圖像的高亮區(qū)域或者白色區(qū)域更加小。圖像膨脹在 python 語言中操作使用函數(shù)庫中的 dilate 函數(shù)，其函數(shù)原型為dst = cv2.dilate(src，kernel，iteration)。膨脹的意義在于求局部最大值。就是將圖像或圖像的一部分稱之為 A 與核 B進(jìn)行卷積。即計(jì)算核 B 所覆蓋區(qū)域的像素點(diǎn)的最大值，再把最大值給參考點(diǎn)指定像素賦值，從而使高亮區(qū)域逐漸增大，如圖 3.5 所示。

【參考文獻(xiàn)】：
期刊論文
[1]Pulsar candidate classification with deep convolutional neural networks[J]. Yuan-Chao Wang,Ming-Tao Li,Zhi-Chen Pan,Jian-Hua Zheng.  Research in Astronomy and Astrophysics. 2019(09)
[2]煤礦皮帶機(jī)運(yùn)行系統(tǒng)監(jiān)控的研究[J]. 宗細(xì)芳.  湖北農(nóng)機(jī)化. 2019(09)
[3]煤礦井下皮帶運(yùn)輸系統(tǒng)安全管理方法與措施探討[J]. 劉宏宇.  內(nèi)蒙古煤炭經(jīng)濟(jì). 2019(05)
[4]目標(biāo)檢測算法研究綜述[J]. 方路平,何杭江,周國民.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[5]基于圖像掩模和擊中擊不中變換的優(yōu)化邊緣提取算法[J]. 陳愷煊,劉昕,王咚.  西安理工大學(xué)學(xué)報(bào). 2018(01)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)的SAR圖像目標(biāo)分類[J]. 劉晨,曲長文,周強(qiáng),李智,李健偉.  現(xiàn)代雷達(dá). 2018(03)
[7]基于ImageNet預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像檢索[J]. 葛蕓,江順亮,葉發(fā)茂,許慶勇,唐祎玲.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(01)
[8]面向智能監(jiān)控?cái)z像頭的監(jiān)控視頻大數(shù)據(jù)分析處理[J]. 邵振峰,蔡家駿,王中元,馬照亭.  電子與信息學(xué)報(bào). 2017(05)
[9]礦井安全監(jiān)控中的問題與對策分析[J]. 馬建偉.  能源與節(jié)能. 2016(10)
[10]我國“十二五”期間生產(chǎn)安全死亡事故直接經(jīng)濟(jì)損失估算[J]. 張興凱.  中國安全生產(chǎn)科學(xué)技術(shù). 2016(06)

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的企業(yè)生產(chǎn)安全智能監(jiān)控系統(tǒng)[D]. 閻相伊.遼寧科技大學(xué) 2018
[2]K-means聚類算法的改進(jìn)[D]. 劉越.廣西師范大學(xué) 2016
[3]Modbus協(xié)議通信節(jié)點(diǎn)的FPGA實(shí)現(xiàn)[D]. 何雨霖.哈爾濱理工大學(xué) 2016
[4]基于計(jì)算機(jī)視覺的智能安防監(jiān)控系統(tǒng)研究[D]. 張瀟磊.南京郵電大學(xué) 2014



本文編號：3601321