矿用输送带纵向撕裂多维度智能巡检方法研究

扫码查看

原文链接

NETL

中文摘要：煤矿带式输送机运行环境恶劣，输送带是承接物料最关键的部分，从采掘机械运到输送机落料口的煤块可能伴随有尖锐棱角物体(如槽钢和角钢等)，且两条输送带之间的首尾衔接处存在高度差，尖锐物体可能直接穿透或撕开输送带，造成安全隐患。纵向撕裂主要发生在机头和机尾装载点处，主要表现为出现较大裂纹或完全撕裂，产生运输隐患的同时降低运输效率，造成经济损失。因此，研究输送带纵向撕裂的实时检测具有重要意义。本文首先研究了国内外输送带纵向撕裂的检测技术，从基于传统的机器学习到最新的基于卷积神经网络的输送带表面缺陷识别，CNN凭借强大的特征提取能力和自主学习能力被广泛运用于矿井作业的目标检测任务。针对目前输送带纵向撕裂目标检测维度单一、模型复杂度高、检测速度慢等不足，提出并实现了采用深度学习网络的输送带纵向撕裂多维度实时检测方法。基于搭载的变频带式输送机实验装置，通过布置多维度检测点的工业相机采集纵向撕裂图像制作数据集，改进YOLOv4目标检测算法，嵌入混合域注意力机制ECSNet的Mobilenetv3作为骨干特征提取网络，构建轻量化的集成网络模型ECSMv3_YOLOV4，研制带式输送机多维度智能巡检样机，开展网络模型的训练、测试、识别和定位实验;基于ECSMv3_YOLOv4网络模型的结构特点，定制化搭建FPGA硬件加速器架构，设计Winograd和GEMM快速计算引擎，针对采集的不同光强样本图像，进行PFGA平台的网络识别加速试验，对比CPU和不同FPGA硬件加速器测试，验证该加速器具有明显的推理速度、功耗和能效优势;开发输送带纵向撕裂智能监测系统，实现更加高效的损伤监测人机交互任务，提供更智能化的巡检方法。

作者：

李飞

展开 >

关键词：

带式输送机纵向撕裂多维度检测 YOLOv4网络 FPGA加速器

授予学位：

硕士

学科专业：

智能制造工程

导师：

胡坤

学位年度：

2022

学位授予单位：

安徽理工大学

语种：

中文

中图分类号：