本发明专利技术公开了一种基于ELAN‑CP的矿用输送带跑偏实时检测方法，通过实时录制的带式输送机运转视频，采用自适应帧间差分法和帧间极值法，获取带式输送机图像数据；筛选获取的图像，通过数据增强和预处理，得到带式输送机跑偏检测数据集，并将数据集划分为训练集，验证集和测试集；基于ELAN构建用于带式输送机跑偏检测的轻量化深度学习网络，并用划分好的数据集训练模型；采用CP优化冗余的网络结构，减小模型的体积；将训练好的模型部署到边缘计算设备，通过区域检测的方式识别托辊和输送带，根据托辊形状初步判断输送带是否跑偏，再结合输送带实际位置与安全区域，判定输送带是否跑偏。本发明专利技术能提高矿用输送带跑偏检测准确性。
【技术实现步骤摘要】
本专利技术涉及煤矿监测，尤其涉及一种基于elan-cp的矿用输送带跑偏实时检测方法。
技术介绍
1、带式输送机被广泛应用于煤炭运输领域。其中，输送带是带式输送机运输物料的核心部件。经调查，带式输送机出现的事故中大部分是由输送带在运行过程中跑偏引起的。因此，加强对矿用输送带的跑偏检测具有重要意义。
2、目前，主要通过边缘检测、机器学习或深度学习网络进行输送带跑偏检测任务。由于输送带边沿在运行过程中会存在磨损、啃变现象以及不同程度的波动，通过边缘检测无法准确提取输送带边缘，精度低。通过机器学习或深度学习模型判断输送带跑偏，需要建立相应的数据集，并在数据集上训练出准确高效的网络模型，然后对工业ccd相机收集来的现场图像进行分析，定位托辊、输送带的位置，或提取输送带的边缘特征来判断是否有跑偏故障发生。提高机器学习或深度学习算法的精度，往往会使卷积层数过深，进而导致网络模型过于复杂，处理单帧图像耗费更多时长。这种方法在高延时和数据实时分析能力匮乏的场景下，无法满足带式输送机跑偏检测任务的实时性，无法及时反馈输送带跑偏情况。
r/>技本文档来自技高网...
【技术保护点】
1.一种基于ELAN-CP的矿用输送带跑偏实时检测方法，其特征在于，包括步骤如下：
2.根据权利要求1所述基于ELAN-CP的矿用输送带跑偏实时检测方法，其特征在于，所述自适应帧间差分法是通过对视频图像序列的连续两帧图像做差分运算获取帧间差值；通过对相邻两帧图像进行差分处理，获得帧差图像，表达式如下：
3.根据权利要求1所述基于ELAN-CP的矿用输送带跑偏实时检测方法，其特征在于，步骤S2中，通过识别二值图像中皮带边缘的偏移量进行二次筛选；在筛选后的图像中，选取多个时间段、多种环境下不同运行状态的输送带样本图像，并通过仿射变换、滤波降噪、矩形遮挡、图片翻转和改变...
【技术特征摘要】
1.一种基于elan-cp的矿用输送带跑偏实时检测方法，其特征在于，包括步骤如下：
2.根据权利要求1所述基于elan-cp的矿用输送带跑偏实时检测方法，其特征在于，所述自适应帧间差分法是通过对视频图像序列的连续两帧图像做差分运算获取帧间差值；通过对相邻两帧图像进行差分处理，获得帧差图像，表达式如下：
3.根据权利要求1所述基于elan-cp的矿用输送带跑偏实时检测方法，其特征在于，步骤s2中，通过识别二值图像中皮带边缘的偏移量进行二次筛选；在筛选后的图像中，选取多个时间段、多种环境下不同运行状态的输送带样本图像，并通过仿射变换、滤波降噪、矩形遮挡、图片翻转和改变图片尺寸的方式进行数据增强，并使用labelme软件对增强后的图像进行标注，得到输送带跑偏检测数据集。
4.根据权利要求1所述基于elan-cp的矿用输送带跑偏实时检测方法，其特征在于，所述轻量化深度学习网络，基于elan设计并融合深度可分离卷积模块，由3个1×1卷积、2个3×3的深度可分离卷积和一个拼接函数torch.cat()构成；根据特征提取网络通过5次下采样，获得不同层级的尺度信息；通过颈部将80×80×128、40×40×256和20×20×512三个层级的特征...
【专利技术属性】
技术研发人员：赵啦啦，朱运涛，王忠宾，李雨潭，张传金，谭超，闫海峰，李锰钢，杨大正，夏建贺，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。