公开(公告)号：CN117789097A

公开(公告)日：2024-03-29

申请号：CN202410028757.5

申请日：2024-01-09

Applicant: 辽宁工程技术大学

Inventor： 陈洪月 ,  安云磊 ,  陈奇 ,  胡道俊

IPC: G06V20/40 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供一种基于机器视觉的矿用输送带跑偏检测方法，包括以下步骤：S1获取矿用输送带视频，获得待处理的矿用输送带图像；S2对矿用输送带图片标注，制作矿用输送带原始训练数据集；S3矿用输送带图片经过预处理后输入到HED网络训练；S4引入注意力机制,改进HED算法结构；S5对训练结果进行误差分析，调整算法参数，将训练好的参数作为HED网络模型参数；S6对用HED网络模型预测出来的输送带边缘进行细化，在输送带相机采取实时图像过程中采用光流法防止相机振动带来位移偏差；S7采用面积对比的方式计算输送带跑偏。本发明成功有效地实现了在矿井复杂环境下识别输送带边缘，同时兼顾了输送带跑偏检测的高精度和高速度，保障了矿用输送带地安全稳定运行。

公开(公告)号：CN118298209A

公开(公告)日：2024-07-05

申请号：CN202410017858.2

申请日：2024-01-05

Applicant: 辽宁工程技术大学

Inventor： 刘辉 ,  胡道俊 ,  陈奇 ,  安云磊 ,  索志远

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/30 ,  G06N3/0464

Abstract: 本发明提供了一种工业多零件自动识别与图像处理方法，其中深度学习模型采用GoogeLeNet卷积神经网络模型，并对模型进行了优化和改进，从而提高了零件特征识别的准确率和速度。本方法包括以下步骤：通过相机采集图像数据，制作用于训练深度神经网络结构模型的数据集；搭建以卷积神经网络为基础的GoogeLeNet深度神经网络结构，引入Inception模块提高图像特征的融合效果；采集实际环境中的图像数据，再经过预处理得到图像的轮廓数据，以此制作深度模型的数据集；将制作好的数据集输入深度网络架构，获得深度神经网络模型用以识别零件的种类。

公开(公告)号：CN117759302A

公开(公告)日：2024-03-26

申请号：CN202311722879.6

申请日：2023-12-15

Applicant: 辽宁工程技术大学

Inventor： 刘辉 ,  索志远 ,  陈奇 ,  胡道俊 ,  安云磊

IPC: E21D19/02 ,  E21D23/00 ,  E21D23/04 ,  E21D23/16 ,  E21D15/44 ,  E21D15/51 ,  E21D15/50

Abstract: 本发明公开了一种适用于沿空巷道顶板的超前液压支架群组支护方法。该方法包括：在沿空巷道内沿巷道走向布置超前液压支架群组做临时支护；在支架立柱与其相应的液控单向阀之间串联可调式减压阀与溢流阀，以控制每个支架对沿空巷道顶板提供不同的初撑力和工作阻力；通过改变可调式减压阀出口压力，实现支架沿巷道走向的初撑力逐渐递减；采空区侧支架初撑力大于实体煤侧；预先设定溢流阀的阈值调整支架工作阻力，将溢流阀的压力值设定为3‑4倍采高的重力；本发明采用的超前液压支架群组支护方法能有效减小初撑力与巷道顶板应力分布不匹配问题，以及工作阻力不足对沿空巷道顶板造成的破坏。

公开(公告)号：CN116862977A

公开(公告)日：2023-10-10

申请号：CN202310843553.2

申请日：2023-07-11

Applicant: 辽宁工程技术大学

Inventor： 陈洪月 ,  陈奇 ,  杨辛未 ,  安云磊 ,  郝方健 ,  王梦迪

IPC: G06T7/70 ,  G06T7/13 ,  G06V10/25 ,  G06V10/75

Abstract: 本发明公开了一种基于双目视觉的超前液压支架姿态角的测量系统及方法，包括防爆终端机连接双目相机，实时测量超前液压支护作业的过程；支护作业前，测量超前液压支架的初始姿态角；支护过程中，通过欧式变换及姿态角解算法获取不同时刻超前液压支架变化的姿态角；测量过程中，对目标的特征检测和立体匹配算法进行创新优化。通过欧几里得变换及创新的姿态角解算法实现对超前液压支架姿态角的高效测量，其求解算法快、测量时效短；连续优化目标特征检测和目标立体匹配算法，提升解算结果的准确率和鲁棒性。本发明能有效减小超前液压支架姿态角的测量误差，完成矿井巷道内实时非接触在线精准测量。