机器视觉灰度化金字塔卷积模型的煤流异物识别

• Published in: 煤炭科学技术 Vol. 50; no. 11; pp. 194 - 201
• Main Authors: 杨建辉, 黄子洋, 汪梅, 符立梅, 刘安强, 李远成, 于振华, 王征, 董立红
• Format: Journal Article
• Language: Chinese
• Published: 陕西陕煤曹家滩矿业有限公司,陕西 榆林 719000%西安科技大学 计算机科学与技术学院,陕西 西安 710054 01.11.2022
• Subjects: 光流算法; 机器视觉; 金字塔网络; 卷积模型; 煤流异物识别
• ISSN: 0253-2336
• DOI: 10.13199/j.cnki.cst.2021-0149

TD534; 煤流的带式输送是煤炭能源生产过程中的一个重要环节,煤流中异物识别是智慧矿山智能矿井建设中不可或缺的重要任务.针对煤流的带式输送监测系统中异物识别问题,构造一种基于机器视觉灰度化的双路金字塔卷积识别模型.首先,提出一种基于权值训练的机器视觉图像灰度化方法,并根据输送带运输异物与煤的颜色差异和运动性差异,采用Lucas-Kanade光流算法,实现对异常颜色和异常运动像素点的识别.同时结合光照补偿处理,实现对煤流实时图像进行亮度校正和无关像素剔除的预处理.接着,构造了金字塔网络,提取煤流中移动异物的多尺度融合特征.之后本文构造图像的常规特征提取通路和特征差分通路的双通道网络模型,实现对煤和异物特征的识别.最后,对陕煤曹家滩煤矿的煤流输送带监测图像的异物进行识别.结果表明,基于机器视觉灰度化双通道金字塔卷积模型对煤流输送带的异物识别准确率为95.7％,比经典的卷积网络模型的识别精度提高了2.1％,相比于传统图像灰度化固定权值识别模型,基于权值自适应训练的异物识别模型精度提升了5.2％.