-
题名基于TOF深度图像修复的输送带煤流检测方法
被引量：5
- 1
-
-
作者
汪心悦
乔铁柱
庞宇松
阎高伟
-
机构
太原理工大学新型传感器与智能控制教育部重点实验室
太原理工大学物理与光电工程学院
代尔夫特理工大学机械、海事和材料工程学院
太原理工大学电气与动力工程学院
-
出处
《工矿自动化》
北大核心
2022年第1期40-44,63,共6页
-
基金
国家自然科学基金面上项目(61973226)
山西省重点研发计划项目(201903D121143)
+1 种基金
国家自然科学基金山西省煤基低碳联合基金资助项目(U1810121)
中央指导地方科技发展基金资助项目(YDZX2020140001796)。
-
文摘
传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。
-
关键词
带式输送机
煤流检测
TOF相机
深度图像修复
边缘校正
-
Keywords
belt conveyor
coal flow detection
TOF camera
depth image restoration
edge correction
-
分类号
TD634
[矿业工程—矿山机电]
-
-
题名输送带损伤多尺度特征交叉融合检测方法
被引量：1
- 2
-
-
作者
屈鼎然
乔铁柱
庞宇松
-
机构
太原理工大学新型传感器与智能控制教育部重点实验室
太原理工大学物理与光电工程学院
荷兰代尔夫特理工大学机械海事和材料工程学院
-
出处
《电子测量技术》
北大核心
2021年第24期169-174,共6页
-
基金
NSFC-山西煤基低碳联合基金(U1810121)
2020年中央引导地方科技发展资金项目(YDZX20201400001796)资助。
-
文摘
基于图像或声音的单信号输送带纵向撕裂的检测方法往往受光线和噪声影响较大,为了克服这种局限性,提出了一种多尺度特征交叉融合检测方法。首先利用Log-Mel特征提取算法将一维声音信号转化为二维谱图;然后搭建双输入神经网络对图像与声谱图同时进行特征提取以及多尺度特征交叉融合;最后根据融合后特征通过损失函数判定损伤分类。经实验该方法的检测准确率、划痕和纵向撕裂的灵敏度分别可以达到97.37%、96.53%和98.67%,分别比现有的视听决策级融合检测方法提高了7.04%、6.96%和6.4%。因此,该方法能够更好地满足输送带损伤检测的可靠性要求。
-
关键词
视听
多尺度特征
交叉融合
输送带
损伤检测
-
Keywords
audio-visual
multiscale feature
signal fusion
conveyor belt
damage detection
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
