露天矿粉尘实时监测与智能调控中,主要使用Bagged Classification and Regression Trees获取露天矿粉尘浓度变化特征,易受时间序列变化影响,导致监测浓度与实际浓度不一致。因此,提出一种基于物联网的露天矿粉尘实时监测与智能调控技术...露天矿粉尘实时监测与智能调控中,主要使用Bagged Classification and Regression Trees获取露天矿粉尘浓度变化特征,易受时间序列变化影响,导致监测浓度与实际浓度不一致。因此,提出一种基于物联网的露天矿粉尘实时监测与智能调控技术,即利用物联网采集露天矿粉尘浓度变化特征,生成露天矿粉尘智能调控模型,完成露天矿粉尘实时监测与智能调控。实例分析结果表明,研究技术在不同监测点获取的监测浓度与实际浓度较拟合,偏差较小,未出现显著突变问题,具有高精度一致性。展开更多
近年来,由于基于图像识别的粉尘检测方法不存在安装和检测范围局限性等问题,因此得到了充分重视和发展,但现有方法实时性和准确性仍需提升。为此,提出了一种基于改进YOLOv5算法的粉尘图像检测方法。首先,对现有YOLOv5算法主干网络以及N...近年来,由于基于图像识别的粉尘检测方法不存在安装和检测范围局限性等问题,因此得到了充分重视和发展,但现有方法实时性和准确性仍需提升。为此,提出了一种基于改进YOLOv5算法的粉尘图像检测方法。首先,对现有YOLOv5算法主干网络以及Neck网络进行改进,将轻量化网络GhostNet替换原有主干网络,以降低网络参数,再输出3个特征层;然后,针对主干网络输出的3个特征层,施加注意力机制CA,增加网络精度;最后,设计消融实验和对比实验验证改进算法的有效性。结果表明:改进算法的平均检测精度mAP(mean Average Precision)能达到92.11%,检测速度达37帧/s。展开更多
文摘露天矿粉尘实时监测与智能调控中,主要使用Bagged Classification and Regression Trees获取露天矿粉尘浓度变化特征,易受时间序列变化影响,导致监测浓度与实际浓度不一致。因此,提出一种基于物联网的露天矿粉尘实时监测与智能调控技术,即利用物联网采集露天矿粉尘浓度变化特征,生成露天矿粉尘智能调控模型,完成露天矿粉尘实时监测与智能调控。实例分析结果表明,研究技术在不同监测点获取的监测浓度与实际浓度较拟合,偏差较小,未出现显著突变问题,具有高精度一致性。
文摘近年来,由于基于图像识别的粉尘检测方法不存在安装和检测范围局限性等问题,因此得到了充分重视和发展,但现有方法实时性和准确性仍需提升。为此,提出了一种基于改进YOLOv5算法的粉尘图像检测方法。首先,对现有YOLOv5算法主干网络以及Neck网络进行改进,将轻量化网络GhostNet替换原有主干网络,以降低网络参数,再输出3个特征层;然后,针对主干网络输出的3个特征层,施加注意力机制CA,增加网络精度;最后,设计消融实验和对比实验验证改进算法的有效性。结果表明:改进算法的平均检测精度mAP(mean Average Precision)能达到92.11%,检测速度达37帧/s。
