基于RCR _YOLOv4的矿井巷道红外障碍检测研究

针对地下矿井巷道光线昏暗的道路上会出现落石或行人等行车障碍物,严重影响无人驾驶矿卡安全行驶的问题,提出了一种基于红外视觉识别的巷道障碍物快速检测优化模型RCR_YOLOv4。该模型利用K-Means++优化算法筛选巷道障碍物的先验框尺寸,并引入深度可分离卷积降低网络参数量和计算量,从而提高障碍目标的定位精度和检测效率。通过设计双通道注意力机制对网络特征融合模块进行优化,实现对无人矿卡行车障碍的高精度检测。结果表明,该目标检测模型对矿井道路障碍的检测准确率达到93.52%,检测速度达到60.6 FPS,能够为矿井巷道复杂环境下无人矿卡安全行驶提供保障。     

基于STCS-YOLO的带钢表面缺陷检测算法

带钢表面缺陷检测技术是高质量带钢产品生产的重要技术之一。针对以往带钢表面缺陷检测中存在漏检、定位不准、小尺度缺陷目标检测能力较差的问题，提出了一种改进YOLOv5的带钢表面缺陷检测算法(STCS-YOLO)。首先，在特征融合网络的输出部分采用Swin Transformer模块与原有C3模块相融合，增强对全局特征信息的交互与复用，显著提高了对小尺度缺陷目标的检测能力；其次，采用一种轻量级上采样算子CARAFE来替换传统上采样操作，以更好地恢复缺陷信息，提高对带钢表面缺陷的识别精度；最后，在特征提取网络中嵌入3-D权值注意力机制SimAM,以加强对前景特征信息的关注能力，提高对缺陷目标的强辨识能力。试验结果表明，所提算法在NEU-DET数据集上均值平均精度P_mA达到了79.7%,比原网络提高了3.9个百分点，并且在模型权重与计算复杂度几乎不变的情况下，单帧检测时间达到了10.9 ms,基本能够满足带钢表面缺陷准确、快速的检测需求。本研究提出的带钢表面缺陷检测算法为生产整洁、无瑕的高质量带钢产品奠定了技术基础。     

金属矿床勘查资源的计算机网络调度模型

通过对金属矿床勘查资源的计算机网络优化调度,提高对金属矿床勘查资源的调度和访问性能。提出一种基于关联多维尺度特征提取的金属矿床勘查资源的计算机网络调度模型设计方法,进行了金属矿床勘查资源的信息流模型构建和特征融合,实现资源数据信息的网络调度特征提取。仿真结果表明,该调度模型执行效率较高,性能优越。     

基于Unet网络的烧结混合料粒度检测模型

目前烧结生产中混合料粒度主要通过人工检测方式获取,该操作方式不连续,且准确度有待提高,难以确定粒度分布与烧结生产参数之间的定量关系。因此,本文提出一种烧结混合料粒度检测模型,该模型采用CCD工业相机和工业光源作为混合料图像的主要采集设备;在图像预处理过程中,使用加权平均法用于图像的灰度化处理;在粒度检测模型构建中,应用Unet网络对烧结混合料图像进行分割处理。结果表明：工业光源的使用提高了采集时的亮度,也能在最大程度上降低外界光线的影响,确保烧结混合料图像的稳定性;图像预处理有助于分辨烧结混合料的颗粒特征,在此基础上,使用中值滤波和直方图均衡化更适合表征图像中混合料颗粒的边缘,并将颗粒内部特征模糊化,对噪声及其他不利因素有很好的去除效果;训练好的Unet网络分割模型对烧结混合料的分割准确率达到91%以上,分割精度误差低于9%,对混合料图像的分割效果较好。该模型的应用可为烧结生产提供及时、准确的粒度分布数据,有助于提高烧结混合料粒度检测效率,帮助企业提升经济效益和社会效益。     

基于改进Mask R-CNN的矿石类型检测算法

针对不同的矿石类型进行选矿工艺参数设置和操作有利于保障精矿质量,提高回收率和降低物资消耗。由于缺乏矿石类型实时检测有效手段,选矿过程的精准操作目前较难实现。为此,本文提出一种全面改进的Mask R-CNN矿石类型检测算法。算法步骤：(1)使用ResNetV1d-50提取矿石图像各阶段的特征图,并在主干网络中加入可变形卷积以便增强异形矿石的特征;(2)改进FPN,通过在主干网络的C5特征层加入特征残差模块,并融合到P5特征层,得到具有更强语义信息的多尺度特征图;(3)改进RPN,设计自适应的正样本IOU选取方案来匹配宽高比异常的矿石,进一步提高异形矿石的识别精度;(4)在RoIAlign网络基础上加入Global-Context,以提高小矿石的检测能力;(5)在数据增强和训练技巧方面对模型进行改进。结果表明,本文算法的平均精度为67.92%,平均交并比为63.54%,分别比基准模型提高了13.67%和9.71%。本文研究方法在矿石类型识别领域具有较好的应用价值。     

面向材料数据的主动回归学习方法

材料的生产环境和测量条件不同,导致用于机器学习的材料数据的噪声较大.对材料数据进行标注需要一定的专业知识和专业技能,因此标注成本也相对较高.这两方面的因素给机器学习应用于材料领域带来了巨大挑战.为应对这个挑战,提出了一个主动回归学习方法,由离群点检测模块、贪婪采样模块和最小变化采样模块组成.同其他主动学习方法相比,该方法整合了离群点检测机制,选取高质量样本的同时有效地排除了噪声数据的影响,避免了沉没成本.在公开数据集和非公开数据集上与最新的主动回归学习方法进行了对比实验,实验结果表明本文方法在相同的数据量下训练的任务模型性能指标相比于其他模型平均提高15%,且只需30%～40%的数据量作为训练集就可以达到甚至超过使用全部数据训练任务模型的精度.     

基于改进YOLOv8的露天矿区行车障碍物检测

露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进,具体包括：首先,针对受粉尘噪声干扰严重和夜间光线不足的问题,提出了C2fCA模块结构,提高了模型特征提取能力;其次,使用轻量级卷积技术GSConv和VoV-GSCSP模块,减轻模型复杂性,实现检测器更高的计算成本效益;最后,使用WIOU损失函数,提高了模型泛化能力。试验结果表明：改进算法在保持实时性的前提下,可将YOLOv8n的平均精度（mean Average Precision,mAP）分别提高1.8%和2.6%,实现白天与夜间场景下不同尺度的障碍物识别。     

基于图像特征的嵌入式大包下渣检测方法

通过对现有大包下渣检测系统的分析,提出了一种基于图像特征的嵌入式下渣检测方法,阐述了系统嵌入式架构及具体实现方法.该方法以DSP为下位机系统的核心硬件平台,由FPGA与DSP组成的下位机系统将摄像头采集到的模拟图像转换成数字图像,同时进行平均灰度变化与结构相似度的图像特征提取与分析,再经HPI通信模块将处理后的数据发送...     

基于攻击检测的金属交易网络安全防御模型

金属交易通过网络平台进行,当网络受到攻击时,容易导致数据丢失和资产流失,提出一种基于攻击检测的金属交易网络安全防御模型。首先分析了金属交易网络安全防御机制,进行网络攻击的数据信息特征提取,通过时频分析方法进行攻击检测,实现网络安全防御和主动检测。仿真结果表明,采用该模型进行网络攻击检测,对病毒和攻击数据的准确检测概率较高,虚警概率较低,提高了网络安全性能。     

基于CNN电流数据形态识别的电动机故障诊断研究

为实现层冷辊电动机由预防性批量更换向预测性定点维修转变的目标,提出一种基于卷积神经网络(CNN)电流数据形态识别的故障智能诊断方法.该方法首先对电流采集数据进行特征提取,并建立分类故障的各关键特征形态图形集;采用卷积神经网络识别故障下各特征的异常形态,建立以误报率和漏报率为目标的优化模型,通过以异常形态为基因片段的遗传算法寻优不同故障类型的各特征形态组合,建立分类故障形态组合模式库.现场数据验证结果表明所提方法能够满足现场漏报率和误报率要求.     

基于深度学习的矿石图像处理研究综述

聚焦于矿石勘探和将矿石破碎筛分后的皮带运输两个环节,系统总结了深度学习技术在矿石图像处理中的主要应用,包括矿石分类、粒度分析和异物识别等任务,并分门别类地梳理了完成以上三大任务的常用算法及其优缺点.其中,矿石分类在地质勘探中起着重要作用;粒度分析能为破碎机和传送皮带的控制提供参考依据,还能识别出给矿皮带上过大尺寸的矿石,防止处于给矿皮带和受矿皮带之间的转运缓冲仓内发生堵料事故;异物识别能将皮带上混在矿石中的有害物品检测出来.     

基于脑电多视图混合神经网络的时空半监督睡眠分期

睡眠分期是评价睡眠质量的必要基础,现阶段的工作大部分采用全监督学习和单一维度视图信息进行,这不仅需要技师进行大量的睡眠数据标注,还可能因特征提取不充分而导致分期准确率受限的问题。利用半监督学习策略,实现对脑电无标注数据的学习。提出一种多视图混合神经网络,首先用多通道视图时频域机制分别提取时域信号特征和空域信号特征,实现多视图特征提取;再通过注意力机制加强对显著性特征的提取;最后将上述混合特征融合并分类。在三个公开数据集和一个私有数据集中与全监督学习进行了对比评估,半监督学习取得平均准确率为81.0%,卡帕值为73.2%。结果表明,本文模型可以与全监督学习的睡眠分期模型相媲美,同时显著减少技师标注数据的工作量。      

新型复合材料托辊在带式输送机上的应用

介绍了新型复合材料托辊在带式输送机的应用,该托辊抗冲击性强、自润滑性能好、摩擦系数小、耐磨,使用寿命在同等条件下是普通钢制托辊的2～4倍。     

基于深度学习的圆钢表面缺陷检测系统

圆钢表面缺陷是影响圆钢质量的重要因素。随着钢铁生产轧制节奏提升和智能化升级,人工检测、传统表面缺陷检测等方法已经难以同时满足多种类缺陷、高速在线检测等方面的需求。因此,设计了适用于圆钢表面缺陷检测的成像系统,提出分类优先网络与目标检测网络融合的圆钢表面缺陷检测方法,并将一种非缺陷样本加入网络模型的训练以提升检测精度。试验结果及应用效果表明,该方法针对凹坑、裂纹、耳子、划伤、翘皮等表面缺陷的准确识别率达到95.61%,能有效减少缺陷误报、漏报的问题。     

基于编码器与NFC修正融合的带式输送机轨道式巡检机器人定位方法

轨道式巡检机器人的高精度定位技术是带式输送机智能化巡检的重要研究方向之一,而矿用带式输送机距离超长,工作环境复杂,严重影响巡检机器人的定位精度。针对目前的轨道式巡检机器人定位技术在矿用带式输送机巡检领域存在的问题,提出了基于编码器和NFC双传感器修正融合的高精度定位方法。分析带式输送机轨道式巡检机器人轨道与环境特性对编码器系数的影响,提出轨道分段原则。利用机器人搭载的编码器数据反馈特点,构建编码器递推定位方法。通过机器人运行的历史数据,对编码器系数进行分段分方向修正,并提出基于递推最小二乘的编码器系数修正方法,以提高编码器对轨道环境的适应性。在此基础上,根据机器人所在轨道分段的位置不同,在段端基于卡尔曼滤波算法实现编码器和NFC数据融合,在段内利用分段分方向修正系数与编码器信息进行递推定位,实现轨道式巡检机器人连续高精度的定位。针对所提方法搭建了实验平台并进行了实物测试,实验结果表明,相较于编码器定位、RFID定位和两者融合定位三种传统定位方式,基于编码器和NFC的修正融合定位算法能够有效提高轨道式巡检机器人定位对轨道环境的适应性,同时提高轨道式巡检机器人的定位精度。      

基于Mask RCNN的矿仓入料口

针对矿仓入料口堵塞矿石识别过程中现场工况环境复杂、矿石识别检测难度大等问题,采用深度学习和图像处理技术开展矿石智能识别检测的研究,提出基于Mask RCNN的矿石识别检测方法。该方法可以实现对矿石识别的同时进行实例分割,并提出利用矿石轮廓的形心坐标取代Mask RCNN中的外接矩形框定位方法,有效解决矿石定位不精确的问题。实验结果表明:基于Mask RCNN网络的矿石识别模型可以实现对多种数量、不同位姿以及堆叠的矿石精准识别,综合准确率达到97.6%,采用矿石轮廓形心坐标的定位方式可以有效避免因矿石形状和位姿而带来的定位误差,为智能清堵机械手提供精确的视觉引导。      

基于FCM-WA联合算法的多种类矿石图像分割

矿石图像分割是基于机器视觉的矿石粒度分布检测的重要组成部分。针对复合矿山中颜色多样、纹理复杂且边缘粘连的多种类矿石图像难以识别与分割的问题,提出了一种基于FCM-WA联合算法的矿石图像分割方法。首先对矿石图像进行形态学优化,利用双边滤波、直方图均衡化和形态学重构来优化矿石图像的几何特征,减少噪声对分割效果的影响,提高图像对比度;然后将模糊C均值聚类（FCM）算法与分水岭（WA）算法相结合,利用FCM算法进行聚类迭代,计算出合适的分割阈值并对矿石图像进行分割,输出二值化图像;再利用基于距离变换的WA算法优化FCM算法的分割结果,对FCM算法输出的矿石图像边缘粘连部分进行分割,以获取最佳的分割图像。研究结果表明：（1）利用形态学优化流程处理矿石图像能够减少噪声并增强边缘信息,从而提高对比度;（2）相比传统的大津法和遗传算法,本文所提FCM-WA方法的稳健性更强、分割效果更好,对多种类的矿石图像像素分割准确率和矿石粒度识别准确率均可达到92%以上;（3）通过试验验证,FCM-WA方法能够精确地分割颜色多样、纹理特征复杂及边缘粘连的多种类矿石图像,分割结果满足粒度分布检测的要求;（4）FCM-...     

基于有限元分析的热轧中间坯输送辊道冷却系统喷水量的计算

针对热轧输送辊道加设保温罩后因温升出现两端轴承卡死的现象,采用有限单元法对输送辊道温度场进行数值仿真。通过将输送辊道瞬态温度场计算分解为辊身径向截面瞬态温度场计算和辊系轴向稳态温度场计算,得到了输送辊运行过程中的温度场分布,简化了计算量,并提出相应的冷却水量计算方法,为制定输送辊道的冷却方案提供依据。     

基于计算机视觉技术的矿井电机车无人驾驶障碍物检测技术

针对传统计算机视觉方法难以实现障碍物实时检测和定位的问题,提出传统计算机视觉技术与深度学习 目标检测算法YOLOv3相结合的障碍物智能检测方法.首先,采集电机车行驶区域(即有效检测区域)存在的障碍物数据并制作VOC格式数据集,使用YOLOv3训练数据集,得到障碍物检测模型;然后,采用传统计算机视觉技术定位到轨道,使用"...