可燃性粉尘云的图像检测方法

发布时间：2021-12-16 19:46

　　近年来粉尘爆炸引起的安全生产事故频繁发生,在线检测粉尘易集聚场所的粉尘云浓度并进行预警,成为控制粉尘爆炸的关键手段,而目前粉尘浓度传感器在大空间粉尘云聚集场所存在安装与识别局限性。为此,提出基于深度学习的可燃性粉尘云图像检测方法;采用基于卷积神经网络（CNN）的Faster R-CNN模型,对可燃性粉尘云进行端到端的检测与识别;并通过建立的粉尘云标准浓度图像数据库验证模型的有效性。结果表明:Faster R-CNN模型具有较高的识别精度。 

【文章来源】：中国安全科学学报. 2020,30(04)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 基本原理
2 试验过程
    2.1 建立粉尘云图像库
    2.2 数据增强
    2.3 数据预处理
    2.4 训练模型
    2.5 评价指标
    2.6 试验结果与分析
3 结论


【参考文献】：
期刊论文
[1]机械加工伴生粉尘爆炸危险性分析[J]. 韩波,李刚,马赫,苑春苗.  中国安全科学学报. 2018(09)
[2]不同粒径铝粉火焰传播特性试验研究[J]. 胡东涛,陈先锋,陈曦.  中国安全科学学报. 2016(08)
[3]粉尘爆炸特征和预防措施探讨[J]. 张二强,张礼敬,陶刚,李源.  中国安全生产科学技术. 2012(02)
[4]关于可燃粉尘爆炸危险性分级的探讨[J]. 陈立红,郭汉彦.  爆炸性环境电气防爆技术. 1992(01)



本文编号：3538725