基于机器视觉的煤尘检测算法研究
发布时间：2020-12-01 19:00
煤尘检测是实现自动化洒水降尘的关键步骤,本文主要研究的目的是通过摄像头采集到的煤炭作业厂区尤其是露天煤炭堆场的图像,判断图像中是否包含煤尘并用矩形框标注。在检测出煤尘后可通过智能控制洒水降尘系统启停的方法来实现自动化洒水,从而及时有效治理煤尘并能够节约水资源。首先,由实地采集和网上爬取的数据构建数据集,由于采集过程中受环境及相机本身的影响,需要对图像进行预处理以及数据增强,为了避免过多的预处理丢失煤尘本身的信息,重点放在图像增强。使用镜像变换、旋转变换和对比度亮度调整来增强图像,模拟不同环境光照下的煤尘图像来丰富数据集,未使用加噪处理是因为加噪后的图像易和煤尘图像发生混淆,影响最终的分类识别精度。然后,对预处理增强后的数据集进行传统的特征提取和分类。选取局部二值模式特征描述子来描述煤尘的纹理特征,并分别使用了圆形局部二值模式、旋转不变性局部二值模式、等价局部二值模式、对比度结合的局部二值模式做特征提取操作,将特征向量输入到支持向量机中进行分类并比较结果,选取结果最优的方法后又使用遗传算法对支持向量机进行了参数寻优,进一步提升了分类正确率。最后,用深度学习的方法,省去了人工选取特征,避免...
【文章来源】：燕山大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
人工神经元示意图
图 2-2 基本神经网络示意图权重值虽然没有标出，但其位于每条连线上，参与着整个的运算。输入层中的每个神经元，都要和隐藏层中的每个神经元做点对点的计算，计算的方法是加权求和并激活，利用隐藏层计算出的每个值，紧接着用相同的方法，和输出层进行计算数值在该网络中的传递是从前往后进行的，即由输入层到隐藏层再到输出层，最后将输出值和真实的样本值进行比较，并计算出误差，这个过程叫前向传播。神经网络在具体工作过程中，数据由输入层输入，其主要目的是为了缩小最后输出层输出的值与真实值间的误差，继而不断更新其权值和偏置值，其中隐藏层尤为重要，这也是神经网络可以实现非线性的关键。对于一些复杂问题的解决，在设计网络结构时，需要考虑神经元个数和隐藏层的层数，一般来说，层数越多，对数据拟合得越好，但如果一味增加层数的话，会增加参数量和计算量，容易产生过拟合，使网络的泛化性差，需根据具体问题设计合理的网络结构。
图 2-3 反向传播算法执行流程像识别连接神经网络的改进。由于练和实际使用，并且极易过理一小块区域的视觉图像。着 CNN 的真正面世，主要用的一段时间并未能火起来，而且其他的算法例如 SVM，的进步，其运算时间缩短，上面的手写数字的。络模型，则需要读取整幅图尺寸越大时，其连接的参数
【参考文献】：
期刊论文
[1]1950—2016年我国煤矿特大事故统计分析[J]. 朱云飞,王德明,戚绪尧,李德利,邵振鲁. 煤矿安全. 2018(10)
[2]高斯支持向量机在家具板材分类识别中的应用[J]. 何金彬,傅惠南,黄辰阳,潘奕创. 自动化与仪表. 2018(06)
[3]时空背景模型下结合多种纹理特征的烟雾检测[J]. 赵敏,张为,王鑫,刘艳艳. 西安交通大学学报. 2018(08)
[4]2017年世界煤炭市场形势回顾及发展趋势展望[J]. 梁敦仕. 煤炭经济研究. 2018(03)
[5]基于高斯局部二值模式的纹理特征分类方法[J]. 黄辰,费继友,刘晓东. 电子技术应用. 2018(01)
[6]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡. 地球信息科学学报. 2017(11)
[7]基于深度迁移学习的烟雾识别方法[J]. 王文朋,毛文涛,何建樑,窦智. 计算机应用. 2017(11)
[8]基于LBP和SVM的人脸检测[J]. 翟社平,李炀,马蒙雨,高山. 计算机技术与发展. 2017(09)
[9]“一带一路”战略视野下的煤炭开发投资国别研究[J]. 马宝清. 煤炭工程. 2017(04)
[10]一种改进的支持向量机参数优化方法[J]. 赵朝贺. 地理空间信息. 2017(01)
[1]基于机器视觉的煤尘在线检测系统关键技术研究[D]. 刘伟华.山东大学 2011
[2]基于图像处理的井下煤尘在线检测技术的研究[D]. 张伟.山东大学 2010
博士论文
[1]1950—2016年我国煤矿特大事故统计分析[J]. 朱云飞,王德明,戚绪尧,李德利,邵振鲁. 煤矿安全. 2018(10)
[2]高斯支持向量机在家具板材分类识别中的应用[J]. 何金彬,傅惠南,黄辰阳,潘奕创. 自动化与仪表. 2018(06)
[3]时空背景模型下结合多种纹理特征的烟雾检测[J]. 赵敏,张为,王鑫,刘艳艳. 西安交通大学学报. 2018(08)
[4]2017年世界煤炭市场形势回顾及发展趋势展望[J]. 梁敦仕. 煤炭经济研究. 2018(03)
[5]基于高斯局部二值模式的纹理特征分类方法[J]. 黄辰,费继友,刘晓东. 电子技术应用. 2018(01)
[6]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡. 地球信息科学学报. 2017(11)
[7]基于深度迁移学习的烟雾识别方法[J]. 王文朋,毛文涛,何建樑,窦智. 计算机应用. 2017(11)
[8]基于LBP和SVM的人脸检测[J]. 翟社平,李炀,马蒙雨,高山. 计算机技术与发展. 2017(09)
[9]“一带一路”战略视野下的煤炭开发投资国别研究[J]. 马宝清. 煤炭工程. 2017(04)
[10]一种改进的支持向量机参数优化方法[J]. 赵朝贺. 地理空间信息. 2017(01)
[1]基于机器视觉的煤尘在线检测系统关键技术研究[D]. 刘伟华.山东大学 2011
[2]基于图像处理的井下煤尘在线检测技术的研究[D]. 张伟.山东大学 2010
硕士论文
[1]基于菲涅尔透镜浓度测试的基础技术研究[D]. 张珊珊.西安工业大学 2016
[2]基于加权多特征融合和SVM的图像分类研究[D]. 翟莉.华中师范大学 2016
本文编号：2894982
【文章来源】：燕山大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
人工神经元示意图
图 2-2 基本神经网络示意图权重值虽然没有标出，但其位于每条连线上，参与着整个的运算。输入层中的每个神经元，都要和隐藏层中的每个神经元做点对点的计算，计算的方法是加权求和并激活，利用隐藏层计算出的每个值，紧接着用相同的方法，和输出层进行计算数值在该网络中的传递是从前往后进行的，即由输入层到隐藏层再到输出层，最后将输出值和真实的样本值进行比较，并计算出误差，这个过程叫前向传播。神经网络在具体工作过程中，数据由输入层输入，其主要目的是为了缩小最后输出层输出的值与真实值间的误差，继而不断更新其权值和偏置值，其中隐藏层尤为重要，这也是神经网络可以实现非线性的关键。对于一些复杂问题的解决，在设计网络结构时，需要考虑神经元个数和隐藏层的层数，一般来说，层数越多，对数据拟合得越好，但如果一味增加层数的话，会增加参数量和计算量，容易产生过拟合，使网络的泛化性差，需根据具体问题设计合理的网络结构。
图 2-3 反向传播算法执行流程像识别连接神经网络的改进。由于练和实际使用，并且极易过理一小块区域的视觉图像。着 CNN 的真正面世，主要用的一段时间并未能火起来，而且其他的算法例如 SVM，的进步，其运算时间缩短，上面的手写数字的。络模型，则需要读取整幅图尺寸越大时，其连接的参数
【参考文献】：
期刊论文
[1]1950—2016年我国煤矿特大事故统计分析[J]. 朱云飞,王德明,戚绪尧,李德利,邵振鲁. 煤矿安全. 2018(10)
[2]高斯支持向量机在家具板材分类识别中的应用[J]. 何金彬,傅惠南,黄辰阳,潘奕创. 自动化与仪表. 2018(06)
[3]时空背景模型下结合多种纹理特征的烟雾检测[J]. 赵敏,张为,王鑫,刘艳艳. 西安交通大学学报. 2018(08)
[4]2017年世界煤炭市场形势回顾及发展趋势展望[J]. 梁敦仕. 煤炭经济研究. 2018(03)
[5]基于高斯局部二值模式的纹理特征分类方法[J]. 黄辰,费继友,刘晓东. 电子技术应用. 2018(01)
[6]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡. 地球信息科学学报. 2017(11)
[7]基于深度迁移学习的烟雾识别方法[J]. 王文朋,毛文涛,何建樑,窦智. 计算机应用. 2017(11)
[8]基于LBP和SVM的人脸检测[J]. 翟社平,李炀,马蒙雨,高山. 计算机技术与发展. 2017(09)
[9]“一带一路”战略视野下的煤炭开发投资国别研究[J]. 马宝清. 煤炭工程. 2017(04)
[10]一种改进的支持向量机参数优化方法[J]. 赵朝贺. 地理空间信息. 2017(01)
[1]基于机器视觉的煤尘在线检测系统关键技术研究[D]. 刘伟华.山东大学 2011
[2]基于图像处理的井下煤尘在线检测技术的研究[D]. 张伟.山东大学 2010
博士论文
[1]1950—2016年我国煤矿特大事故统计分析[J]. 朱云飞,王德明,戚绪尧,李德利,邵振鲁. 煤矿安全. 2018(10)
[2]高斯支持向量机在家具板材分类识别中的应用[J]. 何金彬,傅惠南,黄辰阳,潘奕创. 自动化与仪表. 2018(06)
[3]时空背景模型下结合多种纹理特征的烟雾检测[J]. 赵敏,张为,王鑫,刘艳艳. 西安交通大学学报. 2018(08)
[4]2017年世界煤炭市场形势回顾及发展趋势展望[J]. 梁敦仕. 煤炭经济研究. 2018(03)
[5]基于高斯局部二值模式的纹理特征分类方法[J]. 黄辰,费继友,刘晓东. 电子技术应用. 2018(01)
[6]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡. 地球信息科学学报. 2017(11)
[7]基于深度迁移学习的烟雾识别方法[J]. 王文朋,毛文涛,何建樑,窦智. 计算机应用. 2017(11)
[8]基于LBP和SVM的人脸检测[J]. 翟社平,李炀,马蒙雨,高山. 计算机技术与发展. 2017(09)
[9]“一带一路”战略视野下的煤炭开发投资国别研究[J]. 马宝清. 煤炭工程. 2017(04)
[10]一种改进的支持向量机参数优化方法[J]. 赵朝贺. 地理空间信息. 2017(01)
[1]基于机器视觉的煤尘在线检测系统关键技术研究[D]. 刘伟华.山东大学 2011
[2]基于图像处理的井下煤尘在线检测技术的研究[D]. 张伟.山东大学 2010
硕士论文
[1]基于菲涅尔透镜浓度测试的基础技术研究[D]. 张珊珊.西安工业大学 2016
[2]基于加权多特征融合和SVM的图像分类研究[D]. 翟莉.华中师范大学 2016
本文编号：2894982
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/2894982.html
