基于深度学习的永磁直驱带式输送机煤量检测方法研究

• 作者: 王桂梅 李学晖 杨立洁 刘杰辉
• 来源期刊: 煤炭技术
• 学科: 工学
• 关键词: 永磁直驱带式输送机 煤量检测 卷积神经网络 特征提取 图像分类
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 煤矿机电与信息化|Coal Mine Electromechanical and Informatization
• 页码范围: 188-190
• 页数: 3页
• 分类号: TD63
• 语种: 中文
• DOI: 10.13301/j.cnki.ct.2022.01.044

摘要

永磁直驱带式输送机煤量的精确检测是节能调速的重要依据,针对不同环境下煤量的快速检测问题,结合迁移学习方法和密集连接思想提出一种基于VGG16改进的FF-CNN网络.将该网络作为煤量图像的特征提取器,实现煤量的检测分类,将煤量图像分为"无煤量"、"少煤量"、"中煤量"、"多煤量"和"满载量".实验结果表明,训练后的FF-CNN网络检测准确率达98.2％,平均检测1张图像的时间为0.058 s,满足检测精度和时效性要求.