摘要
本发明公开了一种基于改进CenterNet的带式输送机皮带损伤检测方法及检测系统,检测方法包括设备部署、数据采集、边缘去噪、负载分配、损伤检测;检测系统包括图像采集模块、数据传输模块、数据处理模块、控制模块、边缘端模块和云端数据处理模块。本发明基于深度学习模型,采用KDFA‑CenterNet目标检测损失算法,能有效对皮带撕裂损伤、磨损损伤、破裂损伤进行检测;基于可逆神经网络的实时图像去噪增强模型,能够对采集图像进行去噪增强处理;设置基于长短期记忆神经网络的云边端协同的负载计算架构,云端服务器、边缘计算节点和本地服务器,三者协同工作,可对带式输送机皮带图像大量高密度数据进行实时处理。
技术关键词
带式输送机
损伤检测方法
图像采集模块
损伤检测系统
云端数据处理
皮带
数据处理模块
数据传输模块
云端服务器
深度学习模型
工业路由器
视觉控制器
控制模块
注意力
矿用隔爆
长短期记忆神经网络
中心服务器
纹理细节特征
数据交互功能
系统为您推荐了相关专利信息
图像处理方法
建立训练模型
喷墨
卷积神经网络学习
像素
图像采集器
电器组件
四足机器人
图像采集模块
安装面
焊接定位方法
汽车零部件
区域卷积神经网络
消音管
序列
安全监管方法
建筑工程施工现场
佩戴安全帽
反光背心
施工安全监管系统