基于机器视觉的煤炭运输列车车厢状态智能检测方法

提出基于机器视觉的煤炭运输列车车厢状态智能检测方法,该方法能及时发现安全隐患并进行预警,提升检车效率,有效预防事故的发生,保障煤炭运输的安全。利用线阵相机等设备采集煤炭运输列车车厢的原始图像;利用Retinex算法增强列车车厢原始图像,提升图像质量;采用索贝尔算子对图像中的车厢实施切分处理,得到每一节完整的车厢图片,用于后续的车厢状态检测;构建YOLOv5算法,并提出一种抑制异类冗余框的方法,对其实施改进,利用改进后的方法完成对煤炭运输列车车厢状态的智能检测,并将检测结果应用于车厢异常报警中。实验证明,该方法能够精准检测煤炭运输列车车厢状态,并及时发出报警信息,在mAP和FPS方面均有较好的表现。