复杂环境下煤矿皮带运输异物图像识别研究

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景

1.2 研究意义

1.3.1 图像识别研究现状

1.3.2 深度学习理论研究现状

1.3.3 基于深度学习目标识别研究现状

1.4 研究内容、方法及技术路线

1.4.1 研究内容

1.4.2 研究方法

1.4.3 技术路线

1.5 本章小结

2 煤矿运输系统异物管理现状及识别方法选择

2.1煤矿的复杂环境论述

2.2煤矿皮带运输机结构

2.3.1 异物来源

2.3.2 异物危害

2.3.3 异物去除方法

2.4 基于深度学习异物识别的可行性与优势

2.4.1 基于深度学习的皮带运输异物识别可行性

2.4.2 基于深度学习目标检测的优势

2.5 本章小结

3 基于图像处理的异物识别方法数据分析

3.1 图像滤波

3.2 图像增强

3.2.1 直方图均衡化

3.2.2 自适应图像均衡化

3.3 图像标注

3.3.1 确定数据格式

3.3.2 利用LabelImg标注图像

3.4 本章小结

4 基于 Faster R-CNN 的异物识别检测

4.1 目标检测算法的确定

4.2.1 特征提取网络的确定

4.2.2 特征提取网络的构建

4.3 RPN网络的构建与优化

4.3.1 构建RPN网络结构

4.3.2 获取候选区域的方法改进

4.3.3 损失函数选择

4.4 构建 Fast R-CNN 网络结构

4.4.1 图像归一化处理

4.4.2 确定损失函数

4.5 目标识别结果分析

4.5.1 深度学习框架选择

4.5.2 检测结果定量分析

4.5.3 检测结果视觉效果

4.6 本章小结

5 基于深度学习的异物识别实施效益及建议

5.1 异物识别实施效益

5.1.1 减少作业人员和设备事故产生的效益

5.1.2 提高煤炭质量产生的效益

5.1.3 保护环境生态产生的效益

5.2 异物识别实施建议

5.2.1 煤矿物联网硬件设备投入建议

5.2.2 人员投入建议

5.2.3 组织管理方式建议

5.3 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

作者简介

学位论文原创声明

学位论文数据集