运煤皮带机异物检测方法及异物检测系统技术方案

本发明专利技术涉及运煤皮带机异物检测方法及异物检测系统。EfficientNetV2模型包括SA‑MBConv模块和SA‑Fused‑MBConv模块。异物检测方法包括如下步骤：以EfficientNetV2模型作为异物检测预训练模型，获取运煤皮带机的物料输送图像集，物料输送图像集中包括n类图像，将物料输送图像集划分为训练集和测试集，通过训练集对异物检测训练模型进行训练并且通过测试集进行测试得到运煤皮带机异物检测模型；以及利用运煤皮带机异物检测模型对运煤皮带机的实时物料输送图像的进行n类异物检测。本发明专利技术提高煤炭输送带异物检测的准确性。

【技术实现步骤摘要】

本专利技术涉及煤矿物料运输设备检测，具体涉及运煤皮带机异物检测方法及异物检测系统。

技术介绍

1、在煤矿生产中，煤炭输送带作为煤炭运输的主要通道起着至关重要的作用，直接影响着煤矿开采和煤炭运输的效率。准确识别和分类煤炭输送带上的异物已成为保证煤矿安全生产的重要任务。输送带上常见的异物，如锚杆和大块煤矸石，有可能在高速运行的输送带上造成划伤、撕裂和堆积煤块。因此，及时对煤炭输送带上的异物进行分类识别，对潜在问题进行预警和及时处理是必要的。

2、目前，检测煤炭输送带异物的方法多种多样，包括人工识别、x射线法、图像处理等。

3、图像处理技术包括目标检测和图像分类技术。目标检测需要在识别前对异物进行准确定位，这需要大量图像的标注，费时费力。这个过程不仅繁琐，而且计算量很大。图像分类技术存在样本采集困难数据量少，鲁棒性较差、光照影响和环境等方面的问题。这些因素可能导致图像质量下降，影响分类的准确性。采煤环境的复杂性对现有图像分类方法在煤炭输送带异物分类方面提出了挑战，因此，进一步研究和发展适应煤矿井下特殊环境的皮带机异物检测方法显得尤为重要。本文档来自技高网...

【技术保护点】

1.一种基于EfficientNetV2模型的运煤皮带机异物检测方法，其特征在于，所述EfficientNetV2模型包括SA-MBConv模块和SA-Fused-MBConv模块，所述SA-MBConv模块具有顺序的1×1的升维卷积、k×k的Depthwise卷积、置换注意力模块以及1×1的降维卷积，所述SA-Fused-MBConv模块具有k×k的升维卷积、置换注意力模块以及1×1的降维卷积，

2.如权利要求1所述的异物检测方法，其特征在于，所述置换注意力模块沿着物料输送图像的通道维度对输入的物料输送图像特征图进行分组，对每组所述物料输送图像特征图进行重新排列分成通道注意...

【技术特征摘要】

1.一种基于efficientnetv2模型的运煤皮带机异物检测方法，其特征在于，所述efficientnetv2模型包括sa-mbconv模块和sa-fused-mbconv模块，所述sa-mbconv模块具有顺序的1×1的升维卷积、k×k的depthwise卷积、置换注意力模块以及1×1的降维卷积，所述sa-fused-mbconv模块具有k×k的升维卷积、置换注意力模块以及1×1的降维卷积，

2.如权利要求1所述的异物检测方法，其特征在于，所述置换注意力模块沿着物料输送图像的通道维度对输入的物料输送图像特征图进行分组，对每组所述物料输送图像特征图进行重新排列分成通道注意力分支和空间注意力分支，处理得到所述物料输送图像特征图的通道依赖系数和空间依赖系数，然后对所述物料输送图像特征图进行集成，实现对通道注意力机制和空间注意力机制的融合。

3.如权利要求2所述的异物检测方法，其特征在于，在所述通道注意力机制和所述空间注意力机制融合之后，通过hard-sigmoid函数进行激活，其中，

4.如权利要求1所述的异物检测方法，其特征在于，在获取所述运煤皮带机的物料输送图像集后设置有图像预处理的步骤，所述图像预处理包括对所述物料输送图像集进...

【专利技术属性】
技术研发人员：胡涛，庄德玉，郑立波，邱锦波，汤子麟，张启志，郑东，钱江泳，
申请(专利权)人：中煤科工集团上海有限公司，
类型：发明
国别省市：