引入Self-Attention的电力作业违规穿戴智能检测技术研究

随着电网建设的高速发展,作业现场技术支撑人员规模不断扩大。电力现场属于高危作业场所,违规穿戴安全防护用品将会严重危及作业人员的人身安全,为了改善传统人工监管方式效率低下的问题,本文采用实时深度学习算法进行违规穿戴行为检测。检测模型结合实时目标检测网络YOLOv3和Self-Attention机制,借鉴DANet结构,在YOLOv3网络高层嵌入自注意力模块,更好地挖掘和学习特征位置和通道关系。实验结果表明,该模型在违规穿戴检测任务中mAP达到了94.58%,Recall达到了96.67%,与YOLOv3相比,mAP提高了12.66%,Recall提高了2.69%,显著提高模型的精度,可以满足任务的检测需求,提升了电网智能化水平。     

改进YOLOV3实时交通标志检测算法

交通标志检测是智能驾驶任务中的重要一环.为了满足检测精度和实时检测的要求,基于YOLOV3提出一种改进的实时交通标志检测算法.采用跨阶段局部网络作为特征提取模块,优化梯度信息,减少推理计算量;同时以路径聚合网络替代特征金字塔网络,在解决多尺度特征融合的同时,保留了更加准确的目标空间信息,提高目标检测精度;并且引入完备交...     

基于深度学习的煤矿井下低光照人脸检测方法

煤矿井下光线昏暗、人工光源干扰等造成监控系统采集到的人脸图像对比度低、人脸特征模糊,传统人脸检测算法应用于煤矿井下时会出现误检、漏检。针对上述问题,提出了一种基于深度学习的煤矿井下低光照人脸检测方法。采用基于无监督学习的生成对抗网络（GAN）对煤矿井下低光照图像进行对比度增强,使用自调整注意力引导的U-Net作为生成器,利用双判别器对全局和局部信息进行引导,并使用自特征保留损失函数来指导训练过程和维护图像中人脸的纹理结构,强化人脸特征,避免出现曝光、人脸细节信息丢失等现象,得到较为清晰的人脸图像;利用RetinaFace人脸检测框架对增强后的人脸特征进行检测,其采用特征金字塔结构和单阶段检测模式对人脸图像进行检测,在基本不增加计算量的同时,提高对小尺度人脸检测的能力。在公开低光照人脸数据集DARK FACE和自建煤矿井下人脸数据集上的实验结果表明,该方法提高了图像对比度,清晰地恢复了图像中的人脸特征,在准确率、召回率、平均精度方面均表现较好,有效提高了煤矿井下人脸检测精度。     

基于电能计量的违规用电行为检测方法研究

现有违规用电行为检测方法的精度较差,为提高检测结果的准确性,设计了基于电能计量的违规用电行为检测方法。建立违规用电数据预处理方案,保证电力数据的完整性,标记数据的缺失值与异常值,对其进行归一化处理;基于电能计量设计用电数据检测模型,以数据的不平衡度为核心,计算离散型采样值,得到检测的总体模型。在实验中对比多种违规用电行为检测方法,设计欠流用电异常、改变电能表接线异常和扩差用电异常3种用电模型,由数据结果可知,该算法在扩差用电异常模型内的检测效果更好,该检测方法的AP值在同等条件下普遍高于其他3种检测方法,可见其检测精度更高,检测效果更好。     

基于煤矿井下传送带空载检测

煤矿井下传送带在无煤或煤量较少的状态下长时间高速运转,会耗费大量的电能.为了节省井下传送带造成的电能损耗,本文提出了一种边缘结构相似算法和YOLOv3结合的传送带空载判定方法.通过边缘结构相似算法将结构特征和边缘特征相融合,每相邻10帧比较图片的相似度,连续比较3次判断传送带的运行状态.若传送带运行,则运用自适应锚框机...     

改进YOLOV3的火灾检测方法

针对传统火灾探测器检测范围有限,传统火灾检测算法精度不高、检测时间长等问题,提出一种基于改进YOLOV3的火灾检测方法YOLOV3-IMP。在YOLOV3网络结构上进行改进,包含对特征提取网络改进和多尺度检测改进,提高对浅层特征的学习能力;通过改进的K-means聚类算法生成出初始先验框;通过改进的损失函数提高对小火灾区域的检测能力;在输出火灾检测图像之前采用Softer-NMS算法,提高对重叠区域的检测能力。实验结果表明,改进的算法准确率和召回率为91.6%,83.2%,[mAP]高达84.5%,检测速度可达0.28?s,可以满足火灾检测的实时性和准确性,能够实现有效的火灾检测。     

基于SENet改进的Faster R-CNN行人检测模型

随着无人驾驶和智能驾驶技术的发展,计算机视觉对视频图像检测的实时性和准确性要求也越来越高.现有的行人检测方法在检测速度和检测精度两个方面难以权衡.针对此问题,提出一种改进的Faster R-CNN模型,在Faster R-CNN的主体特征提取网络模块中加入SE网络单元,进行道路行人检测.这种方法不仅能达到相对较高的准确率,用于视频检测时还能达到一个较好的检测速率,其综合表现比Faster R-CNN模型更好.在INRIA数据集和私有数据集上的实验表明,模型的mAP最好成绩能达到93.76%,最高检测速度达到了13.79 f/s.     

矿用井下架空乘人装置在煤矿中的应用与发展

本文详细介绍了矿用井下架空乘人装置的定义、分类、工作原理、优缺点,分析了并探讨了其未来发展方向和创新应用,同时,也阐述了矿用井下架空乘人装置在煤矿中存在的问题,并提出了应对措施。     

煤矿井下监控分站在线性能检测装置的设计

提出并设计了一种煤矿井下监控分站在线性能检测装置,详细介绍了该装置的结构组成、系统设计及设计中的关键问题。该检测装置可与不同厂家生产的监控分站灵活配接,能够实现对监控分站各种性能指标的在线检测与分析功能,有效保障了煤矿安全监控系统运行的可靠性。     

改进YOLOV3算法在行人识别中的应用

为了避免人与物体之间相互遮挡，对小目标检测不准确，以及复杂光照强度对行人检测的影响，针对这一问题，提出了一种多尺度聚类卷积神经网络MK-YOLOV3算法，来实现对行人的识别与检测。该算法是对YOLOV3进行改进，首先通过简单聚类对图像特征进行提取，得到相应的特征图，再通过抽样[K]-means聚类算法结合核函数确定锚点位置，以达到更好的聚类。针对小目标的浅层特征信息进行多尺度融合，提高小目标的检测效果。仿真结果验证了该算法在VOC数据集上对小目标识别的精度和速度上有较大提高，以及视频智能分析中有较高的召回率和精确度。     

煤矿井下带式输送机液压卸煤装置设计

以纳林庙煤矿二号井6-2116综采工作面为工程背景,针对回收煤柱工作面充填空巷用煤量大且运煤困难的问题,设计了一种煤矿井下带式输送机液压卸煤装置。该装置由支撑装置、改向装置和液压系统组成,安装在主运巷道与辅回撤通道交叉口位置;利用液压泵站为动力,通过支撑装置和改向装置相互配合将煤炭从带式输送机上卸下,再经转载运输至用煤空巷。通过该卸煤装置,原煤不需要升井后再用无轨胶轮车运输到井下,提高了经济效益和充填效率,降低了安全风险。现场工业性试验结果表明,采煤机割煤速度为0.8m/min、刮板输送机速度为0.4m/s、转载机速度等级为低速、带式输送机速度为1.0m/s、改向油缸和支撑油缸伸出长度为0.7m时,卸煤装置可实现连续卸煤,满足试验工作面充填用煤需要,保证了回收煤柱工作面的正常推进。     

煤矿井下视频雾浓度检测及实时去雾方法

煤矿井下工作面在生产状态下由于喷雾除尘操作引起雾气浓度动态变化,导致视频图像画面模糊不清,严重影响煤矿井下可视化远程干预性采煤控制及操作。针对上述问题,提出了一种煤矿井下工作面视频雾浓度检测及实时去雾方法。首先利用颜色衰减先验计算含雾视频图像亮度值和饱和度值差异,实现雾浓度检测,进一步识别含雾图像和无雾图像。其次,使用颜色衰减先验和场景变化概率模型对视频时间连续代价函数进行矫正,减小视频相邻帧之间的透射率误差,减轻去雾后视频图像画面的闪烁影响。最后,分别利用煤矿井下工作面视频雾浓度检测及实时去雾方法和Kim方法对煤矿井下场景有雾视频进行处理。实验结果表明：(1)雾浓度检测方法可以准确地计算出图像场景中的雾浓度分布,提取到的雾浓度最大连通区域占总图像像素的38.693%,大于雾浓度阈值20%,为含雾图像。根据含雾图像识别结果自动忽略无雾图像,有选择性地对有雾图像进行去雾处理。(2)采用煤矿井下工作面视频雾浓度检测及实时去雾方法对煤矿井下工作面的不同区域（支架区域和煤壁区域）及不同雾浓度（中等雾浓度和较高雾浓度）的生产视频进行去雾处理,去雾后视频图像对比度明显增强,视觉效果也更加明亮清晰。...     

煤矿井下IC卡识别开关机装置的研究

针对现有许多重要的煤矿设备由于非专业人员操作失误存在严重的安全隐患问题,设计了一种煤矿井下IC卡识别开关机装置,介绍了该装置的硬件组成和软件设计。该装置采用非接触IC卡实现身份认证,通过非接触IC卡的读卡判断是否为专业操作人员,根据不同IC卡的权限,发送不同的指令给所控制的防爆开关,执行相应的动作。考虑到煤矿井下应用,还设计应用了防爆外壳与本安电源电路等,保障了该装置的安全运行。     

大数据在露天矿安全中的应用研究——以司机违规下车监测装置的实践为例

本文针对露天矿安全问题，探讨了大数据技术的独特价值和潜力。以司机违规下车监测装置的实践为例，对其进行了深入研究，阐述了其工作原理、实施方式，分析了对矿山安全的影响。通过实例分析和理论论述，阐明了大数据技术在提升矿山安全水平方面的重要作用，以期为相关领域的研究和实践提供有益参考。     

煤矿井下行人检测算法

针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候选区域,RPN与Fast RCNN共享卷积层,以提高网络训练和检测速度;在图像特征提取过程中采用动态自适应池化方法对不同池化域进行自适应池化操作,提高了检测准确性。实验结果表明,该算法对于不同环境下图像中的行人均具有较好的检测效果。     

基于改进YOLOV3算法的斜拉桥拉索表面缺陷检测方法

针对人工检测斜拉桥拉索表面缺陷效率低、危险性高、鲁棒性差、检测效果主观性强等问题,提出改进YOLOV3算法进行斜拉桥拉索表面缺陷自动检测方法.首先,采用K-means聚类算法获取适合拉索表面缺陷特征的先验框尺寸;然后,削减主干特征提取网络中的残差块数量,提高网络检测效率,通过在特征金字塔内添加SPP结构,融合不同感受野...     

改进YOLO V3的道路小目标检测

针对通用目标检测算法在检测小目标时存在效果不佳及漏检率较高等问题,提出了一种基于改进YOLO V3的道路小目标检测算法。对YOLO V3算法网络模型中的聚类算法进行优化,使用DBSCAN+K-Means聚类算法对训练数据集聚类分析,选取更合适的Anchor Box,以提高检测的平均精度和速度;同时引入Focal Loss损失函数代替原网络模型中的损失函数形成改进的YOLO V3算法。进而与其他目标检测算法在KITTI数据集上对行人目标进行对比检测,发现改进的YOLO V3算法能够有效降低小目标漏检率,大大提高检测的平均精度和检测速度。实验结果表明,在KITTI数据集上,改进的YOLO V3算法检测目标的平均精度达到92.43%,与未改进的YOLO V3算法相比提高了2.36%,且检测速度达到44.52?帧/s。     

基于改进YOLOv7-tiny的户外行人检测算法研究

在行人检测的高密度交通场景中,检测算法通常会漏掉被遮挡和远处的模糊行人,同时无法兼顾检测的精度和速度。针对这些问题,基于YOLOv7-tiny提出一种改进的户外行人检测算法。该算法引入SENet注意力机制,抑制了不相关的信息,以此提高特征图表达信息的能力,同时增强了对行人目标特征的提取。为了更好地识别目标的边缘和重叠情况,提高回归精度,在损失函数中用SIoU代替CIoU,提升了遮挡情况下的检测率。根据在WiderPerson数据集上的实验,在保证检测速度的前提下,对比YOLOv7-tiny检测算法,平均检测精度提升了2个百分点。实验结果表明,经过改进的算法可以显著提高检测性能。     

基于无人机图像的黄河滩区违规牧羊智能检测方法

为解决传统的黄河滩区违规牧羊行为人工现场巡检方式效率低、监管难度大的问题,介绍一种针对黄河滩区违规牧羊的智能检测方法。提出一种改进的YOLOv5s目标检测算法,通过减小模型尺寸和计算量,提高算法的实时性能,同时设计一种羊群目标定位算法,通过建立相机中心、二维图像像点、空间地面目标物点三者之间的几何关系模型,判断牧羊行为是否发生在违规区域内。结果表明：改进后的YOLOv5s目标检测算法在CPU上的实时性能提升31.25%,训练自建黄河滩区牧羊数据集后模型大小仅为3.8 MB,目标定位算法的精度可控制在10 m以内,能够更快速精准地识别羊群。基于无人机图像的黄河滩区违规牧羊智能检测方法可实现无人化、智能化的黄河河道巡查,大大提高效率和灵活性,减少人力和物力投入,具有重要的现实意义和应用前景。     

利用筛选装置进行电子元器件检测装置设计

通过对电子元器件进行筛选和检测,可有效剔除不合格的电子元器件,确保所使用的电子元器件符合质量标准,从而提高产品的可靠性和稳定性。本文涵盖了筛选装置的结构设计、硬件设计、软件设计等方面。在筛选装置的结构设计中,设计了装置的组成模块。在硬件设计方面,考虑到功能需求,对电路板和连接器中电压控制、电路放大、电路滤波和故障诊断与报警等功能做进一步设计实现。最后,通过集成测试验证了装置设计的有效性和准确性。通过该设计,旨在提供一个可靠的电子元器件检测装置,提高产品质量和生产效率。