基于机器视觉的皮带撕裂图像识别方法

为了保障皮带机运行的安全性与连续性,提高皮带运输过程中异常撕裂图像识别的抓图频率和图像清晰度,文章依托机器视觉技术,设计针对皮带撕裂图像的全新识别方法。通过皮带机运行异常画面检测、基于机器视觉的异常画面处理与分析、基于深度学习的皮带撕裂特征提取与分类、皮带机运行撕裂报警,完成对识别方法的设计。通过对比实验,证明此次设计的图像识别方法在实际应用中,可以实现对图像的高频率抓取,并保证识别过程中对图像的处理能够达到更高清晰度水平,为识别效率和识别精度的提升提供有利条件。

基于图像智能识别的输煤异常程控联动的应用研究

输煤皮带是火力发电企业重要的设备之一,其在生产中的重要性以及严苛的运行环境对安全管理有着较高的要求。对于输煤皮带的运行场景,传统的人工巡检方式存在难度大、成本高等问题,无法很好地平衡经济与安全。本研究将以图像识别技术为基础,对输煤皮带安全管理需求中的“运输堵煤”、“皮带撕裂”、“栈桥火灾”、“人员入侵”四项主要项目进行研究,针对各项需求的特点,设计对应的解决方案,实现安全管理的无人化、智能化、自动化,在保证安全管理质量的同时解放人力资源,使得企业能够更加合理地调配资源,提高生产的效率。