基于深度学习的动态危险区域入侵检测方法

为解决天车吊装动态危险区域难识别、位置信息难确定、车间生产环境复杂导致特殊的相机视角所获取的人员目标特征信息不明显,影响漏检误检和标准目标检测模型部署应用难等问题,提出1种基于深度学习的动态危险区域人员入侵检测方法。该方法首先利用双目视觉技术完成重物提升判断及天车吊装动态危险区域检测2项任务,然后利用提出的PDConv轻量化卷积模块和卷积注意力机制模块对YOLOv5基础模型进行改进,并设计开发天车吊装动态危险区域人员入侵检测系统。研究结果表明:利用双目视觉技术可以更精准获取动态危险区域位置信息;改进后的YOLOv5基础模型在保证模型检测精度的同时可降低适当参数量;天车吊装动态危险区域人员入侵检测系统可实现远程管控天车危险区域入侵检测任务,并利用振动报警装置可实时对入侵人员进行提醒管理,该系统在实际测试中的漏检误检率为2%,满足工业生产需求。研究结果可为动态危险区域入侵检测研究提供参考。

SVM+Resnet18在液压支架零部件工艺检测中的应用及研究

液压支架主要采用电控与液压系统进行控制与动作,其零部件密封性决定了液压系统的效能及安全。液压支架零部件密封性与制造工艺相关,因此对液压支架零部件的工艺检测不可避免。采用支持向量机(SVM)和Resnet18作为零部件特征提取器,对每个零部件进行数字图像特征提取,并输入SVM+Resnet18网络获得训练特征模型。结果表明,SVM+Resnet18算法使加工工艺的检测更加精准,提高了液压支架的密封性及安全性。

基于语义分割的综采工作面视频拼接方法

研究了一种基于语义分割的综采工作面视频拼接方法。该方法针对井下要求,以采煤机为拼接主体。首先使用语义分割模型分割出各路监控视频中的采煤机,获取其在图像中的位置;然后根据采煤机位置来对齐各路监控视频中的采煤机;最后使用图像融合技术来对重叠区域进行融处理。实验结果表明,该方法能够有效地满足井下工作面拼接需求,并具有较高的稳定性和普适性。

IIR滤波器在DTMF信号检测与识别中的研究

根据戈泽尔算法的推导DTF可以看作是一个二阶IIR滤波器的零状态响应。利用IIR滤波器与戈泽尔算法相结合的方法来提高双音多频信号检测的准确性和稳定性,以期解决信号检测对专用解码芯片的依赖。研究中使戈泽尔序列分别通过IIR滤波器和通用滤波器,对比二者的输出结果。结果表明,IIR滤波器与戈泽尔算法相结合有助于提高双音多频信号检测的准确性和稳定性。通过DTMF信号检测的MATLAB的仿真,证明了将带有IIR滤波器的戈泽尔算法移植到DSP硬件上能够解决对专用解码芯片的依赖。

新型节能清洗机控制系统设计

经过对清洗机功能要求和控制过程实现的分析,拟定了新型节能清洗机的设计总体方案。为了实现清洗机自动清洗的特点,设计主要采用新型节能电机进行驱动控制和可编程控制器进行控制系统的控制。在清洗装置的控制部分运用可编程控制器技术,而且对于清洗机的控制系统进行了软硬件设计,从而来达到清洗机的电气传动和控制要求。利用软件的设计以便更好的对系统进行分析和调试。