文献类型：期刊文章

作　　者：吴守鹏[1,2] 丁恩杰[1,2] 俞啸[1,2,3]

WU Shoupeng;DING Enjie;YU Xiao(IOT Perception Mine Research Center,China University of Mining and Technology,Xuzhou 221008,China;School of Information and Control Engineering,China University of Mining and Technology,Xuzhou 221008,China;School of Medicine Information,Xuzhou Medical University,Xuzhou 221009,China)

机构地区：[1]中国矿业大学物联网(感知矿山)研究中心,江苏徐州221008 [2]中国矿业大学信息与控制工程学院,江苏徐州221008 [3]徐州医科大学医学信息学院,江苏徐州221009

出　　处：《煤矿安全》

基　　金：“十三五”国家重点研发计划资助项目（2017YFC0804400）

年　　份：2019

卷　　号：50

期　　号：12

起止页码：127-130

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、RCCSE、ZGKJHX、核心刊

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。

关 键 词：带式输送机 目标检测 特征金字塔  FPN Faster-RCNN  

分 类 号：TD679]