一种皮带异物识别算法
    2.
    发明公开

    公开(公告)号:CN117893825A

    公开(公告)日:2024-04-16

    申请号:CN202410082634.X

    申请日:2024-01-19

    摘要: 一种皮带异物识别算法,所述识别算法包括以下步骤:采集皮带正常运行图像和皮带带有异物的图像,构成异常检测数据集和目标检测数据集并进行标注;对异常检测数据集进行划分并训练图像异常检测模型,将皮带正常样本划分为训练集样本和验证集样本,进而将标注好的异常图像加入到验证集样本:采用标注好的目标检测数据集训练皮带异物检测模型,并展示检测模型结果;对图像异常检测模型和皮带异物检测模型进行学习训练,进而实施在线检测,得到图像异常检测结果;画出检测区域,计算异物尺寸,判断异物尺寸是否超过设定阈值;当识别到异物尺寸超过设定阈值时,记录此异物对应的系统时间并计数加一。

    一种物料车超高超宽检测算法
    3.
    发明公开

    公开(公告)号:CN117876644A

    公开(公告)日:2024-04-12

    申请号:CN202311781041.4

    申请日:2023-12-21

    摘要: 一种物料车超高超宽检测算法,所述检测算法包括以下步骤:S1,检测设备进入工作状态,采用本安型摄像头进行图像采集,将摄像头安装在物料车行进方向的正上方和侧方,分别采集物料车正上方图像和侧方图像;S2,对采集的正上方图像和侧方图像分别采用LabelImg工具进行标注,并训练目标检测模型;S3,设置ROI区域,分析当前物料车目标检测框的中心点坐标位置,当中心点坐标位置处于ROI区域内时,说明当前物料车存在超高或超宽的风险;S4,对当前物料车的超高行为和超宽行为进行分析检测,当出现超高行为或超宽行为时,发出预警信息并保存图像,完成超高超宽检测。

    一种基于机器视觉的煤矿井下限员管理方法

    公开(公告)号:CN117876643A

    公开(公告)日:2024-04-12

    申请号:CN202311780599.0

    申请日:2023-12-21

    摘要: 一种基于机器视觉的煤矿井下限员管理方法,所述管理方法包括以下步骤:选择每日无人出入井时刻人员定位系统人数作为井下基数,对摄像头进行调试,将摄像头接入网络视频录像机,用于回溯视频采集数据;选取人员出井密集的时段,预先采集人员进出井的图像,建立图像数据集;使用深度学习图像标签对图像数据集进行标注;采用yoloV5‑m作为目标检测模型,使用标注好的安全帽数据来训练目标检测模型;基于目标检测模型的训练结果,将目标检测模型的坐标信息传入到目标追踪模型;确定追踪对象产生的区域为罐笼区域,对到达罐笼区域的工作人员记录为出井人数并自动启动视频保存功能。