-
题名基于改进ResNet网络的井下钻杆计数方法
被引量：11
- 1
-
-
作者
高瑞
郝乐
刘宝
文静怡
陈宇航
-
机构
西安科技大学电气与控制工程学院
西北大学公共管理学院
-
出处
《工矿自动化》
北大核心
2020年第10期32-37,共6页
-
基金
陕西省科技厅自然科学基金项目(2018JQ5197)
陕西省重点研发计划项目(2019GY-097)。
-
文摘
针对现有井下钻杆数量统计方式精度较低、受环境变化影响大等问题,结合卷积神经网络、信号滤波等技术,提出了一种基于改进ResNet网络的井下钻杆计数方法。根据视频图像中卸杆动作与非卸杆动作的差异,采用ResNet-50网络模型对样本集进行分类训练,判断视频中每一帧图像是否包含卸杆动作;结合线性学习率预热和基于Logistic曲线的学习率衰减策略进行学习率更新,以提高模型分类准确率;通过积分法对视频分类置信度进行滤波,并统计置信度曲线下降沿数量,实现钻杆计数。实验结果表明,预热+衰减的学习率更新策略能够有效提高图像分类模型的分类精度,模型分类检测准确率为89%。实际应用结果表明,基于改进ResNet网络的井下钻杆计数方法可以高效识别视频中的卸杆图像,平均钻杆计数精度为97%,满足实际应用需求。
-
关键词
钻孔深度
钻杆计数
图像分类
卷积神经网络
学习率更新
ResNet-50
-
Keywords
drilling depth
drill pipe counting
image classification
convolutional neural network
learning rate update
ResNet-50
-
分类号
TD713.3
[矿业工程—矿井通风与安全]
-
