摘要
本发明公开了一种矿用带式运输机运输带偏移和异物的检测方法,包括:S1.采集包含运输带、托辊及异物的图像数据,对运输带区域进行分割标注,并对托辊及异物进行边界框标注;S2.基于所述图像数据训练多任务检测模型,构建改进A‑YOLOM网络,通过引入渐进特征金字塔网络构建自适应跨尺度特征融合机制,显著提升对异物的空间感知能力;同时采用GSConv使整体网络参数量降低;S3.将待检测图像输入训练后的所述多任务检测模型,获取运输带的分割结果、托辊检测框及异物检测框;S4.故障识别。有效地提高了煤炭异物检测精度,减少了模型的参数量,并使得异物检测和运输带分割在一个模型内同时进行,缩短了运输带跑偏检测时间提升了检测效率。
技术关键词
运输带
后处理算法
带式运输机
托辊
特征金字塔网络
多任务
跨尺度特征融合
融合特征
图像
边缘检测算法
通道
样本
边缘轮廓
卷积模块
坐标
特征点
信号
数据
参数