CN110053943B - 一种人工智能视频识别皮带堆煤的监测方法 - Google Patents
一种人工智能视频识别皮带堆煤的监测方法 Download PDFInfo
- Publication number
- CN110053943B CN110053943B CN201910423581.2A CN201910423581A CN110053943B CN 110053943 B CN110053943 B CN 110053943B CN 201910423581 A CN201910423581 A CN 201910423581A CN 110053943 B CN110053943 B CN 110053943B
- Authority
- CN
- China
- Prior art keywords
- belt
- warning line
- coal
- video
- shielded
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种人工智能视频识别皮带堆煤的监测方法，包括以下步骤：先在皮带溜煤槽和转载点与皮带之间设警戒线，再通过矿用高清防爆摄像机实时采集警戒线视频，矿用高清防爆摄像机通过网络实时将警戒线视频传递给服务器，服务器通过人工智能视频识别模型分析警戒线视频，当警戒线被遮档，检测是否是煤量堆积遮挡了目标，检测结果是煤量堆积造成的遮挡确定皮带堆煤，检测结果不是煤量堆积造成的遮挡不判定为皮带堆煤。本发明旨在利用人工智能技术解决皮带运行检测问题，在皮带运行过程出现皮带堆煤现象及时发现和报警，适用于各种皮带运输场景，减少人工对现有检测传感器的定时校对操作，同时减少人力、时间的浪费。
Description
技术领域
本发明属于皮带运输监测领域，具体涉及一种人工智能视频识别皮带堆煤的监测方法。
背景技术
输煤皮带机是煤矿运输物料的主要装置，在皮带输送长时间运行过程中皮带堆煤是经常发生的故障，皮带堆煤引起系统故障停机影响生产作业效率；堆煤时皮带不能及时停机，造成皮带起火等安全隐患；皮带严重堆煤时，造成物料卡压堵塞容易引起皮带撕裂，皮带溜煤槽和转载点之间过于狭窄，且皮带下托辊皮带承载不均匀容易促使大块物料卡在溜煤前沿转载点与皮带之间，在遭受到挤压作用时造成皮带撕裂；以及转载点.溜煤眼外撒煤多等不利于安全生产的因素，给安全生产带来极大地隐患。
目前堆煤检测大多采用堆煤传感器对胶带输送机进行保护，现有的堆煤传感器可大致分为3类：
(1)基于行程开关的堆煤传感器；
(2)基于水银开关或煤油开关的堆煤传感器；
(3)基于电极式原理的堆煤传感器。
由于以上三类传感器都是基于碰触检测方式来实现皮带堆煤检测，当有大的煤块经过，或是有工人误碰触时容易发生误报警现象。
（1）由于煤矿环境复杂，行程开关的堆煤传感器易受煤尘湿气等外部环境影响常常不能及时准确报警，其耐用性、灵敏度、可靠性都不十分理想。现有的堆煤传感器有以下不足之处：
（2）水银开关或煤油开关的堆煤传感器无法实现全方位的高精度的测量，自身抗干扰能力较差；
（3）电极式堆煤传感器需要定期清理电极座过多的煤，尤其是喷水后应将煤尘和水擦干净，维护频率高，此外电极式传感器的准确率和误报率还与煤的干湿度有很大关系；
（4）使用接触式传感器，存在机械磨损同时煤块与传感器摩擦容易产生火花，影响安全生产；
（5）监测不具可视化，监控者只能看到一些数字化指标，检测效果差。
发明内容
为了克服现有技术费时费力且安全性及稳定性弱的缺陷，本发明提供了一种省时省力且能够实时监测皮带堆煤的人工智能视频识别皮带堆煤的监测方法。
本发明为了实现上述目的所采用的技术方案是：
一种人工智能视频识别皮带堆煤的监测方法，包括以下步骤：先在皮带溜煤槽和转载点与皮带之间设警戒线，再通过矿用高清防爆摄像机实时采集警戒线视频，矿用高清防爆摄像机通过网络实时将警戒线视频传递给服务器，服务器通过人工智能视频识别模型分析警戒线视频，当警戒线被遮档，检测是否是堆煤处煤量堆积遮挡了目标，检测结果是煤量堆积造成的遮挡确定皮带堆煤，检测结果不是煤量堆积造成的遮挡不判定为皮带堆煤。
优选的，所述警戒线设在皮带溜煤槽和转载点与皮带之间1/3处。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设好警戒线和警戒线遮挡时间，当警戒线被遮挡从而丢失警戒线超过警戒线遮挡时间时，则认定警戒线被遮挡，使用目标检测器去检测警戒线视频下一帧预测位置是否是警戒线，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所警戒线遮挡时间为1-10s。
进一步地，所述检测是否是堆煤处煤量堆积遮挡了目标采用以下步骤：警戒线被遮挡时，服务器会提取警戒线遮挡周围半径100px-300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡物体是否为煤量堆积，是则报警，否则排除误报。所述图像分类算法可以运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述警戒线包括皮带安全区域警戒线（警戒线遮挡1/3）、皮带预警区域警戒线（警戒线遮挡2/3）、皮带堆煤区域警戒线（警戒线遮挡超过2/3）。
进一步地，所述矿用高清防爆摄像机安装于皮带溜煤槽和转载点巷道顶部处于皮带溜煤槽和转载点斜上方，朝向迎头位置，能够拍摄整个皮带溜煤槽和转载点区域，且画面水平。
进一步地，所述服务器还与报警器连接。在皮带堆煤时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带堆煤。
本发明旨在利用人工智能技术解决皮带运行检测问题，在皮带运行过程出现皮带堆煤现象及时发现和报警，适用于各种皮带运输场景，减少人工对现有检测传感器的定时效对操作，从而确保煤矿作业安全，同时减少人力、时间的浪费。
附图说明
现在参考附图对本发明作进一步描述，其中：
图1为矿用高清防爆摄像头安装俯视图；
图2为皮带正常运行示意图；
图3为皮带堆煤预警示意图；
图4为皮带堆煤示意图。
附图标记说明：1、矿用高清防爆摄像机，2、皮带，3、堆煤处，4、警戒线。
具体实施方式
实施例1
如图1至4所示，本实施例的人工智能视频识别皮带堆煤的监测方法，包括以下步骤：先在皮带溜煤槽和转载点与皮带2之间设警戒线4，再通过矿用高清防爆摄像机1实时采集警戒线视频，矿用高清防爆摄像机1通过网络实时将警戒线视频传递给服务器，服务器通过人工智能视频识别模型分析警戒线视频，当警戒线4被遮档，检测是否是堆煤处3煤量堆积遮挡了目标，检测结果是煤量堆积造成的遮挡确定皮带2堆煤，检测结果不是煤量堆积造成的遮挡不判定为皮带2堆煤。
优选的，所述警戒线4设在皮带溜煤槽和转载点与皮带2之间1/3处。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设好警戒线4和警戒线遮挡时间，当警戒线4被遮挡从而丢失警戒线4超过警戒线遮挡时间时，则认定警戒线4被遮挡，使用目标检测器去检测警戒线4视频下一帧预测位置是否是警戒线4，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所警戒线4遮挡时间为1s。
进一步地，所述检测是否是堆煤处3煤量堆积遮挡了目标采用以下步骤：警戒线4被遮挡时，服务器会提取警戒线4遮挡周围半径100px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡物体是否为煤量堆积，是则报警，否则排除误报。所述图像分类算法可以运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述警戒线4包括皮带2安全区域警戒线4（警戒线4遮挡1/3）、皮带2预警区域警戒线4（警戒线4遮挡2/3）、皮带2堆煤区域警戒线4（警戒线4遮挡超过2/3）。
进一步地，所述矿用高清防爆摄像机1安装于皮带溜煤槽和转载点巷道顶部处于皮带溜煤槽和转载点斜上方，朝向迎头位置，能够拍摄整个皮带溜煤槽和转载点区域，且画面水平。
进一步地，所述服务器还与报警器连接。在皮带2堆煤时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2堆煤。
实施例2
本实施例的人工智能视频识别皮带堆煤的监测方法，包括以下步骤：先在皮带溜煤槽和转载点与皮带2之间设警戒线4，再通过矿用高清防爆摄像机1实时采集警戒线视频，矿用高清防爆摄像机1通过网络实时将警戒线视频传递给服务器，服务器通过人工智能视频识别模型分析警戒线视频，当警戒线4被遮档，检测是否是堆煤处3煤量堆积遮挡了目标，检测结果是煤量堆积造成的遮挡确定皮带2堆煤，检测结果不是煤量堆积造成的遮挡不判定为皮带2堆煤。
优选的，所述警戒线4设在皮带溜煤槽和转载点与皮带2之间1/3处。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设好警戒线4和警戒线遮挡时间，当警戒线4被遮挡从而丢失警戒线4超过警戒线遮挡时间时，则认定警戒线4被遮挡，使用目标检测器去检测警戒线4视频下一帧预测位置是否是警戒线4，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所警戒线4遮挡时间为5s。
进一步地，所述检测是否是堆煤处3煤量堆积遮挡了目标采用以下步骤：警戒线4被遮挡时，服务器会提取警戒线4遮挡周围半径200px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡物体是否为煤量堆积，是则报警，否则排除误报。所述图像分类算法可以运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述警戒线4包括皮带2安全区域警戒线4（警戒线4遮挡1/3）、皮带2预警区域警戒线4（警戒线4遮挡2/3）、皮带2堆煤区域警戒线4（警戒线4遮挡超过2/3）。
进一步地，所述矿用高清防爆摄像机1安装于皮带溜煤槽和转载点巷道顶部处于皮带溜煤槽和转载点斜上方，朝向迎头位置，能够拍摄整个皮带溜煤槽和转载点区域，且画面水平。
进一步地，所述服务器还与报警器连接。在皮带2堆煤时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2堆煤。
实施例3
本实施例的人工智能视频识别皮带堆煤的监测方法，包括以下步骤：先在皮带溜煤槽和转载点与皮带2之间1/3处设警戒线4，再通过矿用高清防爆摄像机1实时采集警戒线视频，矿用高清防爆摄像机1通过网络实时将警戒线视频传递给服务器，服务器通过人工智能视频识别模型分析警戒线视频，当警戒线4被遮档，检测是否是堆煤处3煤量堆积遮挡了目标，检测结果是煤量堆积造成的遮挡确定皮带2堆煤，检测结果不是煤量堆积造成的遮挡不判定为皮带2堆煤。
优选的，所述警戒线4设在皮带溜煤槽和转载点与皮带2之间1/3处。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设好警戒线4和警戒线遮挡时间，当警戒线4被遮挡从而丢失警戒线4超过警戒线遮挡时间时，则认定警戒线4被遮挡，使用目标检测器去检测警戒线4视频下一帧预测位置是否是警戒线4，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所警戒线4遮挡时间为10s。
进一步地，所述检测是否是堆煤处3煤量堆积遮挡了目标采用以下步骤：警戒线4被遮挡时，服务器会提取警戒线4遮挡周围半径300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡物体是否为煤量堆积，是则报警，否则排除误报。所述图像分类算法可以运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述警戒线4包括皮带2安全区域警戒线4（警戒线4遮挡1/3）、皮带2预警区域警戒线4（警戒线4遮挡2/3）、皮带2堆煤区域警戒线4（警戒线4遮挡超过2/3）。
进一步地，所述矿用高清防爆摄像机1安装于皮带溜煤槽和转载点巷道顶部处于皮带溜煤槽和转载点斜上方，朝向迎头位置，能够拍摄整个皮带溜煤槽和转载点区域，且画面水平。
进一步地，所述服务器还与报警器连接。在皮带2堆煤时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2堆煤。
Claims (7)
1.一种人工智能视频识别皮带堆煤的监测方法，其特征在于，包括以下步骤：先在皮带溜煤槽和转载点与皮带之间设警戒线，再通过矿用高清防爆摄像机实时采集警戒线视频，矿用高清防爆摄像机通过网络实时将警戒线视频传递给服务器，服务器通过人工智能视频识别模型分析警戒线视频，当警戒线被遮档，检测是否是堆煤处煤量堆积遮挡了目标，检测结果是煤量堆积造成的遮挡确定皮带堆煤，检测结果不是煤量堆积造成的遮挡不判定为皮带堆煤；
所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设好警戒线和警戒线遮挡时间，当警戒线被遮挡从而丢失警戒线超过警戒线遮挡时间时，则认为警戒线被遮挡，使用目标检测器去检测警戒线视频下一帧预测位置是否是警戒线，然后使用新检测结果去更新训练集进而更新目标检测器。
2.根据权利要求1所述的人工智能视频识别皮带堆煤的监测方法，其特征在于，所警戒线遮挡时间为1-10s。
3.根据权利要求1所述的人工智能视频识别皮带堆煤的监测方法，其特征在于，所述警戒线设在皮带溜煤槽和转载点与皮带之间1/3处。
4.根据权利要求1所述的人工智能视频识别皮带堆煤的监测方法，其特征在于，所述检测是否是堆煤处煤量堆积遮挡了目标采用以下步骤：警戒线被遮挡时，服务器会提取警戒线遮挡周围半径100px-300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡物体是否为煤量堆积，是则报警，否则排除误报。
5.根据权利要求1所述的人工智能视频识别皮带堆煤的监测方法，其特征在于，所述警戒线包括皮带安全区域警戒线、皮带预警区域警戒线、皮带堆煤区域警戒线。
6.根据权利要求1所述的人工智能视频识别皮带堆煤的监测方法，其特征在于，所述矿用高清防爆摄像机安装于皮带溜煤槽和转载点巷道顶部处于皮带溜煤槽和转载点斜上方，朝向迎头位置，能够拍摄整个皮带溜煤槽和转载点区域，且画面水平。
7.根据权利要求1所述的人工智能视频识别皮带堆煤的监测方法，其特征在于，所述服务器还与报警器连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910423581.2A CN110053943B (zh) | 2019-05-21 | 2019-05-21 | 一种人工智能视频识别皮带堆煤的监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910423581.2A CN110053943B (zh) | 2019-05-21 | 2019-05-21 | 一种人工智能视频识别皮带堆煤的监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110053943A CN110053943A (zh) | 2019-07-26 |
| CN110053943B true CN110053943B (zh) | 2021-04-23 |
Family
ID=67323785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910423581.2A Active CN110053943B (zh) | 2019-05-21 | 2019-05-21 | 一种人工智能视频识别皮带堆煤的监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110053943B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110422589B (zh) * | 2019-08-02 | 2020-12-29 | 精英数智科技股份有限公司 | 一种煤矿转载机堆煤安全报警方法、装置、设备、介质 |
| CN110646064A (zh) * | 2019-09-24 | 2020-01-03 | 红云红河烟草(集团)有限责任公司 | 一种基于k波雷达物位成像技术的生产线阻料诊断的方法 |
| CN110540042A (zh) * | 2019-10-11 | 2019-12-06 | 宁夏广天夏电子科技有限公司 | 一种基于三维图像及视频技术的皮带机物料堆积检测系统 |
| CN110599739A (zh) * | 2019-10-11 | 2019-12-20 | 宁夏广天夏电子科技有限公司 | 一种基于三维图像及智能视频技术的人员安全检测系统 |
| US11363909B2 (en) * | 2020-04-15 | 2022-06-21 | Air Products And Chemicals, Inc. | Sensor device for providing control for a food processing system |
| CN111242108B (zh) * | 2020-04-26 | 2020-08-28 | 华夏天信（北京）智能低碳技术研究院有限公司 | 基于目标检测的皮带转载点堵煤识别方法 |
| CN111432179A (zh) * | 2020-04-26 | 2020-07-17 | 上海发电设备成套设计研究院有限责任公司 | 基于计算机视觉的输煤皮带智能巡检系统及方法 |
| US11462030B2 (en) | 2020-05-11 | 2022-10-04 | Caterpillar Inc. | Method and system for detecting a pile |
| CN111860135A (zh) * | 2020-06-08 | 2020-10-30 | 精英数智科技股份有限公司 | 一种皮带转载点堆煤的识别方法、系统、设备及介质 |
| CN111790888B (zh) * | 2020-07-14 | 2021-08-24 | 安徽聚源昕锐精密机械有限公司 | 一种减少铸造废砂消耗的讯号轮及生产工艺 |
| CN112686124A (zh) * | 2020-12-25 | 2021-04-20 | 朗坤智慧科技股份有限公司 | 基于5g网络的电厂输煤皮带堆煤检测方法及装置 |
| CN115818171A (zh) * | 2023-01-10 | 2023-03-21 | 南京天创电子技术有限公司 | 一种皮带落煤口堵煤检测方法、装置及可读存储介质 |
| CN117068696B (zh) * | 2023-10-17 | 2023-12-22 | 山西潞安环保能源开发股份有限公司 | 一种智能识别皮带堆煤监测装置及方法 |
| CN118419520B (zh) * | 2024-05-30 | 2024-10-01 | 山东开创电气有限公司 | 一种煤矿传送带表面堆煤定位识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005189178A (ja) * | 2003-12-26 | 2005-07-14 | Jfe Steel Kk | 粉粒体の検出方法 |
| CN103292714A (zh) * | 2013-06-05 | 2013-09-11 | 中国矿业大学(北京) | 基于图像技术的带式输送机堆煤状况检测方法 |
| CN104680557A (zh) * | 2015-03-10 | 2015-06-03 | 重庆邮电大学 | 视频序列图像中的异常行为智能检测方法 |
| CN206552738U (zh) * | 2017-01-09 | 2017-10-13 | 陕煤集团神木张家峁矿业有限公司 | 一种激光型物料堆积保护装置 |
| CN109359594A (zh) * | 2018-10-17 | 2019-02-19 | 中国矿业大学 | 一种基于视频处理的矿井皮带异常检测方法及装置 |
-
2019
- 2019-05-21 CN CN201910423581.2A patent/CN110053943B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005189178A (ja) * | 2003-12-26 | 2005-07-14 | Jfe Steel Kk | 粉粒体の検出方法 |
| CN103292714A (zh) * | 2013-06-05 | 2013-09-11 | 中国矿业大学(北京) | 基于图像技术的带式输送机堆煤状况检测方法 |
| CN104680557A (zh) * | 2015-03-10 | 2015-06-03 | 重庆邮电大学 | 视频序列图像中的异常行为智能检测方法 |
| CN206552738U (zh) * | 2017-01-09 | 2017-10-13 | 陕煤集团神木张家峁矿业有限公司 | 一种激光型物料堆积保护装置 |
| CN109359594A (zh) * | 2018-10-17 | 2019-02-19 | 中国矿业大学 | 一种基于视频处理的矿井皮带异常检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于图像处理的皮带堆煤检测研究;谢文治等;《电子世界》;20140430;第83-84页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110053943A (zh) | 2019-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110053943B (zh) | 一种人工智能视频识别皮带堆煤的监测方法 | |
| CN110040470B (zh) | 一种人工智能视频识别皮带跑偏的监测方法 | |
| CN110422589B (zh) | 一种煤矿转载机堆煤安全报警方法、装置、设备、介质 | |
| CN100594375C (zh) | 输送机胶带撕裂的检测方法 | |
| CN101738224A (zh) | 工况检测方法、装置及系统 | |
| CN104792796A (zh) | 基于机器视觉的矿用胶带运行工况在线监测系统 | |
| CN104670845A (zh) | 皮带运输机堆积、撕裂智能检测装置 | |
| CN103292714B (zh) | 基于图像技术的带式输送机堆煤状况检测方法 | |
| CN106315162A (zh) | 一种输送带纵向撕裂检测装置 | |
| CN112282819B (zh) | 基于视觉的综采工作面人员目标安全监控方法及系统 | |
| CN206569654U (zh) | 一种输送带纵向撕裂检测装置 | |
| CN204223727U (zh) | 圆管带式输送机输送带跑偏监控装置 | |
| CN110540042A (zh) | 一种基于三维图像及视频技术的皮带机物料堆积检测系统 | |
| CN110359960A (zh) | 一种用于煤矿转载机推移的安全报警方法及设备 | |
| CN114104653A (zh) | 一种输煤仓区域输煤皮带机智能巡检检测方法 | |
| CN104533526B (zh) | 基于图像的采煤工作面煤与瓦斯突出报警方法 | |
| CN114877935A (zh) | 一种多源传感器一体化监测方法、装置及巡检机器人 | |
| CN112377264A (zh) | 基于图像识别加速度特征的煤与瓦斯突出报警方法 | |
| CN112377265A (zh) | 基于图像识别加速度特征的冲击地压报警方法 | |
| CN215158134U (zh) | Ai煤矿胶带运输智能控制系统 | |
| CN205114389U (zh) | 高可靠皮带机载人安全监测系统 | |
| CN103910181A (zh) | 基于红外视觉的胶带纵向撕裂检测预警方法 | |
| CN213010432U (zh) | 一种煤矿主输送系统监护装置 | |
| CN204489907U (zh) | 皮带运输机堆积、撕裂智能检测装置 | |
| CN115762089A (zh) | 矿仓下料检堵装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |