【技术实现步骤摘要】
本专利技术涉及矿山机械设备监测，尤其涉及一种基于机器视觉的立井提升系统尾绳异常监测方法及设备。
技术介绍
1、在矿井提升运输系统中，尾绳作为关键部件，其运行状况直接关系到设备的安全与生产效率。然而，现有的尾绳巡检方法存在诸多问题。传统上，人力进行尾绳巡检，工作时间长、效率低、可靠性差，难以做到实时、精准的监测。这不仅增加了安全风险，还可能导致尾绳异常未被及时发现，进而引发设备故障甚至安全事故。
2、现有的尾绳检测方法主要有两类：一类是基于限位开关联动的机械监测方法，另一类是基于视觉的目标检测方法。前者依赖于机械结构，虽然实现了部分自动化，但存在维护成本高、系统负担重、安全性低的问题；后者虽然易于实施，但由于尾绳损坏特征不够明显，特别是针对细微损伤，往往难以准确识别。此外，矿井复杂的环境容易导致视觉方法中的误报和漏检，限制了其实际应用的精度和可靠性。因此，如何提高尾绳异常的监测精度、减少漏报和误报，成为亟待解决的技术难题。
技术实现思路
1、本专利技术提出了一种基于机器视觉的立井...
【技术保护点】
1.一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，所述实例分割模型为预先使用深度学习图像标签标注软件训练得到的YOLACT++模型。
3.根据权利要求2所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，进一步包括将分割结果输入异常检测模型，判断尾绳表面是否存在异常，如尾绳断股，若检测到异常则发出告警信号并保存异常图像。
4.根据权利要求3所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，所...
【技术特征摘要】
1.一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，所述实例分割模型为预先使用深度学习图像标签标注软件训练得到的yolact++模型。
3.根据权利要求2所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，进一步包括将分割结果输入异常检测模型，判断尾绳表面是否存在异常，如尾绳断股，若检测到异常则发出告警信号并保存异常图像。
4.根据权利要求3所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，所述异常检测模型为基于realnet算法的深度学习模型，利用训练集样本和验证集样本分别训练和评估该模型。
5.根据权利要求3或4所述的一种基于机器视觉的立井提升系统尾绳异常监测方法，其特征在于，所述尾绳异常检...
【专利技术属性】
技术研发人员：王海峰，高桢，李金弟，任兴珅，薛健，张杰，王磊，崔润兴，田兆燕，
申请(专利权)人：云鼎科技股份有限公司，
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。