矿井提升机钢丝绳外观缺陷视觉识别技术研究

打开文本图片集

摘要：针对多根钢丝绳检测部署困难、钢丝绳图像采集质量较低、视觉检测法适应性差、准确性不高等问题，提出了一种基于计算机视觉和深度学习的矿井提升机钢丝绳外观缺陷视觉识别方法。首先构建矿井提升机钢丝绳在线监测系统；其次由地面移动巡检平台和井下本安高速相机采集钢丝绳图像，建立钢丝绳图像数据集；然后考虑井下粉尘影响、相机镜头易受污染、光照不均、钢丝绳高光反射等问题，采用基于Retinex 算法的图像去噪方法和基于同态滤波的图像去噪方法对钢丝绳图像进行去噪处理，处理结果表明，基于色彩增益加权的多尺度Retinex（AutoMSRCR）算法为较优方案；最后缺陷检测过程以卷积神经网络为基础，构建基于YOLOv5s 的缺陷检测模型，为降低人为因素影响、调参工作量，在YOLOv5s 中加入Focus 结构对其进行优化，并将改进的YOLOv5s模型作为钢丝绳缺陷检测的预训练模型，以进一步降低模型内存占用率，提高模型加载和检测速度。（剩余11628字）