摘要
本发明提供了一种钢丝绳芯输送带故障检测方法和系统,涉及人工智能领域,包括:基于YOLO模型,在YOLO模型的颈部网络中利用C3k2_WTConv模块替代YOLO模型原有的C3k2模块,同时在YOLO模型的颈部网络中新增一个小目标检测层连接至YOLO模型的检测头网络,最终使用Unified‑loU Loss损失函数进行模型训练,从而得到钢丝绳芯输送带故障检测模型,将待检测图像输入训练后的模型进行检测,得到检测结果,同时将模型检测到的结果以图像形式可视化。本发明所提出的算法高效且准确率高,能够应用于基于X光的钢丝绳芯输送带故障检测系统,实现X光钢丝绳芯输送带故障的自动综合检测,对于预防事故、保障生产安全具有非常重要的意义。
技术关键词
钢丝绳芯输送带
故障检测方法
YOLO模型
故障检测模型
多尺度特征融合
检测头
特征提取模块
故障检测系统
上采样
生成多尺度
存储程序指令
特征提取网络
图像
故障类别
纹理特征
存储器
因子
系统为您推荐了相关专利信息
船舶检测方法
注意力机制
采样模块
特征提取模块
特征金字塔网络
电缆故障检测系统
检测航空插头
触点
探针
信号分析装置
故障检测方法
滑动时间窗口
数据
基准
故障分类模型
模型构建方法
多尺度特征融合
检测分割方法
图像
区域特征提取
松材线虫病
无人机巡检
识别方法
随机梯度下降
检测算法性能评估