摘要：针对大块矸石或铁器等进入运煤输送带系统易造成输送带损伤、撕裂等问题,提出了一种Faster-RCNN+双向特征金字塔网络(Double-sided Feature Pyramid Networks,DSFPN)的运煤输送带异物识别模型,模型以深度学习目标检测框架Faster-RCNN为基础,对FPN结构改进提出了DSFPN,DSFPN通过自底向上和自顶向下2个多尺度特征融合过程来解决输送带异物的多尺度问题。测试结果表明,DSFPN可以有效的提升小块矸石等小尺寸异物的检测能力,并且提升了类似锚杆、大矸石等大尺寸异物的识别精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社