工程AI算法建模和監(jiān)測(cè)效果要求詳細(xì)介紹

　　AI算法建模和監(jiān)測(cè)效果要求

　　基于AI算法對(duì)應(yīng)用服務(wù)器處理過的視頻進(jìn)行采集、學(xué)習(xí)、訓(xùn)練，實(shí)現(xiàn)輸煤皮帶撕裂、跑偏、堵煤、異物、入侵、自燃的建模和自學(xué)習(xí)優(yōu)化。通過算法的優(yōu)化，除皮帶撕裂、堵煤外，在攝像機(jī)的視野范圍內(nèi)，通過設(shè)置優(yōu)先級(jí)并適配權(quán)重的方法，實(shí)現(xiàn)一機(jī)多用，達(dá)到所屬電廠文明生產(chǎn)管控標(biāo)準(zhǔn)要求，同時(shí)結(jié)合SIS實(shí)時(shí)數(shù)據(jù)綜合分析，對(duì)皮帶、重要設(shè)備的運(yùn)行狀態(tài)機(jī)環(huán)境情況進(jìn)行全方位監(jiān)控。

　　(1)皮帶撕裂檢測(cè)模型

　　根據(jù)回傳的視頻流提供皮帶撕裂檢測(cè)，根據(jù)收集的皮帶撕裂樣本進(jìn)行目標(biāo)識(shí)別訓(xùn)練,形成訓(xùn)練好的皮帶撕裂識(shí)別模型，利用訓(xùn)練好的皮帶撕裂識(shí)別模型對(duì)獲取的視頻圖像進(jìn)行比對(duì)、檢測(cè)分析,判斷皮帶是否發(fā)生撕裂以及撕裂的程度并傳至輸煤程控系統(tǒng)。

　　皮帶撕裂檢測(cè)裝置采用線激光器+高速相機(jī)組合方式，在帶式輸送機(jī)進(jìn)料口不遠(yuǎn)處安裝高速AI攝像儀，實(shí)現(xiàn)撕裂及時(shí)預(yù)警，皮帶撕裂監(jiān)測(cè)攝像頭等裝置數(shù)量、效果滿足撕裂及時(shí)預(yù)警需求，撕裂預(yù)警識(shí)別準(zhǔn)確率100%，預(yù)警延時(shí)小于5秒，同時(shí)可實(shí)現(xiàn)信號(hào)回傳控制系統(tǒng)，防爆型圖像處理攝像儀具備通信接口及開關(guān)量輸出接口，當(dāng)檢測(cè)到異常時(shí)，可與控制系統(tǒng)聯(lián)動(dòng)。

皮帶撕裂.png

　　(2)皮帶跑偏、異物、入侵檢測(cè)模型

　　通過“一機(jī)多用”的方式，在皮帶運(yùn)輸過程中如果皮帶超出管理設(shè)定的位置后，將皮帶偏離報(bào)警信息并傳至輸煤程控系統(tǒng);前端攝像頭里劃分重點(diǎn)區(qū)域，通過前端視頻流回傳實(shí)時(shí)后臺(tái)進(jìn)行算法解析，如果目標(biāo)物出現(xiàn)在設(shè)定的區(qū)域里，系統(tǒng)將會(huì)自動(dòng)報(bào)警并傳至輸煤程控系統(tǒng);攝像頭獲取“現(xiàn)場(chǎng)視頻源”,針對(duì)皮帶運(yùn)輸中抽幀截取在煤塊中間摻雜的異物(大石塊、鋼筋、鋼管等)，通過后臺(tái)異物識(shí)別算法的解析，從中快速識(shí)別出異常物品，自動(dòng)報(bào)警并傳至輸煤程控系統(tǒng)，可設(shè)置電子圍欄，對(duì)入侵人員進(jìn)行識(shí)別和告警。

　　在帶式輸送機(jī)機(jī)尾安裝防爆型AI智能攝像機(jī)，用于大塊煤、水煤、長(zhǎng)條物品及異物識(shí)別。具備通信接口及開關(guān)量輸出接口，當(dāng)檢測(cè)到異常時(shí)，可與控制系統(tǒng)聯(lián)動(dòng)。

　　在帶式輸送機(jī)機(jī)頭處(皮帶較長(zhǎng)時(shí)，安裝頭尾兩處)安裝1或2臺(tái)防爆型圖像處理攝像儀，用于監(jiān)測(cè)皮帶和托輥間距離，通過智能識(shí)別算法，實(shí)現(xiàn)對(duì)皮帶跑偏的監(jiān)測(cè)。在檢測(cè)軟件中預(yù)設(shè)置膠帶邊緣與托輥外沿間距，通過運(yùn)行過程中的檢測(cè)，判斷膠帶是否跑偏，同時(shí)實(shí)現(xiàn)人員入侵的識(shí)別監(jiān)測(cè)、環(huán)境監(jiān)控。識(shí)別率不低于90%，同時(shí)可實(shí)現(xiàn)信號(hào)回傳控制系統(tǒng)，可聯(lián)動(dòng)控制皮帶。

　　(3)堵煤識(shí)別檢測(cè)模型

　　在帶式輸送機(jī)落煤點(diǎn)處安裝防爆型圖像處理攝像儀，用于堆煤檢測(cè)。利用圖像語(yǔ)義分割技術(shù)，將皮帶、堆(堵)煤進(jìn)行邊緣提取，找出各類物體的區(qū)域。即使在不同的工作場(chǎng)景下、圖像對(duì)比度很低、物體很復(fù)雜情況下，該類算法依然很好的找到物體區(qū)域。識(shí)別率100%，識(shí)別延時(shí)小于5秒，同時(shí)可實(shí)現(xiàn)信號(hào)回傳控制系統(tǒng)，可聯(lián)動(dòng)控制皮帶。

　　(4)紅外測(cè)溫自燃、高溫預(yù)警模型

　　采用紅外熱成像攝像頭對(duì)輸煤皮帶重要設(shè)備進(jìn)行實(shí)時(shí)紅外測(cè)溫，根據(jù)鏡頭內(nèi)不同設(shè)備設(shè)置不同溫度報(bào)警閾值，實(shí)現(xiàn)現(xiàn)場(chǎng)自燃或設(shè)備高溫預(yù)警。

　　通過在輸煤皮帶機(jī)電機(jī)處、機(jī)頭驅(qū)動(dòng)滾筒、皮帶廊關(guān)鍵處安裝防爆型熱成像攝像儀(內(nèi)含氧化釩非制冷型探測(cè)器)，測(cè)溫精度±2%。檢測(cè)固定設(shè)備的熱成像，針對(duì)特定區(qū)域設(shè)置設(shè)置最高報(bào)警溫度，當(dāng)溫度超過設(shè)置的閾值時(shí)現(xiàn)場(chǎng)熱成像攝像機(jī)立即發(fā)出語(yǔ)音提醒，同時(shí)報(bào)警信息發(fā)送到調(diào)度中心的客戶端中，服務(wù)器上同時(shí)進(jìn)行存儲(chǔ)。在客戶端上同時(shí)會(huì)實(shí)時(shí)展示畫面中的熱力圖。

網(wǎng)站提醒和聲明

本文內(nèi)容來自自互聯(lián)網(wǎng)公開信息或用戶自發(fā)貢獻(xiàn)，該文觀點(diǎn)僅代表作者本人，版權(quán)歸原作者所有。本站僅提供信息存儲(chǔ)空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。若發(fā)現(xiàn)侵權(quán)或違規(guī)內(nèi)容請(qǐng)聯(lián)系電話4008352114或郵箱442699841@qq.com，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。

發(fā)布：2026-02-09 14:57 編輯：xiaona [打印此頁(yè)] [關(guān)閉]

本站推薦

下一篇：返回列表

工程AI算法建模和監(jiān)測(cè)效果要求詳細(xì)介紹

本站推薦

相關(guān)推薦

最新文章

泛普煤炭行業(yè)ERP其他應(yīng)用