基于深度学习的煤矸石计量研究

针对在煤矿皮带输送机上难以对煤矸石实时计量,结合图像处理技术和深度学习技术,提出基于Yolact算法的皮带矸石动态计量方法。首先对图像进行预处理,包括滤波、光照增强;然后采用轻量级的残差结构作为Yolact算法的特征提取主干,对皮带矸石进行实时的实例分割;最后二值化矸石分割结果,引入开源跨平台计算机视觉库OpenCV,利用像素阈值计算矸石的具体数量和面积,通过搭建矿用皮带矸石分拣装置,验证矸石计量算法的可行性。结果表明,皮带矸石动态计量方法能够有效学习矸石特征,网络计量皮带中矸石面积和位置信息的准确率为94.66%,网络的检测速度为30.72 FPS。该方法能对煤矿皮带中的矸石进行有效计量。