基于深度学习电铲铲齿缺失智能监测系统研究

来源期刊：煤炭科学技术2020年第S1期

论文作者：周世禄 杨小彬 王逍遥 李娜

文章页码：119 - 124

关键词：深度学习;智能监测;卷积神经网络;Caffe框架;电铲铲齿;

摘    要：为解决现有露天矿电铲铲齿缺失状态靠人员观察进行识别的现状,构建一套电铲铲齿缺失状态的实时智能监测系统。该系统基于Caffe的深度学习框架,选择Faster RCNN算法,将铲齿模拟图片分为缺陷和完整2类,并分别对2类图像进行加噪、放缩、旋转、亮度调节等操作,以模拟现场复杂环境对采集样本的影响;为缩短样本图片检测时间,更好地实现系统的实时监测,对Faster RCNN算法中Proposal检测阶段进行改进,构建了电铲铲齿智能监测系统;通过对卷积神经网络和训练模型不断调整和修改,使得缺陷铲齿和正常铲齿的正确识别率达到86.68%,网络损失率也趋于稳定。研究方法可为深度学习应用于矿山的智能视频监控、安全行为和安全状态的智能识别研究提供借鉴。