斗齿检测系统在露天煤矿WK-35采煤电铲上的应用

露天煤矿采用电铲进行采煤生产,电铲斗齿脱落导致破碎机损坏的问题时常存在,为解决该问题,在WK-35采煤电铲上设计安装"红外热成像相机+计算机视觉技术"的斗齿检测设备。斗齿检测设备由热像仪读取模块、视屏存储模块、斗齿缺失检测模块、报警模块组成。通过采用Viola-Jones Haar级联分类器对采集图像的斗齿行进行检测和卷积神经网络进行二分类的深度学习算法,判断斗齿是否缺失。斗齿检测设备的应用可达到斗齿完整性的自动检测识别和报警的目的。

基于机器视觉的电铲斗齿缺失检测方法

针对现有电铲斗齿检测方法存在实时性较差、误报率较高等问题,提出了一种基于机器视觉的电铲斗齿缺失检测方法。该方法利用红外热像仪采集铲斗图像,基于模板匹配原理对复杂背景下斗齿的目标区域进行准确定位,利用帧差法实现斗齿的运动检测;在目标区域已定位的基础上,结合斗齿齿线区域的位置关系与齿线结构特征对斗齿进行分割提取,通过自适应阈值,实现对缺失斗齿的检测。实验结果表明,该方法实现了对电铲斗齿缺失的实时、在线、快速、准确检测,检测准确率达到90%以上,为电铲斗齿缺失检测提供了一种有效的解决方法。

基于YOLO V3的露天矿电铲铲斗工作状态检测研究

综合考虑电铲机械机构和工作环境,基于计算机视觉和嵌入式人工智能处理器,设计了一种低成本深度学习电铲斗齿监测方法;对采集的相对单一图像样本进行数据增强,利用轻量级神经网络YOLO V3 tiny对斗齿进行实时检测斗齿粗略位置,利用特征匹配进行斗齿定位,实现斗齿脱落报警。试验结果表明:本方法可以对电铲斗齿进行实时检测,可实现20帧/s的检测速度和85%以上的检测精度,具有精度高、速度快、鲁棒性强的优点。