金属矿山

作者：范巧艳董洁郭攀

单位：1. 西安职业技术学院机电工程学院,陕西西安710077;2. 赤峰学院数学与计算机科学学院,内蒙古赤峰024000;3. 郑州大学水利与交通学院,河南郑州450000

关键词：目标检测, 输送带, 煤流, 超分辨率, 图像修复, 深度学习 ,

基金：河南省高等学校重点科研项目(编号:23ZX014)

由于输送带的运动速度快、煤流的形状和颜色变化大,并且光照条件复杂,传统的输送带煤流检测方法往往存在准确性不高、易受干扰等问题。 为此,提出了一种基于超分辨率深度图像修复的输送带煤流检测算法。 该算法采用 YOLOv3 作为基础框架,结合超分辨率深度图像修复模型,对模糊且含有噪声的煤流图像进行处理。 图像修复模型通过编码器—解码器结构,对破损图像的特征进行提取和修复,同时保留浅层纹理信息并将其传递至深层。 处理后的清晰煤流图像,通过基于 YOLOv3 的目标检测算法进行煤流检测。 在北方某煤炭加工厂的试验结果表明:当图像破损度为 50% 时,相比于基于互编码器的图像修复模型,所提图像修复模型结构相似性提升了 10%;相比于YOLOv4-tiny,所提煤流检测算法的处理速度提升了 56 帧/ s,反映出该算法可有效提高输送带煤流检测效率。

来源：2025年第7期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第7期