期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
煤矿运输皮带故障检测的机器学习方法
被引量:
1
1
作者
党浚哲
陈立烨
+2 位作者
崔子航
段琦锋
陈思妍
《现代信息科技》
2023年第17期145-150,共6页
为了能够及时对煤矿运输皮带的故障进行检测,文章研究一种用于煤矿运输皮带机故障检测的机器学习方法。在对皮带故障检测图像特点分析的基础上,以基于ShuffleNet V2改进的YOLOv5网络建立了煤矿运输皮带的故障检测网络。针对因工作环境...
为了能够及时对煤矿运输皮带的故障进行检测,文章研究一种用于煤矿运输皮带机故障检测的机器学习方法。在对皮带故障检测图像特点分析的基础上,以基于ShuffleNet V2改进的YOLOv5网络建立了煤矿运输皮带的故障检测网络。针对因工作环境导致的图像质量问题,在网络前部加入了图像预处理模块。同时,为了减小模型体积,提高检测速度和效率,对加强特征提取模块和多尺度特征融合模块进行了改进。实验结果表明,煤矿运输皮带故障检测网络的mAP值达到0.896,实现了较高的检测精度;同时检测速度可达32.2帧/秒,满足工业现场对实时检测的需求。
展开更多
关键词
生产安全
皮带运输机
目标检测
计算机视觉
下载PDF
职称材料
基于FocalLoss的煤矿井下人员安全视觉监测方法
2
作者
陈立烨
党浚哲
+2 位作者
崔子航
陈思妍
段琦锋
《现代信息科技》
2023年第13期96-100,共5页
监测矿井工作人员违规进入或误入煤矿井下危险区域是煤矿安全管理的重要内容,对工作人员违规进入或是误入危险区域的行为及时监测和报警是减少事故的重要手段。针对煤矿井下危险区域的监测,提出一种基于FocalLoss的人工智能方法,实现对...
监测矿井工作人员违规进入或误入煤矿井下危险区域是煤矿安全管理的重要内容,对工作人员违规进入或是误入危险区域的行为及时监测和报警是减少事故的重要手段。针对煤矿井下危险区域的监测,提出一种基于FocalLoss的人工智能方法,实现对进入危险区域的人员及时报警。经过实验测试与分析,这种方法对人员检测的平均精度达到95.6%,检测速度达到9.9 f/s,优于对比算法,具有较高的准确性和实时性。
展开更多
关键词
深度学习
人员检测
矿井安全
实时监测
下载PDF
职称材料
题名
煤矿运输皮带故障检测的机器学习方法
被引量:
1
1
作者
党浚哲
陈立烨
崔子航
段琦锋
陈思妍
机构
中国矿业大学(北京)机电与信息工程学院
出处
《现代信息科技》
2023年第17期145-150,共6页
文摘
为了能够及时对煤矿运输皮带的故障进行检测,文章研究一种用于煤矿运输皮带机故障检测的机器学习方法。在对皮带故障检测图像特点分析的基础上,以基于ShuffleNet V2改进的YOLOv5网络建立了煤矿运输皮带的故障检测网络。针对因工作环境导致的图像质量问题,在网络前部加入了图像预处理模块。同时,为了减小模型体积,提高检测速度和效率,对加强特征提取模块和多尺度特征融合模块进行了改进。实验结果表明,煤矿运输皮带故障检测网络的mAP值达到0.896,实现了较高的检测精度;同时检测速度可达32.2帧/秒,满足工业现场对实时检测的需求。
关键词
生产安全
皮带运输机
目标检测
计算机视觉
Keywords
production safety
belt conveyor
object detection
computer vision
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于FocalLoss的煤矿井下人员安全视觉监测方法
2
作者
陈立烨
党浚哲
崔子航
陈思妍
段琦锋
机构
中国矿业大学(北京)机电与信息工程学院
出处
《现代信息科技》
2023年第13期96-100,共5页
文摘
监测矿井工作人员违规进入或误入煤矿井下危险区域是煤矿安全管理的重要内容,对工作人员违规进入或是误入危险区域的行为及时监测和报警是减少事故的重要手段。针对煤矿井下危险区域的监测,提出一种基于FocalLoss的人工智能方法,实现对进入危险区域的人员及时报警。经过实验测试与分析,这种方法对人员检测的平均精度达到95.6%,检测速度达到9.9 f/s,优于对比算法,具有较高的准确性和实时性。
关键词
深度学习
人员检测
矿井安全
实时监测
Keywords
deep learning
person detection
coal mine safety
real-time monitoring
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TD76 [矿业工程—矿井通风与安全]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
煤矿运输皮带故障检测的机器学习方法
党浚哲
陈立烨
崔子航
段琦锋
陈思妍
《现代信息科技》
2023
1
下载PDF
职称材料
2
基于FocalLoss的煤矿井下人员安全视觉监测方法
陈立烨
党浚哲
崔子航
陈思妍
段琦锋
《现代信息科技》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部