13810378535
1、行业背景
1.1背景介绍
针对斗轮机在行驶过程中发生的线缆刮蹭、撕裂以及其它情况，进而使用深度学习方式对卷缆的状态进行检测，发生紧缆或者松缆的情况及时报警，避免斗轮机及线缆的损坏。
1.2应用场景
皮带输送机广泛应用在矿业工厂、冶炼工厂、水泥工厂、化工厂等需要用斗轮机取送料/矿石的场景
2、部署方案
2.1硬件设备
l 网络摄像头：2个（焦距：4mm；像素：400w以上）
l 网络交换机：1台（千兆网）
l 服务器：1台（CPU：x86；内存：16G；硬盘：1T）
l 系统检测单元：RTX3090/1个
l 显示器：1台
2.2网络架构
3、技术指标
3.1技术参数
l FPS：25
l 平均检测准确率：>96%
l 误检率：<1%
l 漏检率：<1%
3.2算法优势
l 无延迟实时视频数据检测，毫秒级报警响应；
l 预留SDK数据接口，支持第三方软件调用；
l 算法部署简单，可一键启动；
4、检测原理
4.1流程设计
根据实际场景来评估，通常单场景需要1000~2000张左右图片样本；
开发流程：数据采集→数据标注→模型训练→模型测试→模型迭代；
4.2原理设计
l 输入视频流图片数据到算法模型；
l 由算法模型输出检测到的卷缆位置；
l 计算卷缆的位置角度；
l 根据该角度信息判断是否发生松紧缆；
l 发送报警信号。
点击立即联系