基于U-MobileNet网络的煤矿刮板输送机故障检测方法研究

目前，基于传统图像方式的刮板机故障检测方法得到了广泛应用，然而由于实际生产过程中刮板形态多变，同时存在着被输送物质附着等会对检测结果带来较大干扰，影响检测的准确度。针对当前传统图像检测无法准确识别刮板的问题，提出了一种基于图像增强与深度网络结合的方法来准确识别刮板轮廓。首先，利用自适应直方图均衡的图像增强方法增加刮板与背景之间的对比度，提高刮板可区分度；然后，利用U-MobileNet深度网络对刮板进行轮廓分割，根据轮廓计算刮板的倾斜角度，给出故障报警。根据实验结果，本文方法分割准确度在87.32%,在单张图片的推理时间为81 ms,可以有效分割出刮板轮廓，提升检测准确度。