基于双目视觉的选煤厂用胶带输送机表面异物检测

Surface foreign object detection of belt conveyor used in coal preparation plant based on binocular vision

Washing and Preparation Center, CHN Energy Ningxia Coal Industry Co., Ltd., Yinchuan 750011, China

摘要: 目前所采用的选煤厂用胶带输送机表面异物检测方法在实际应用时,由于选煤厂内外因素影响,导致对于不同类别的异物识别和分类精度低。针对该问题,提出一种基于双目视觉的选煤厂用胶带输送机表面异物检测方法。设计了基于双目视觉的输送带异物检测装置,将摄像机与工业相机组合成双目视觉系统,系统采集图像后,利用中值滤波算法对图像进行去噪,获取稳定的图像信息。采用YOLOv3进行异物识别预测,计算边界框和锚框数值信息,并根据上述数值信息调整计算定位准确度,实现异物检测。实验结果表明:与传统的基于Mask_R-CN的检测方法相比,提出的方法对胶带输送机表面异物的识别筛选准确率超过96.2%,分类准确率超过97.6%。
- 选煤厂用胶带输送机 /
- 双目视觉 /
- 输送带异物检测 /
- 工业相机 /
- YOLOv3

[1]	史凌凯,耿毅德,王宏伟,等.基于改进Mask R-CNN的刮板输送机铁质异物多目标检测[J].工矿自动化,2022,48(10):55-61.
[2]	胡璟皓,高妍,张红娟,等.基于深度学习的带式输送机非煤异物识别方法[J].工矿自动化,2021,47(6):57-62,90.
[3]	王燕,郭潇樯,刘新华.带式输送机大块异物视觉检测系统设计[J].机械科学与技术,2021,40(12):1939-1943.
[4]	谢丽娟,戴犇辉,洪友君,等.基于全卷积神经网络的核桃异物检测装备设计与试验[J].农业机械学报,2022,53(5):385-391.
[5]	冯喆,李卫豪,崔笛.基于高光谱成像和深度学习的山核桃内源性异物检测[J].农业机械学报,2021,52(S1):466-471.
[6]	薛旭升,杨星云,齐广浩,等.煤矿带式输送机分拣机器人异物识别与定位系统设计[J].工矿自动化,2022,48(12):33-41.
[7]	任国强,韩洪勇,李成江,等.基于Fast_YOLOv3算法的煤矿胶带运输异物检测[J].工矿自动化,2021,47(12):128-133.