基于深度学习的皮带运输机异常检测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对皮带运输机托辊缺失、皮带跑偏等异常状态检测问题,文章提出了一种基于深度学习的检测方法.通过透视变换对原图像进行矫正,将矫正后的图片作为经过训练的YOLO模型的输入获取托辊位置、数量及分割后的皮带区域,通过统计托辊数量及霍夫变换检测皮带边界直线来判断皮带运输机的异常状态.该方法可替代人力巡检,提升皮带运输机检测效率,降低企业成本,提高企业智能化水平.

作者：

吴伟龙、张达鑫、魏青阳、王泽欣、杨卓

展开 >

作者单位：

福建(泉州)先进制造技术研究院,福建泉州 362000

建龙西林钢铁有限公司,黑龙江伊春 153025

关键词：

深度学习 YOLO 透视变换霍夫变换检测皮带运输机异常检测

出版年：

2024

DOI：

10.19508/j.cnki.1672-4801.2024.02.005