摘要
本申请提供了一种运输皮带跑偏与载重量检测方法、装置、计算机可读介质及电子设备。该运输皮带跑偏与载重量检测方法包括:利用摄像头对运输皮带运行过程中的图像进行实时采集;对采集到的所述图像进行预处理,生成预处理图像;利用深度学习神经网络模型,对所述预处理图像中的目标区域进行识别,得到识别结果;通过所述识别结果,计算所述运输皮带的跑偏量比;基于所述运输皮带的跑偏量比,判断所述运输皮带是否跑偏。本申请的技术方案,基于深度学习的视觉智能判断方法,通过人工智能算法获取图像中左右滚柱的像素面积,实现对皮带跑偏和载重量的准确监测,提高运输皮带的监测精度、实时性和智能化水平。
技术关键词
运输皮带
深度学习神经网络模型
消息队列遥测传输
智能判断方法
载荷
人工智能算法
样本
计算方法
图像采集模块
处理器
图像增强
电子设备
输出模块
识别模块
存储装置
通知
计算机
定义
系统为您推荐了相关专利信息
重载货车
阈值识别方法
风险
多源数据采集系统
车辆动力学模型
变形误差
傅里叶算法
产品装配偏差
表面粗糙度参数
零件表面粗糙度
载荷特征
混合分布模型
建模方法
概率密度函数
EM算法
预紧力测量方法
人工智能算法
层板
多层包扎高压容器
拉丁超立方抽样方法
变形预测方法
岩层结构
公路边坡
深度学习神经网络模型
预测新方法