-
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
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
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。
-