摘要
本发明提供一种基于多任务学习的皮带跑偏检测方法及装置,涉及人工智能领域;包括:获取具有标注信息的若干输入图像并分为训练集图像和测试集图像;构建基于多任务学习的目标检测模型并采用训练集图像和测试集图像进行训练;获取皮带运行的实时图像输入至目标检测模型获得输出图像;根据输出图像中标注的目标,计算皮带左、右侧边缘直线方程,确定拖辊位置,进而确定皮带左、由侧预警线,皮带左、右侧告警线;计算并当皮带左、右侧预警线与对应侧皮带边缘直线方程的夹角不超过夹角阈值时,计算皮带两侧边缘与对应侧预警线的距离,进而判定皮带跑偏方向;本发明通过同时检测拖辊和皮带边缘,准确检出皮带的跑偏方向和角度。
技术关键词
皮带跑偏检测方法
YOLO模型
多任务
皮带跑偏检测装置
边缘检测
方程
直线
实时图像
联合损失函数
训练集
电子设备
可读存储介质
模块
关系
参数
索引
计算机
标签
系统为您推荐了相关专利信息
图像实例分割方法
囊胚
实例分割模型
特征金字塔网络
样本
影像
深度学习模型
空间特征提取方法
混合神经网络模型
独立成分分析