改进Faster-R-CNN的输送带表面损伤检测

被引：0
|
作者：
袁媛
赵鹏举
孟文俊
王航
机构：
[1] 太原科技大学车辆与交通工程学院
来源：
机械设计与制造 | 2025年 / 03期
关键词：
输送带; 损伤检测; Faster-R-CNN; MobileNet;
D O I：
暂无
中图分类号：
TP391.41 []; TP183 [人工神经网络与计算]; TH222 [皮带输送机];
学科分类号：
080203 ;
摘要：
针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题，提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上，首选MobileNet网络进行图像轻量化特征提取，然后在RPN模块中引入anchor原始特征与卷积相融合的背景分类，以加强输送带的损伤特征信息；最后构建输送带表面损伤的数据集进行数据试验，并分别采用VGG-19,ResNet-18骨干网络进行试验对比，结果表明改进的Faster-R-CNN的算法，针对输送带划伤、撕裂和破损的损伤状态均能够有效识别。
引用
收藏
页码：199 / 203
页数：5
相关论文
共 11 条
  • [1] 基于改进Faster R-CNN的隐形眼镜表面缺陷检测算法
    王昊
    查涛
    乜灵梅
    张军
    唐钰喜
    赵友全
    [J]. 激光与光电子学进展, 2023, (20) : 141 - 147
  • [2] 基于改进Faster R-CNN的CRTSⅡ型轨道板裂缝检测方法
    许贵阳
    张诗泉
    白堂博
    [J]. 中国铁道科学, 2023, 44 (01) : 106 - 113
  • [3] 矿用输送带纵向撕裂视听融合检测方法
    高瑜璋
    乔铁柱
    车剑
    [J]. 电子测量技术, 2022, 45 (07) : 131 - 136
  • [4] 基于改进YOLOv4的输送带损伤检测方法
    周宇杰
    徐善永
    黄友锐
    唐超礼
    [J]. 工矿自动化, 2021, 47 (11) : 61 - 65
  • [5] 基于改进高斯混合模型的矿用输送带纵向撕裂检测方法
    郭健
    乔铁柱
    车剑
    [J]. 煤矿安全, 2020, 51 (12) : 167 - 170
  • [6] 基于图像处理的输送带跑偏故障在线检测技术研究
    杨林顺
    董志勇
    [J]. 煤炭工程, 2020, 52 (10) : 116 - 120
  • [7] 带式输送机输送带故障检测技术研究
    杨祥
    田慕琴
    李璐
    雷志鹏
    宋建成
    张林锋
    [J]. 煤矿机械, 2019, 40 (02) : 133 - 136
  • [8] 矿用输送带纵撕图像检测和纵撕故障识别方法
    刘波
    [J]. 煤矿机械, 2018, 39 (05) : 144 - 146
  • [9] 抗撕裂输送带性能测试控制系统的设计
    王强
    王建华
    刘志峰
    吴喜文
    [J]. 机械设计与制造, 2008, (08) : 8 - 9
  • [10] Embedded Edge Artificial Intelligence for Longitudinal Rip Detection in Conveyor Belt Applied at the Industrial Mining Environment.[J].Klippel Emerson;Oliveira Ricardo Augusto Rabelo;Maslov Dmitry;Bianchi Andrea Gomes Campos;Delabrida Saul Emanuel;Garrocho Charles Tim Batista.SN Computer Science.2022, 4
12