首页|基于迁移学习的永磁除铁器输送带断裂检测

基于迁移学习的永磁除铁器输送带断裂检测

Fracture detection method of permanent magnet self-unloading iron remover conveyor belt based on transfer learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
为解决现有的永磁自卸除铁器输送带断裂检测方法不精确、检测装置易损坏、安装复杂的问题,提出一种基于迁移学习的视频检测方法.首先采用模板匹配技术选取弃铁输送带的特征图像,得到源图像中的ROI区域;然后通过对图片进行随机旋转、裁剪、亮度变换扩充数据量,并自制了数据集;随后基于Fine Tuning迁移学习方法,使用Pytorch架构,利用Python语言对ResNet18网络模型进行训练,解决了因样本数量不足、学习效果差的问题.实验结果表明:弃铁输送带断裂检测的准确率可达93.74％,图像处理速度为17帧/s;将训练好的ResNet18网络模型布署到Jetson TX2嵌入式开发平台,当检测到故障时可现场实时报警;通过TCP/IP协议与监控终端系统进行数据通信,进行数据与输送带图像的实时显示,最终构建弃铁输送带断裂检测系统.

李现国、刘晓、冯欣欣

展开 >

天津工业大学 电子与信息工程学院,天津 300387

天津工业大学 天津市光电检测技术与系统重点实验室,天津 300387

永磁除铁器 弃铁输送带 迁移学习 断裂检测 ResNet18 Jetson TX2

天津市重点研发计划科技支撑重点项目

18YFZCGX00930

2022

10.3969/j.issn.1671-024x.2022.01.011

天津工业大学学报
天津工业大学

天津工业大学学报

CSTPCD北大核心
影响因子：0.404
ISSN：1671-024X
年,卷(期)：2022.41(1)
  • 2
  • 15