基于深度学习的下矿人员安保穿戴设备检测系统设计
发布时间：2021-01-06 18:49
矿产资源为人民的生产生活提供了的重要物质基础,国民经济的快速发展同样离不开充足的能源。然而根据调查结果,近几年在矿山开采中时常有事故发生。为了保护一线矿工的生命安全,避免矿工在开采过程中受到伤害,矿山一般强制下矿人员有效穿戴安保设备后才能下矿开采。但是由于我国的矿山具有环境复杂、人员流动性大、一线矿工人员安全开采意识不高等特点,监管人员往往很难做到实时监督每位矿工安保设备的穿戴情况。为了解决实时监督这个问题,本文提出一种利用深度学习技术来检测下矿人员安保设备是否穿戴的方法,并且开发了一套基于SSD-MobileNet的矿工安保穿戴设备检测系统。通过这样一套自动化与智能化的检测系统可以有效解决矿工安保穿戴设备检测的复杂性及反复性问题。进一步有效约束矿工的安全生产行为,实现矿井安全管理系统智能化。本文的主要工作如下:（1）本文提出了下矿人员安保穿戴设备检测系统的总体设计方案。检测系统由压力开关、PLC、摄像头、上位机以及闸机系统等硬件构成,系统具有动态感知、数据采集、目标检测、数据统计、闸机控制以及人机交互等功能。（2）本文对深度学习的理论知识展开了研究。阐述了卷积神经网络的发展历程、网络...
【文章来源】：青岛科技大学山东省
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 论文的主要研究内容
1.4 论文的章节安排
2 安保穿戴设备检测系统的总体设计
2.1 检测系统的总体方案
2.2 检测系统的功能介绍
2.3 本章小结
3 深度学习理论及安保穿戴设备检测算法研究
3.1 卷积神经网络的发展
3.2 卷积神经网络的结构及其训练
3.2.1 卷积神经网络的结构
3.2.2 卷积神经网络的训练
3.3 安保穿戴设备的目标检测算法研究
3.3.1 目标检测算法简介
3.3.2 卷积神经网络的两步检测算法
3.3.3 卷积神经网络的单步检测算法
3.4 本章小结
4 安保穿戴设备检测模型的实验及分析
4.1 准备工作
4.1.1 训练环境搭建
4.1.2 采集数据集
4.1.3 数据集标注
4.2 模型训练及导出
4.2.1 Faster R-CNN网络模型的训练
4.2.2 YOLOv3网络模型的训练
4.2.3 SSD-Mobile Net网络模型的训练
4.3 模型测试及分析
4.3.1 Faster R-CNN网络模型实验结果
4.3.2 YOLOv3网络模型实验结果
4.3.3 SSD-Mobile Net网络模型实验结果
4.4 本章小结
5 下矿人员安保穿戴设备检测系统的实现
5.1 检测系统的硬件实现
5.1.1 硬件选型
5.1.2 电气接线图
5.2 检测系统的软件实现
5.2.1 上位机界面的UI设计
5.2.2 上位机界面的功能
5.3 本章小结
总结与展望
总结
展望
参考文献
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]采摘机器人动态果实目标检测与跟踪技术研究——基于云存储[J]. 李敏,冯亚丽,吴东林. 农机化研究. 2020(09)
[2]深度学习在计算机视觉领域的应用进展[J]. 曾子力. 计算机产品与流通. 2020(01)
[3]计算机视觉在人脸识别领域中的应用研究[J]. 梁博. 信息与电脑(理论版). 2019(20)
[4]基于SSD-MobileNet的矿工安保穿戴设备检测系统[J]. 张春堂,管利聪. 工矿自动化. 2019(06)
[5]基于军事飞机图像结合FCN的目标检测技术应用[J]. 张春雷. 电子测试. 2019(10)
[6]基于深度卷积神经网络的井下人员目标检测[J]. 唐士宇,朱艾春,张赛,曹青峰,崔冉,华钢. 工矿自动化. 2018(11)
[7]深度学习在计算机视觉领域的应用进展[J]. 周益淇. 电子制作. 2018(16)
[8]基于手动挡汽车的新型离合器操纵装置设计与研究[J]. 李亚东,张兵,陈文广. 汽车实用技术. 2018(10)
[9]采矿工程施工工程中不安全技术因素和对策解析[J]. 武茂超,侯佐林. 山东工业技术. 2018(11)
[10]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃. 自动化学报. 2017(08)
硕士论文
[1]基于深度学习的高光谱图像分类及参数设置研究[D]. 孙巧巧.青岛科技大学 2018
[2]基于卷积神经网络的非限定性条件下的人脸识别研究[D]. 于诗梦.哈尔滨工业大学 2017
[3]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[4]监控视频中的前景提取和目标检测跟踪算法研究[D]. 郭达洁.浙江大学 2016
本文编号：2961080
【文章来源】：青岛科技大学山东省
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 论文的主要研究内容
1.4 论文的章节安排
2 安保穿戴设备检测系统的总体设计
2.1 检测系统的总体方案
2.2 检测系统的功能介绍
2.3 本章小结
3 深度学习理论及安保穿戴设备检测算法研究
3.1 卷积神经网络的发展
3.2 卷积神经网络的结构及其训练
3.2.1 卷积神经网络的结构
3.2.2 卷积神经网络的训练
3.3 安保穿戴设备的目标检测算法研究
3.3.1 目标检测算法简介
3.3.2 卷积神经网络的两步检测算法
3.3.3 卷积神经网络的单步检测算法
3.4 本章小结
4 安保穿戴设备检测模型的实验及分析
4.1 准备工作
4.1.1 训练环境搭建
4.1.2 采集数据集
4.1.3 数据集标注
4.2 模型训练及导出
4.2.1 Faster R-CNN网络模型的训练
4.2.2 YOLOv3网络模型的训练
4.2.3 SSD-Mobile Net网络模型的训练
4.3 模型测试及分析
4.3.1 Faster R-CNN网络模型实验结果
4.3.2 YOLOv3网络模型实验结果
4.3.3 SSD-Mobile Net网络模型实验结果
4.4 本章小结
5 下矿人员安保穿戴设备检测系统的实现
5.1 检测系统的硬件实现
5.1.1 硬件选型
5.1.2 电气接线图
5.2 检测系统的软件实现
5.2.1 上位机界面的UI设计
5.2.2 上位机界面的功能
5.3 本章小结
总结与展望
总结
展望
参考文献
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]采摘机器人动态果实目标检测与跟踪技术研究——基于云存储[J]. 李敏,冯亚丽,吴东林. 农机化研究. 2020(09)
[2]深度学习在计算机视觉领域的应用进展[J]. 曾子力. 计算机产品与流通. 2020(01)
[3]计算机视觉在人脸识别领域中的应用研究[J]. 梁博. 信息与电脑(理论版). 2019(20)
[4]基于SSD-MobileNet的矿工安保穿戴设备检测系统[J]. 张春堂,管利聪. 工矿自动化. 2019(06)
[5]基于军事飞机图像结合FCN的目标检测技术应用[J]. 张春雷. 电子测试. 2019(10)
[6]基于深度卷积神经网络的井下人员目标检测[J]. 唐士宇,朱艾春,张赛,曹青峰,崔冉,华钢. 工矿自动化. 2018(11)
[7]深度学习在计算机视觉领域的应用进展[J]. 周益淇. 电子制作. 2018(16)
[8]基于手动挡汽车的新型离合器操纵装置设计与研究[J]. 李亚东,张兵,陈文广. 汽车实用技术. 2018(10)
[9]采矿工程施工工程中不安全技术因素和对策解析[J]. 武茂超,侯佐林. 山东工业技术. 2018(11)
[10]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃. 自动化学报. 2017(08)
硕士论文
[1]基于深度学习的高光谱图像分类及参数设置研究[D]. 孙巧巧.青岛科技大学 2018
[2]基于卷积神经网络的非限定性条件下的人脸识别研究[D]. 于诗梦.哈尔滨工业大学 2017
[3]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[4]监控视频中的前景提取和目标检测跟踪算法研究[D]. 郭达洁.浙江大学 2016
本文编号：2961080
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2961080.html
