对恶劣环境下钢包运行动作姿态信息的有效感知是钢铁安全生产管控智能化需要解决的重要问题。总结钢包运行的时序信息特征,将钢包运行时的复杂安全信息分解为一系列可识别的基础动作,在此基础上构建钢包动作识别数据集。选用时序动作检...对恶劣环境下钢包运行动作姿态信息的有效感知是钢铁安全生产管控智能化需要解决的重要问题。总结钢包运行的时序信息特征,将钢包运行时的复杂安全信息分解为一系列可识别的基础动作,在此基础上构建钢包动作识别数据集。选用时序动作检测模型识别钢包动作信息,并根据钢包运行的视觉特性及精准定位需求将原网络目标检测分支替换为改进后的你只看一次(You Only Look Once,YOLOv8)图像分割模型。试验结果表明,改进后的模型所占存储容量减少63.98%,计算需求降低40.6%;识别准确率和召回率分别提高了0.95%与0.51%,且mAP50达到98.6%,能满足钢包实时精准定位的需求。改进后的时序动作检测模型各类动作平均识别准确率达到87.44%。研究表明,所提出时空动作检测改进模型能有效检测复杂环境内钢包的位置信息与基础动作信息,可以满足钢包复杂工序识别、目标追踪、碰撞预警、倾覆洞穿预警等安全检测任务的需求,降低安全管控所需的人力物力成本。展开更多
文摘对恶劣环境下钢包运行动作姿态信息的有效感知是钢铁安全生产管控智能化需要解决的重要问题。总结钢包运行的时序信息特征,将钢包运行时的复杂安全信息分解为一系列可识别的基础动作,在此基础上构建钢包动作识别数据集。选用时序动作检测模型识别钢包动作信息,并根据钢包运行的视觉特性及精准定位需求将原网络目标检测分支替换为改进后的你只看一次(You Only Look Once,YOLOv8)图像分割模型。试验结果表明,改进后的模型所占存储容量减少63.98%,计算需求降低40.6%;识别准确率和召回率分别提高了0.95%与0.51%,且mAP50达到98.6%,能满足钢包实时精准定位的需求。改进后的时序动作检测模型各类动作平均识别准确率达到87.44%。研究表明,所提出时空动作检测改进模型能有效检测复杂环境内钢包的位置信息与基础动作信息,可以满足钢包复杂工序识别、目标追踪、碰撞预警、倾覆洞穿预警等安全检测任务的需求,降低安全管控所需的人力物力成本。
