买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：徐州华东机械有限公司;中国矿业大学

摘要：本发明公开了一种基于改进CenterNet的带式输送机皮带损伤检测方法及检测系统，检测方法包括设备部署、数据采集、边缘去噪、负载分配、损伤检测；检测系统包括图像采集模块、数据传输模块、数据处理模块、控制模块、边缘端模块和云端数据处理模块。本发明基于深度学习模型，采用KDFA‑CenterNet目标检测损失算法，能有效对皮带撕裂损伤、磨损损伤、破裂损伤进行检测；基于可逆神经网络的实时图像去噪增强模型，能够对采集图像进行去噪增强处理；设置基于长短期记忆神经网络的云边端协同的负载计算架构，云端服务器、边缘计算节点和本地服务器，三者协同工作，可对带式输送机皮带图像大量高密度数据进行实时处理。

主权项：1.一种基于改进CenterNet的带式输送机皮带损伤检测方法，其特征在于，所述检测方法包括以下步骤：S1、设备部署：将图像采集模块，即矿用轻型防爆相机和矿用隔爆光源，部署于带式输送机的上下层皮带之间，设定工作参数，工业路由器部署于带式输送机旁边的控制柜中；S2、数据采集：选取输送机皮带工作场景，矿用轻型防爆相机对皮带图像进行实时采集；S3、边缘去噪：输入图像至可逆神经网络模型，分离出低频结构特征、高频纹理细节特征和高频噪声，采用可训练引导滤波器将高频特征与低分辨率结构特征进行深度融合，对图像进行有效去噪增强；S4、负载分配：控制中心通过长短期记忆网络模型评估预测图像处理任务的资源消耗量，将任务分别分配至云端服务器、边缘计算节点和本地服务器，三者协同工作，可对带式输送机皮带图像大量高密度数据进行实时处理；S5、损伤检测：本地服务器采用KDFA-CenterNet目标检测算法，对实时皮带图像中的各个损伤目标或其显著的视觉特征进行检测；所述S5中，KDFA-CenterNet目标检测算法在输入原始图像后，图像通过降采样模块进行处理，降采样参数R设置为4，经降采样后，图像数据进入主干网络提取特征，并应用知识蒸馏处理，融入通道－空间注意力转移机制，通道注意力获得隐层特征图的分割系数，空间注意力权重代表特征沿通道的分布，应用空间注意力对特征图进行压缩，平均池化和最大池化两个池化层的输出被输送到2d卷积层以达到信息融合，热力特征图、偏移特征图和尺寸特征图三个子网络分别处理，最终模型输出目标预测结果。

全文数据：

权利要求：

百度查询： 徐州华东机械有限公司 中国矿业大学 基于改进CenterNet的带式输送机皮带损伤检测方法及检测系统