基于显著性和深度卷积神经网络的输送带表面故障定位

发布时间：2017-06-30 11:21

  本文关键词：基于显著性和深度卷积神经网络的输送带表面故障定位，由笔耕文化传播整理发布。

【摘要】：提出了一种基于显著性和深度卷积神经网络的输送带表面故障定位方法。该方法在输送带上、下表面的边缘烙上数字,利用图像处理技术检测输送带图像中的数字来间接定位输送带表面故障。首先,将采集的输送带图像进行高斯滤波、灰度线性变换等预处理,以提高图像质量、增强背景与目标的对比度;然后根据谱残差理论对预处理后的图像进行视觉显著性处理,获取包含数字区域的视觉显著图;最后,运用卷积神经网络对显著图进行分类,以区分出数字区域和非数字区域。实验结果表明,该方法可以很好地检测输送带图像上的数字,进而实现对输送带表面故障的定位。
【作者单位】： 天津工业大学天津市光电检测技术与系统重点实验室;
【关键词】： 输送带 故障定位 神经网络 视觉显著性 图像处理
【基金】：国家自然科学基金资助项目(51274150,51504164) 天津市科技支撑计划重点项目(13ZCZDGX01000)
【分类号】：TD528.1;TP391.41
【正文快照】： 0引言输送带是带式输送机的重要工作部件,在众多行业应用广泛。输送带工作过程中容易发生划伤、纵向撕裂、破损等表面故障,输送带的安全可靠运行日益受到重视。随着现代科技的迅猛发展,输送带运行状态监测技术水平得到了快速提升。目前,基于机器视觉的输送带故障检测技术开始

【相似文献】

中国期刊全文数据库 前10条

1 田敏;谢贤平;侯江;邢冀;;神经网络在矿业工程中的若干应用进展[J];采矿技术;2008年04期

2 王小完;杨桦;;神经网络技术在矿体边界圈定中的应用研究[J];金属矿山;2009年02期

3 贺康;庞海荣;代粉蕾;;SOM神经网络在全液压钻机液压系统故障诊断中的应用[J];煤矿机械;2011年04期

4 彭泓;高攀;;粗神经网络在煤与瓦斯突出预测系统的应用[J];仪表技术与传感器;2011年11期

5 郭忠平,王志军,李勇;基于神经网络的综合指标在煤矿安全预测中的应用[J];煤矿安全;2005年09期

6 刘兰翠,朱明,杨中;基于神经网络的时间序列对煤矿安全性的预测[J];煤炭科学技术;2002年11期

7 魏一鸣，童光煦;基于神经网络的品位估值方法及其计算机系统[J];化工矿山技术;1995年02期

8 黄国明，，苏文智;基于时序预报神经网络的斜坡变形预测方法[J];中国煤田地质;1996年04期

9 郭科,胥泽银;神经网络在地质数据统计分析中的应用[J];四川联合大学学报(工程科学版);1999年01期

10 李云;刘霁;;神经网络与主元分析在采矿工程中的应用[J];中南林业科技大学学报;2010年06期

中国重要会议论文全文数据库 前4条

1 李春文;曹玲芝;张爱芳;;神经网络PID控制器在提升机控制系统中的应用[A];第二十九届中国控制会议论文集[C];2010年

2 王祥厚;李程远;;台阶爆破岩石块度预测的神经网络[A];第七届全国工程爆破学术会议论文集[C];2001年

3 李昊;阳春华;王随平;;集成神经网络在深海集矿机故障诊断中的应用[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

4 戚玉亮;王同旭;张振宇;王荣超;;位移反分析的Levenberg-Marquardt BP神经网络方法研究[A];全国岩土工程反分析学术研讨会暨黄岩石窟（锦绣黄岩）岩石力学问题讨论会文集[C];2006年

中国博士学位论文全文数据库 前2条

1 雷勇涛;基于神经网络的提升机制动系统故障诊断技术与方法[D];太原理工大学;2010年

2 乔国厚;煤矿安全风险综合评价与预警管理模式研究[D];中国地质大学;2013年

中国硕士学位论文全文数据库 前10条

1 李贝贝;神经网络集成算法研究及其在煤矿安全中的应用[D];山东师范大学;2012年

2 袁姝;神经网络在地震反演中的研究与应用[D];西安石油大学;2011年

3 刘锐;非线性神经网络及其在地学中的应用[D];中国地质科学院;2006年

4 王一兵;基于神经网络的矿井风机故障诊断[D];上海交通大学;2012年

5 沈娜娜;基于神经网络的磨矿过程多模型软测量方法研究[D];辽宁科技大学;2015年

6 丁睿;基于神经网络的铀矿国际市场价格预测[D];中南大学;2010年

7 王淑红;基于神经网络的选矿厂数学模型及应用研究[D];昆明理工大学;2002年

8 陈华明;基于神经网络技术的边坡稳定性研究[D];武汉科技大学;2006年

9 张龙;基于BP神经网络的掘进工作面突出预测及防治技术研究[D];中国计量学院;2012年

10 崔小彦;基于RBF神经网络与蚁群算法的瓦斯预测模型研究[D];辽宁工程技术大学;2009年

  本文关键词：基于显著性和深度卷积神经网络的输送带表面故障定位，由笔耕文化传播整理发布。

本文编号：501750