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。