[發明專利]一種井下帶式輸送機帶面異物檢測方法

在審

• 申請號: 202011198208.0
• 申請日: 2020-10-30
• 公開（公告）號: CN112288726A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 王媛彬;韓騫;王玉靜;李瑜杰;李媛媛;周沖
• 申請（專利權）人: 西安科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 西安啟誠專利知識產權代理事務所(普通合伙) 61240
• 代理人: 李艷春

1.一種井下帶式輸送機帶面異物檢測方法，其特征在于，包括以下步驟：

步驟一、對井下帶式輸送機帶面異物進行圖像采集，并構建異物數據集；

步驟二、對井下帶式輸送機運行過程中的帶面進行圖像采集，并對采集到的圖像進行增強與去噪處理；

步驟三、采用基于卷積神經網絡的目標檢測算法分析帶面異物。

2.按照權利要求1所述的一種井下帶式輸送機帶面異物檢測方法，其特征在于，步驟一中所述對井下帶式輸送機帶面異物進行圖像采集，并構建異物數據集的具體過程包括：

步驟101、數據集的初步選取；

步驟102、數據集的擴充；

步驟103、井下帶式輸送機帶面異物數據集的標注；

步驟104、井下帶式輸送機異物訓練數據集與測試數據集構建。

3.按照權利要求1所述的一種井下帶式輸送機帶面異物檢測方法，其特征在于，步驟二中所述對采集到的圖像進行增強與去噪處理的具體過程包括：

步驟201、把采集到的低照度圖像從RGB顏色空間轉換到HSV顏色空間；

步驟202、采用改進Retinex增強方法對HSV顏色空間中的低照度圖像進行增強；

步驟203、將增強后的圖像從HSV顏色空間轉換到RGB顏色空間中；

步驟204、將增強后的RGB顏色空間中的圖像轉換成灰度圖，并對灰度圖采用改進的自適應中值濾波方法進行濾波。

4.按照權利要求3所述的一種井下帶式輸送機帶面異物檢測方法，其特征在于，步驟202中所述改進Retinex增強方法的具體過程包括：

步驟A1、采用雙邊濾波估計原低照度圖像的照射分量；

步驟A2、對亮度分量進行單尺度Retinex算法增強，對飽和度分量進行自適應非線性拉伸，得到邊緣保持較好的反射分量和提高飽和度的增強圖像；

步驟A3、反射分量取指數得到增強后的亮度分量；

步驟A4、采用全局自適應對數增強算法進行對比度修正處理，得到最終的增強圖像。

5.按照權利要求3所述的一種井下帶式輸送機帶面異物檢測方法，其特征在于，步驟202中所述改進的自適應中值濾波方法的具體過程包括：

步驟B1、初始化濾波窗口S_xy＝3，最大濾波窗口尺寸S_max＝13；

步驟B2、計算s_xy中像素值為0和255的像素點，并作為噪聲點去除，當S_xy中所有像素點全部被去除時，增大濾波窗口的尺寸，當增大后的濾波窗口小于S_max時，執行步驟B2；當增大后的濾波窗口不小于S_max時，執行步驟B3；

步驟B3、再次計算S_xy中像素最小值Z_min、最大值Z_max和中值Z_med；

步驟B4、當Z_min＜Z_med＜Z_max時，執行步驟B5；否則，增大濾波窗口的尺寸，當增大后的濾波窗口小于S_max時，執行步驟B2；當增大后的濾波窗口不小于S_max時，輸出Z_xy；

步驟B5、當Z_min＜Z_xy＜Z_max時，輸出Z_xy；否則，輸出Z_med。

6.按照權利要求1所述的一種井下帶式輸送機帶面異物檢測方法，其特征在于，步驟三中所述基于卷積神經網絡的目標檢測算法以SSD算法框架為基礎，采用深度可分離卷積DSC和GIOU對SSD算法進行優化，并優化SSD網絡中特征圖的提取層和default boxes。

7.按照權利要求6所述的一種井下帶式輸送機帶面異物檢測方法，其特征在于，所述采用深度可分離卷積DSC對SSD算法進行優化的具體過程包括：以深度可分離卷積DSC簡化SSD算法模型中用于圖像特征提取的主干網絡VGG16，降低網絡參數量。