矿井提升机钢丝绳外观缺陷视觉识别技术研究

TD532; 针对多根钢丝绳检测部署困难、钢丝绳图像采集质量较低、视觉检测法适应性差、准确性不高等问题,提出了一种基于计算机视觉和深度学习的矿井提升机钢丝绳外观缺陷视觉识别方法.首先构建矿井提升机钢丝绳在线监测系统;其次由地面移动巡检平台和井下本安高速相机采集钢丝绳图像,建立钢丝绳图像数据集;然后考虑井下粉尘影响、相机镜头易受污染、光照不均、钢丝绳高光反射等问题,采用基于Retinex算法的图像去噪方法和基于同态滤波的图像去噪方法对钢丝绳图像进行去噪处理,处理结果表明,基于色彩增益加权的多尺度Retinex(AutoMSRCR)算法为较优方案;最后缺陷检测过程以卷积神经网络为基础,构建基于YO...

Full description

Saved in:
Bibliographic Details
Published in工矿自动化 Vol. 50; no. 5; pp. 28 - 35
Main Authors 王国锋, 王守军, 陶荣颖, 李南, 罗自强
Format Journal Article
LanguageChinese
Published 淮河能源控股集团煤业公司,安徽 淮南 232095 2024
Subjects
mine hoist
Retinex algorithm
surface wear
image denoising processing
visual recognition
appearance defects of steel wire ropes
改进YOLOv5s
图像去噪处理
钢丝绳外观缺陷
表面磨损
Retinex算法
wire breakage
断丝
improved YOLOv5s
矿井提升机
视觉识别
Online AccessGet full text
ISSN1671-251X
DOI10.13272/j.issn.1671-251x.2024010080

Cover

More Information
Summary:TD532; 针对多根钢丝绳检测部署困难、钢丝绳图像采集质量较低、视觉检测法适应性差、准确性不高等问题,提出了一种基于计算机视觉和深度学习的矿井提升机钢丝绳外观缺陷视觉识别方法.首先构建矿井提升机钢丝绳在线监测系统;其次由地面移动巡检平台和井下本安高速相机采集钢丝绳图像,建立钢丝绳图像数据集;然后考虑井下粉尘影响、相机镜头易受污染、光照不均、钢丝绳高光反射等问题,采用基于Retinex算法的图像去噪方法和基于同态滤波的图像去噪方法对钢丝绳图像进行去噪处理,处理结果表明,基于色彩增益加权的多尺度Retinex(AutoMSRCR)算法为较优方案;最后缺陷检测过程以卷积神经网络为基础,构建基于YOLOv5s的缺陷检测模型,为降低人为因素影响、调参工作量,在YOLOv5s中加入Focus结构对其进行优化,并将改进的YOLOv5s模型作为钢丝绳缺陷检测的预训练模型,以进一步降低模型内存占用率,提高模型加载和检测速度.实验结果表明,所提方法对钢丝绳 2处断丝的检测误差分别为 1.61%,1.35%,对钢丝绳 4处磨损的检测误差分别为 2.43%,3.44%,2.11%,3.39%.针对淮河能源控股集团顾北煤矿主井提升机原有钢丝绳安全监测系统的检测精度无法满足现场需求的问题,采用所提方法对原系统进行改进,现场应用效果表明,钢丝绳断丝检测准确率由 80%提升至96%,损伤定位误差由 500 mm降低至 300 mm范围内,损伤定位准确率由 75%提升至 98%,损伤实时检出率由76%提升至90%,尾绳畸变检出率由70%提升至85%.
ISSN:1671-251X
DOI:10.13272/j.issn.1671-251x.2024010080