期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于透视变换和SNc-YOLOv5的大块煤识别方法应用
1
作者 于涛 《西安科技大学学报》 CAS 北大核心 2024年第1期54-63,共10页
为了提高带式输送机大块煤识别的准确率,避免大块煤堆积对皮带造成的磨损,延长输送机的使用寿命,提出了基于透视变换和SNc-YOLOv5的大块煤识别方法,该方法首先利用透视变换技术对原始图像进行处理,有效地将图像中的非输送机区域滤除,并... 为了提高带式输送机大块煤识别的准确率,避免大块煤堆积对皮带造成的磨损,延长输送机的使用寿命,提出了基于透视变换和SNc-YOLOv5的大块煤识别方法,该方法首先利用透视变换技术对原始图像进行处理,有效地将图像中的非输送机区域滤除,并对输送机区域进行坐标矫正;然后,采用SNc-YOLOv5模型对经过标准化处理的图像进行深度学习建模,得到大块煤识别模型;最后,通过试验分析和现场应用对该方法进行有效性验证。结果表明:该方法在1号煤矿数据集的试验分析精确率为94.8%,召回率为83.2%,在2号煤矿数据集的试验分析精确率为92.8%,召回率为85.3%,现场应用置信度达到0.9,与其他方法进行比较,精确率和召回率指标均优于其他方法;该方法在图像预处理阶段提取带式输送机区域对图像进行标准化,仅对感兴趣区域进行处理,提高了大块煤识别的准确率。该算法部署到某煤矿现场,能够实现实时监测,为带式输送机的安全运行和延长使用寿命提供了有力保障。 展开更多
关键词 大块煤识别 带式输送机 透视变换 图像标准化
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部