基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法

为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识别提供良好基础。将增强后的图像输入到RetinaNet深度网络中,通过其内部特征金字塔网络提取煤矿带式输送机运输图像深度特征,输入到各子网中实现边框回归和分类,同时定义损失函数对网络进行调整。通过大量包含煤矿带式输送机异物的图像来训练RetinaNet深度网络,最终通过训练好的网络实现煤矿带式输送机异物智能识别。通过实验验证,该方法能够迅速且准确地识别出异物,并通过醒目红色标识框对异物进行精确标注,提升带式输送机运输的连续性和稳定性,有效提高煤矿的生产效率和经济效益。