【技术实现步骤摘要】
本专利技术涉及敏感煤尘浓度和位置预测，具体涉及一种港口煤炭堆场的煤尘浓度和位置信息检测方法及系统。
技术介绍
1、传统基于图像检测煤尘浓度的方法主要有两类。一是简单图像处理技术，如边缘检测、阈值分割，其依赖特定环境和煤尘形态，对图像质量要求高，在复杂港口环境易受光照、干扰颗粒影响，且难以检测小粒径煤尘。二是传统机器学习算法，需人工提取特征再分类，过程耗时且特征难以保证全面有效，在港口环境实时性差，分类也不准确。目前市面上多数检测方法集中于煤尘浓度和位置确定，对于煤尘位置信息检测方法虽有一定研究但不够完善，少数相关研究也未广泛应用。
2、然而，无论是传统图像处理技术还是传统机器学习算法，在复杂的港口环境下都存在精度不足的问题。如光照变化、存在多种干扰颗粒以及煤尘颗粒粒径差异等因素，都会影响检测精度，导致无法准确获取煤尘浓度。其次，传统机器学习方法中人工提取特征和模型训练的过程耗时，难以满足港口作业强度大、煤尘产生速度快的实时检测需求，导致检测滞后，无法及时准确获取煤尘浓度。再者，传统方法对煤尘分类不准确，无法区分不同特性的煤尘...
【技术保护点】
1.一种港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，还包括：
3.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，所述对可见光图像和红外图像采用APAP变换，包括以下步骤：
4.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，所述采用网络剪枝和权重量化优化原YOLOv5-tiny模型获得轻量化YOLOv5-tiny模型，包括以下步骤：
5.根据权利要求1所述的港口煤炭...
【技术特征摘要】
1.一种港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，还包括：
3.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，所述对可见光图像和红外图像采用apap变换，包括以下步骤：
4.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，所述采用网络剪枝和权重量化优化原yolov5-tiny模型获得轻量化yolov5-tiny模型，包括以下步骤：
5.根据权利要求1所述的港口煤炭堆场的煤尘浓度和位置信息检测方法，其特征在于，所述将拼接融合后的图像输入到边界框预测模型中进行预测，获得煤尘在图像中边界框的预测结果，包括以下步骤：
6.根据权利要求1所述的港口煤...
【专利技术属性】
技术研发人员：袁庆海，刘大领，贾聪，陈明，周久杨，马涛，亓兴标，邵伟章，
申请(专利权)人：济宁港航太平港有限公司，
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。