检索结果-内蒙古大学图书馆

作者：孙志成安徽理工大学

学位级别：硕士

刚性罐道作为立井提升系统的关键组件,对维护矿井的安全和稳定生产发挥着至关重要的作用。目前,罐道的巡检主要依赖于人工,虽有安全防护,但安全隐患仍然存在,同时由于检测工作繁重且效率低下,结果的一致性还受到操作者经验、专注度和主... 详细信息

刚性罐道作为立井提升系统的关键组件,对维护矿井的安全和稳定生产发挥着至关重要的作用。目前,罐道的巡检主要依赖于人工,虽有安全防护,但安全隐患仍然存在,同时由于检测工作繁重且效率低下,结果的一致性还受到操作者经验、专注度和主观评估的影响。尽管一些简单的机械设备能够在一定程度上提供帮助,但它们通常缺乏灵活性和适应性,在处理大量数据时效率低下,无法实现实时监测与同时对两侧罐道缺陷进行检测。因此,本研究引入了Jetson设备和目标检测技术,实现了对刚性罐道中常见缺陷如锈蚀、划痕、接头缝隙和空隙的自动化检测与监控。在本研究中,我们构建了立井刚性罐道提升系统的试验平台。分析刚性罐道常见缺陷类型及双侧可能同时出现缺陷的情况,这对缺陷检测设备的计算能力提出了更高要求。因此,我们基于以上检测需求,挑选了匹配的Jetson设备,并在电脑及Jetson设备上配置了所需的深度学习环境。通过相机标定去标定海康威视工业相机以确保高质量的图像采集,并结合采集到的图片与网络公开数据集,创建了自己的罐道缺陷检测数据集。其次,通过引入Rep VGG主干网络和EMA注意力机制,优化了缺陷检测算法yolov5s的性能,实现模型推理速度的提升同时也确保了算法的高检测精度。此外,通过采用Wise-IOU损失函数替换原先的CIo U损失函数,提高了模型在复杂环境下对小目标缺陷的识别能力,改进yolov5s模型实现了检测速度与准确性的平衡,进一步增强了模型的实用性和应用价值。最后,在Jetson NX设备上的Deep Stream框架中成功部署了Rep VGGyolov5s-EMA-WIo U模型,并通过整合Tensor RT量化技术,降低计算量,进一步优化了模型的性能和推理速度。再使用RTSP协议用于监控的电脑与Jetson设备进行远程连接,并配合Pot Player播放器,实现远程实时视频流播放的实时缺陷检测方案。实验结果表明,Pot Player界面显示的两个CSI相机捕获的视频以25帧每秒左右的速率运行,满足实际缺陷检测的需要,也实现实时检测缺陷的效果。图[65]表[16]参[67]

关键词：刚性罐道缺陷检测改进的yolov5算法嵌入式设备

来源：评论

学校读者我要写书评

暂无评论

基于yolov5的焊缝图像特征信息检测方法研究

引用

煤矿机械 2025年第1期46卷 218-221页

作者：张毛毛方成刚南京工业大学机械与动力工程学院南京211816

为了满足自动化工艺的需要和获取更为清晰的焊缝原始图像,提出了一种基于yolov5和结构光的焊缝特征点提取算法。首先利用激光视觉系统获取焊缝图像,使用改进后的yolov5算法进行预训练;然后通过Steger算法提取结构光中心线,使用Harris算... 详细信息

为了满足自动化工艺的需要和获取更为清晰的焊缝原始图像,提出了一种基于yolov5和结构光的焊缝特征点提取算法。首先利用激光视觉系统获取焊缝图像,使用改进后的yolov5算法进行预训练;然后通过Steger算法提取结构光中心线,使用Harris算法对中心线图像进行处理,并确定焊缝坐标点的坐标;最后将坐标信息传输给PLC,控制十字滑台带动焊枪进行焊缝的跟踪操作。实验结果表明,改进后的yolov5算法mAP值更大、稳定性更高、鲁棒性更强。

关键词：激光视觉改进的yolov5算法图像处理线结构光

来源：评论

学校读者我要写书评

暂无评论

基于无人机的中小跨桥梁点云自动化分割与表观病害智能识别研究

基于无人机的中小跨桥梁点云自动化分割与表观病害智能识别研究

引用

作者：吴维维东南大学

学位级别：硕士

中小跨径混凝土桥梁是我国基础设施的重要组成部分,有相当一部分的服役年龄达到或超过20年,并已经出现了不同程度的病害,目前社会对这部分桥梁的管养需求十分强烈。现有的管养手段主要以人工为主,存在效率低和成本高等问题,亟需更加数... 详细信息

中小跨径混凝土桥梁是我国基础设施的重要组成部分,有相当一部分的服役年龄达到或超过20年,并已经出现了不同程度的病害,目前社会对这部分桥梁的管养需求十分强烈。现有的管养手段主要以人工为主,存在效率低和成本高等问题,亟需更加数字化、智能化和精细化的技术手段来推动桥梁智慧运维事业的发展。为响应国家融合基础设施的号召,本文将土木工程与自动化、人工智能和测绘领域的技术相结合,开展了桥梁点云自动化分割与表观病害智能识别定位的研究工作,包括以下四个方面的研究工作: 本文以无人机为载体,提出基于无人机精细化路径规划的桥梁结构三维重建方法。结合倾斜摄影模型提供的空间信息,针对桥梁主要构件的特点分别进行路径规划,得到全桥精细化路径规划方案,以此执行航拍任务,进行三维重建。通过实桥试验进行方法验证,根据目标分辨率确定无人机飞行高度、航向和旁向重叠率等飞行参数,编写KML文件导入无人机并执行规划任务,结果发现三维重建得到的点云模型精度与目标分辨率一致,达到毫米级,为实现桥梁管养的数字化打下基础。本文基于深度学习算法模型,实现了大规模桥梁构件语义分割。首先对轻量高效的Rand LA-Net算法基本原理进行介绍,制作点云语义分割数据集,将点云数据分类为背景(栏杆等)、桥面板、桥墩和盖梁,数据集以Semantic数据格式进行组织,做好数据集划分工作后,进行算法测试,对激光雷达采集的桥梁点云和无人机重建的桥梁点云进行语义分割。各数据集的整体MIo U值在93.47%～98.77%之间,各类别构件Io U值基本在90%以上,为桥梁形象自动识别提供了智能化方案。本文基于深度学习的目标检测方法,提出了一种改进的yolov5算法模型,实现了对露筋、裂缝和混凝土剥落三类病害的精准识别。本文所提出的改进方法有基于Kmeams++的锚框聚类算法和坐标注意机制两种,通过更改原始yolov5的模型结构,得到改进的yolov5算法模型。为验证改进算法的有效性,进行消融实验,在1333张图像上进行测试,结果发现yolov5+CA+K-means++模型m AP值为73.1%,yolov5+Kmeans++的值为71.5%,均比原始模型有所提升。此外,对各类的识别精度也均有提升,验证了改进方法的有效性,为桥梁表观病害目标检测提供了参考。本文基于坐标转换原理,提出了一种桥梁表观病害定位方法。在对坐标转换原理进行介绍后,形成了以无人机航拍图像为研究对象的完整病害定位流程,融合无人机航线规划、桥梁构件语义分割、桥梁表观病害和无人机位姿参数提取等方面的技术内容,并开展实桥试验工作。以实际桥梁拍摄的六张典型图像为例,完成病害像素坐标到大地坐标的转换,将大地坐标转化到UTM坐标系下,与语义分割后得到桥梁构件的UTM坐标进行比对,判断病害所属的桥梁构件类型。实验结果表明,该定位方法的精度高,基本可以还原病害在实际桥梁中的位置,实现对桥梁病害情况的精细化掌握。

关键词：无人机精细化路径规划三维重建深度学习桥梁构件语义分割表观病害目标检测改进的yolov5算法病害定位

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：