基于曲面重建的带式输送机堆煤识别方法

来源 :工矿自动化 | 被引量 : 0次 | 上传用户:zyff1985
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有带式输送机堆煤识别方法存在的易发生误触发报警、成本高等问题,提出一种采用红外结构光技术快速重建煤流曲面的带式输送机堆煤识别方法。首先,利用红外结构光技术获取堆煤的深度图;其次,将深度图映射为点云图,用点云数据构建凸四边形网,通过近似德劳内剖分法对凸四边形网进行三角剖分,完成堆煤曲面重建;最后,根据三角形顶点到相机的距离及顶点距离小于阈值的三角形面积占总面积的比例,判定是否出现堆煤事故。近似德劳内剖分法用遍历过程代替插入排序过程,存在小概率不满足德劳内性质的情况,但算法复杂度低,可大幅提升三角剖分速
其他文献
通过检测识别图像中的灭点位置可用来辅助矿井巷道移动机器人进行自主导航。针对现有的灭点检测方法在光照条件差、结构化信息不足的矿井巷道场景下误差较大的问题,提出了一种矿井巷道复杂场景灭点检测方法。首先,对图像进行缩小、滤波、灰度化等预处理,以大幅减少计算量,较好地保留直线特征;然后,采用直线检测算法对图像进行直线检测,引入直线长度阈值和平均梯度约束分别剔除长度小的干扰直线和图像中由阴影产生的干扰直线,
齿轮修形能够有效改善重载齿轮的啮合状况,提出一种齿廓修形设计的新方法,建立了修形齿廓的参数方程;基于Romax软件对齿轮进行轮齿接触分析,对修形前后齿面载荷分布情况及传
对煤矿井下视频监控中的人员身份进行智能识别,对提高人员监管效率、减少安全事故发生具有重要意义。受井下环境复杂、视频监控设备性能局限性影响,井下视频监控图像存在分辨率低、遮挡、背景干扰等问题,导致井下人员间差异性较小,人员重识别准确率低。针对上述问题,提出了一种基于通道注意力和距离度量的网络结构,并将其用于井下复杂环境人员重识别。针对监控图像中人员与背景不易区分的问题,在骨干网络中引入通道注意力模块,使其更加关注人员的前景特征而抑制背景信息,并将骨干网络最后一层输出的特征图大小扩大1倍,以获得更多的细粒度特
回顾了我国采煤机技术的发展历程,阐述了我国采煤机关键技术的现状,并与国外先进采煤机技术对比,分析了与国际先进采煤机技术的差距,指出我国采煤机技术未来发展方向应为高效
针对国产水平定向钻机电控系统存在智能化程度低、功能单一、安全性差等问题,设计了一套矿用水平定向钻机智能化电控系统。该系统主要由微处理器、电压电流检测模块、安全栅采集模块、漏电闭锁模块、漏电流检测模块和先导模块组成。安全栅采集模块通过开关量安全栅、模拟量安全栅、热电阻安全栅进行限压限流和故障隔离,提升信号采集精确度和信号采集过程中的安全系数;漏电闭锁模块采用外加直流电的方法检测电动机对地等效绝缘电阻,将计算出的电阻值与漏电闭锁动作电阻的整定值比较,实现电动机漏电闭锁故障的切除;漏电流检测模块采用外加零序电流
针对目前井下矿灯存在功能单一、无线通信距离短和功耗较高等问题,基于LoRa无线通信技术和物联网操作系统RT-Thread设计了一种集井下照明、环境状态感知、人员状态监测与定位、无线通信与安全报警的多功能矿灯。该矿灯以STM32单片机作为核心,利用多种传感器实现环境温湿度、瓦斯浓度和人员运动状态信息的实时感知;利用远距离低功耗的LoRa无线通信技术,结合LoRa智能网关,与地面远程监控平台实现信息交互。该多功能矿灯还能够进行本地异常状态预警并上报远程监控平台,同时,监控平台能够下发安全预警信息,向井下工作人
针对催化燃烧式甲烷传感器功耗较高及有线瓦斯浓度监测系统安装成本高、扩展性和灵活性差、维护工作量大等问题,设计了基于LoRa的低功耗瓦斯浓度分布式监测系统,详细介绍了瓦斯浓度采集节点与LoRa智能网关的软硬件设计。瓦斯浓度采集节点采用STM32L151超低功耗系列处理器,通过电源管理模块将系统电源分为可控的3个部分,并通过功耗控制策略降低功耗:①单片机核心系统采用低功耗模式;②MJC4/2.8J甲烷检测用载体催化元件采用动态通电方式,以降低平均电流;③采集节点中除单片机核心系统外的其他模块按需供电。LoRa
煤矿副井罐笼井口运输环境复杂,目前大多采用人工操作方式,耗费大量人力、物力,运输效率低,且难以保障安全。以华亭煤业集团有限责任公司副井罐笼井口运输系统为研究对象,采用惯性测量、PLC、电磁铁连接等技术,设计了一种副井井口自动化运输系统,介绍了该系统组成,阐述了系统关键技术的解决方案,包括基于惯性测量与射频识别信标的电机车定位、基于电磁铁的电机车与车厢自动挂接、自动扳道、基于绝对值编码器的自动翻车等。应用结果表明,该系统实现了副井罐笼井口运输设备的自动化控制,提高了运输效率,减少了人工投入,实现了老矿区人力
随着国内煤炭开采技术的进步,综合机械化采煤工作面向着大采高及超大采高的方向发展,采高越大顶板周期来压越明显,压力冲击更强烈,顶板控制难度加大,这就要求液压支架能够提
针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题,提出一种基于深度学习的矿用输送带损伤检测方法,通过Yolov4-tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络,借鉴Resnet残差思想,使用残差块防止深层网络中高层语义特征丢失,同时采用特征金字塔网络实现高低层语义信息融合,达到提高检测精度的目的;将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head,通过得分排序和