CN111077093A - 一种基于多光谱技术的煤矸石快速检测的方法与装置 - Google Patents

一种基于多光谱技术的煤矸石快速检测的方法与装置 Download PDF

Info

Publication number
CN111077093A
CN111077093A CN202010026120.4A CN202010026120A CN111077093A CN 111077093 A CN111077093 A CN 111077093A CN 202010026120 A CN202010026120 A CN 202010026120A CN 111077093 A CN111077093 A CN 111077093A
Authority
CN
China
Prior art keywords
multispectral
coal
gangue
image
coal gangue
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.)
Withdrawn
Application number
CN202010026120.4A
Other languages
English (en)
Inventor
来文豪
周孟然
宋红萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN202010026120.4A priority Critical patent/CN111077093A/zh
Publication of CN111077093A publication Critical patent/CN111077093A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/178—Methods for obtaining spatial resolution of the property being measured
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N2021/3129—Determining multicomponents by multiwavelength light

Abstract

本发明公开了一种基于多光谱技术的煤矸石快速检测的方法与装置。本发明将多光谱成像技术用于煤矸石检测，构建一个煤和矸石多光谱图像采集系统，获取煤矸石多光谱图像，利用图像融合技术处理多光谱图像，将图像融合后的煤和矸石的多光谱图像用于煤矸石检测。改进YOLO‑V3并设计一个煤矸石快速检测模型，把融合后的多光谱图像标注并用于检测模型的训练。最后将训练好检测模型用于煤矸石检测。本发明基于多光谱成像技术检测煤矸石，相比于可见光图像，多光谱能获得煤和矸石更丰富的特征，具有更高的准确率。此外，设计的改进检测模型有更快的检测速度，可以实现煤矸石在线检测。

Description

一种基于多光谱技术的煤矸石快速检测的方法与装置
技术领域
本发明属于煤矸石多光谱图像检测领域，具体是一种基于多光谱技术的煤矸石快速检测的方法与装置。
背景技术
从第一次工业革命起，煤炭在人类能源中一直扮演重要角色。根据《BP世界能源统计年鉴》，2018年全球煤炭消费量增长1.4％，产量增长4.3％，它们增速均创五年新高；此外，煤炭的消耗在一次能源中的占比仍高达27.2％。这意味着，在现有的能源模式下，人将长期从事煤炭开采工作。在煤的开采过程中，会不可避免的参入热值低或不可燃烧的石头。它不仅降低煤的燃烧效率，而且会增加对空气的污染(矸石含有正金属)。因此将矸石从煤中分离是煤炭开采的重要一部分。煤和矸石的自动化分离的前提是准确的实现煤矸石的检测。目前，尽管已有部分关于煤矸石检测的报道，但其都是基于可见光成像，易受环境光纤和灰尘影响，检测精度有待提升。例如专利201910715211.6基于视频图像检测煤矸石，尽管其实现了矸石的检测，但是基于视频的检测，其只利用可见光的部分波段，检测精度有待提升。
多光谱成像技术就是把入射的全波段或宽波段的光信号分成若干个窄波段的光束，然后把它们分别成像在相应的探测器上，从而获得不同光谱波段的图像。相比于只有RGB三个波段的可见光图像，多光谱可以获得更丰富的煤和矸石特征。此外，多光谱的波段宽，受可见光的影响相对小很多。因此发明一种基于多光谱技术的煤矸石快速检测方法和装置。
发明内容
本发明提供了一种基于多光谱技术的煤矸石快速识别和检测的方法与装置，旨在实现煤矸石的快速高效、准确的识别和检测。
为实现上述目的，本发明提出种基于多光谱技术的煤矸石快速识别和检测的方法与装置，设计一个煤和矸石多光谱数据采集系统，采集煤和矸石的多光谱图像，然后利用图像融合技术将多个光谱图像融合成一个光谱图像，最后利用构建一个基于卷积神经网络煤矸石检测模型，检测每张经融合后的光谱图像中煤矸石的位置。
进一步地，具体包括以下步骤：
S1、设计一个煤和矸石多光谱数据采集系统，煤和矸石的多光谱数据采集系统包括硬件系统和软件系统，硬件系统包括多光谱成像仪、滤光片、镜头、高能光源、电脑以及设备之间的连接设备，软件系统为上位机及光谱成像仪配置软件；
S2、利用搭建的多光谱成像技术获取煤和矸石的原始多光谱数据，对每个波段的多光谱数据归一化处理；构建一个数据融合模型，将选出的最能表达煤和矸石差异的3光谱图像作为基图像，并将剩余图像与基图像融合；
S3、基于卷积神经网络理论，构建一个轻量、高效的煤和矸石的光谱图像检测模型；标注每张融合后的光谱图像，并作为检测模型的目标输出，将融合后的多光谱图像作为检测模型的输入，训练检测模型；最后将训练好的煤矸石检测模型用于煤矸石检测。
进一步地，所述步骤S1中的各设备的连接与工作方式如下：
本发明基于多光谱成像技术，其成像波段宽，必须配备波段较宽的光源设备，高能光源的作用是为系统提供光源；煤或矸石反射的波段较宽光由滤光片过滤后，经镜头在多光谱成像仪的成像传感器上成像；多光谱成像仪中的煤和矸石的光谱数据由USB数据线传到传送到电脑，以便下一步的处理和检测。
进一步地，所述步骤S2归一化的计算和光谱图像的融合方法如下：
令每一个波段的多光谱图像数据为P，其中，每个光谱图像的分辨率为w×h，即光谱图像的长为w高为h：
Figure BDA0002362532280000021
P′数据归一化后光谱图像的每个像素值；多光谱图像融合方法采用一种高效且计算量较小的图像融合，如下：
Figure BDA0002362532280000031
Figure BDA0002362532280000032
Figure BDA0002362532280000033
式(2)、(3)和(4)中，BP′为基图像，P′是多光谱的一个波段，P″为融合后的多光谱图像。
优选的，所述步骤S3中的基于多光谱图像的煤矸石检测过程如下：
S3.1利用labelImg分别标注融合后的多光谱图，给每张光谱图像中的每个煤块或矸石打标签和坐标信息；
S3.2改进YOLO-V3，构建一个适用于煤矸石多光谱图像快速在线检测模型；
S3.3将利用labelImg获取的标注信息转换成检测模型目标输出的数据类型；
S3.4将融合后的光谱图像最为检测模型的输入，把类型转换后的标注数据作为输出目标，训练检测模型；
S3.5训练好的检测模型用于煤矸石在线检测。
本发明的技术方案中，具有以下有益效果：(1)本发明基于多光谱成像技术检测煤矸石，并构建一个煤矸石多光谱图像采集系统；相比于传统RGB图像检测，多光谱具有更宽波带，获取更多的煤和矸石差异特征，具有更高的检测精度；(2)本发明改进YOLO-V3模型，创建一个更适于煤矸石多光谱图像检测模型，有优秀的检测精度，能实现煤矸石的实时监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1是本发明实施例提供的一种基于多光谱的煤矸石检测示意流程图；
图2是本发明实施例提供的一种煤矸石多光谱图像采集系统原理图；
图3是本发明实施例提供的一种改进YOLO-V3的多光谱煤矸石检测模型；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，图1是本申请一实施例提供的一种基于多光谱的煤矸石检测流程示意图。如图1所示，该移动流量预测方法包括步骤S1～S3。
S1、搭建一个煤和矸石多光谱数据采集系统，系统原理图如图2所示，硬件系统包括多光谱成像仪、滤光片、镜头、高能光源、电脑以及设备之间的连接设备；
多光谱成像技术的成像波段宽，必须配备波段较宽的光源设备，高能光源的作用是为系统提供光源；为减少环境的干扰，本发明采用双光源为多光谱提供必要的光；系统的工作如：
首先打开光源，照射待检测煤矸石，煤矸石反射宽波段的光，经带通滤光片过滤，只允许特定波长的光通过镜头进入光谱成像仪，并由光谱成像仪成像；多光谱成像仪的曝光时间设置和工作由计算机控制经USB3.0数据线控制，同时光谱采成像仪会把采集的煤或矸石的光谱图像数据经USB3.0数据线传到电脑中，以便下一步的融合和检测。
S2、利用搭建的多光谱成像技术获取煤和矸石的原始多光谱数据，对每个波段的多光谱数据归一化处理；构建一个数据融合模型，将选出的最能表达煤和矸石差异的3光谱图像作为基图像，并将剩余图像与基图像融合；
令每一个波段的多光谱图像数据为P，其中，每个光谱图像的分辨率为w×h，即光谱图像的长为w高为h：
Figure BDA0002362532280000041
P′数据归一化后光谱图像；多光谱图像融合方法采用一种高效且计算量较小的图像融合，如下：
Figure BDA0002362532280000051
Figure BDA0002362532280000052
Figure BDA0002362532280000053
式(6)、(7)和(8)中，BP′为基图像，P′是多光谱的一个波段，P″为融合后的多光谱图像。
S3、构建一个轻量、高效的煤和矸石的光谱图像检测模型；标注每张融合后的光谱图像，并作为检测模型的目标输出，将融合后的多光谱图像作为检测模型的输入，训练检测模型；最后将训练好的煤矸石检测模型用于煤矸石检测，具体实现步骤如下：
S3.1利用labelImg分别标注融合后的多光谱图，给每张光谱图像中的每个煤块或矸石打标签和坐标信息；
S3.2改进YOLO-V3，构建一个适用于煤矸石多光谱图像快速在线检测模型；YOLO-V3的改进部分如图3所示，具体如下：
1)针对多光谱的光谱图的分辨率，改进的检测模型的输入为400*200*3；
2)设计一个基于稠密连接的特征提框架以代替YOLO-V3中的残差连接，提高模型的效率；
3)为进一步提高煤矸石的检测速度，改进的YOLO-V3的特征图采用两种刻度，分别是40*20*14和20*10*14；
其中，在稠密连接中，卷核大小均为3*3，步长为1；池化采用最大池化法，池化核大小为2*2，步长2；激活函数采用Relu，原理如：
Figure BDA0002362532280000054
式9中，pi,j为卷积后特征图中像素点值。
S3.3将利用labelImg获取的标注信息转换成检测模型目标输出的数据类型；
S3.4将融合后的光谱图像最为检测模型的输入，把类型转换后的标注数据作为输出目标，训练检测模型；
S3.5训练好的检测模型用于煤矸石在线检测。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种基于多光谱技术的煤矸石快速检测的方法与装置，其特征在于：设计一个煤和矸石多光谱数据采集系统，采集煤和矸石的多光谱图像，然后利用图像融合技术将多个光谱图像融合成一个光谱图像，最后利用构建一个基于卷积神经网络煤矸石检测模型，检测每张经融合后的光谱图像中煤矸石的位置。
2.根据权利要求1所述的煤和矸石多光谱数据采集系统，其特征在于，具体包括以下步骤：
首先打开光源，照射待检测煤矸石，煤矸石反射宽波段的光，经带通滤光片过滤，只允许特定波长的光通过镜头进入光谱成像仪，并由光谱成像仪成像；多光谱成像仪的曝光时间设置和工作由计算机控制经USB3.0数据线控制，同时光谱采成像仪会把采集的煤或矸石的光谱图像数据经USB3.0数据线传到电脑中。
3.根据权利要求1所述的煤矸石多光谱图像归一化处理和融合，其特征在于，具体包括以下步骤：
令某一个波段的多光谱图像数据为P，其中，每个光谱图像的分辨率为w×h，即光谱图像的长为w高为h：
Figure FDA0002362532270000011
P′数据归一化后光谱图像；多光谱图像融合方法采用一种高效且计算量较小的图像融合，如下：
Figure FDA0002362532270000012
Figure FDA0002362532270000013
Figure FDA0002362532270000014
式(2)、(3)和(4)中，BP′为基图像，P′是多光谱的一个波段，P″为融合后的多光谱图像。
4.根据权利要求1所述的煤矸石光谱图像检测模型，其特征在于：构建一个轻量、高效的煤和矸石的光谱图像检测模型；标注每张融合后的光谱图像，并作为检测模型的目标输出，将融合后的多光谱图像作为检测模型的输入，训练检测模型；最后将训练好的煤矸石检测模型用于煤矸石检测。
5.根据权利要求4所述的构建轻量、高效的煤和矸石的光谱图像检测模型，其特征在于：改进YOLO-V3并设计一个适用于煤矸石多光谱图像快速在线检测模型体，首先，设计一个基于稠密连接的特征提框架以代替YOLO-V3中的残差连接，提高模型的效率；然后，采两种刻度特征图，分别是40*20*14和20*10*14。
6.根据权利要求5所述的设计基于稠密连接的特征提框架，其特征在于：卷核大小均为3*3，步长为1；池化采用最大池化法，池化核大小为2*2，步长2；激活函数采用Relu原理如：
Figure FDA0002362532270000021
式5中，pi,j为卷积后特征图中像素点值。
CN202010026120.4A 2020-01-10 2020-01-10 一种基于多光谱技术的煤矸石快速检测的方法与装置 Withdrawn CN111077093A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010026120.4A CN111077093A (zh) 2020-01-10 2020-01-10 一种基于多光谱技术的煤矸石快速检测的方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010026120.4A CN111077093A (zh) 2020-01-10 2020-01-10 一种基于多光谱技术的煤矸石快速检测的方法与装置

Publications (1)

Publication Number Publication Date
CN111077093A true CN111077093A (zh) 2020-04-28

Family

ID=70322819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010026120.4A Withdrawn CN111077093A (zh) 2020-01-10 2020-01-10 一种基于多光谱技术的煤矸石快速检测的方法与装置

Country Status (1)

Country Link
CN (1) CN111077093A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446914A (zh) * 2020-12-04 2021-03-05 中国矿业大学(北京) 一种放顶煤过程中的煤矸石质量计算方法及系统
CN112508001A (zh) * 2020-12-03 2021-03-16 安徽理工大学 一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法
CN112686250A (zh) * 2020-12-23 2021-04-20 三梁环境技术(山西)有限公司 一种煤矸石分类方法、装置、设备及存储介质
CN112871745A (zh) * 2021-01-11 2021-06-01 三梁环境技术(山西)有限公司 煤矸石分类模型获取以及煤矸石分类方法、装置和设备
CN112990027A (zh) * 2021-03-22 2021-06-18 精英数智科技股份有限公司 一种基于高光谱图像的煤矸识别方法及装置
CN113109287A (zh) * 2021-03-17 2021-07-13 杭州兰亮网络科技有限公司 一种加装传感器获得图像处理油液品质的检测方法
CN113269725A (zh) * 2021-04-28 2021-08-17 安徽理工大学 一种基于成像技术和深度学习的煤矸石快速检测方法
CN113567357A (zh) * 2021-07-26 2021-10-29 杭州海康威视数字技术股份有限公司 一种光谱数据的融合方法、以及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280591A (ja) * 2003-03-17 2004-10-07 Ntt Data Corp マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム
CN104122210A (zh) * 2014-07-02 2014-10-29 中国林业科学研究院林业研究所 一种基于最佳指数-相关系数法的高光谱波段提取方法
CN108491849A (zh) * 2018-03-23 2018-09-04 上海理工大学 基于三维稠密连接卷积神经网络的高光谱图像分类方法
CN110321959A (zh) * 2019-07-09 2019-10-11 安徽理工大学 一种多光谱图像信息和cnn的煤矸识别方法
CN110348538A (zh) * 2019-07-18 2019-10-18 安徽理工大学 一种多光谱光谱信息和1d-cnn的煤矸识别方法
CN110378295A (zh) * 2019-07-22 2019-10-25 安徽理工大学 一种多光谱图像信息和光谱信息异构融合的煤矸识别方法
CN110441312A (zh) * 2019-07-30 2019-11-12 上海深视信息科技有限公司 一种基于多光谱成像的产品表面缺陷检测系统
CN110569875A (zh) * 2019-08-07 2019-12-13 清华大学无锡应用技术研究院 一种基于特征复用的深度神经网络目标检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280591A (ja) * 2003-03-17 2004-10-07 Ntt Data Corp マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム
CN104122210A (zh) * 2014-07-02 2014-10-29 中国林业科学研究院林业研究所 一种基于最佳指数-相关系数法的高光谱波段提取方法
CN108491849A (zh) * 2018-03-23 2018-09-04 上海理工大学 基于三维稠密连接卷积神经网络的高光谱图像分类方法
CN110321959A (zh) * 2019-07-09 2019-10-11 安徽理工大学 一种多光谱图像信息和cnn的煤矸识别方法
CN110348538A (zh) * 2019-07-18 2019-10-18 安徽理工大学 一种多光谱光谱信息和1d-cnn的煤矸识别方法
CN110378295A (zh) * 2019-07-22 2019-10-25 安徽理工大学 一种多光谱图像信息和光谱信息异构融合的煤矸识别方法
CN110441312A (zh) * 2019-07-30 2019-11-12 上海深视信息科技有限公司 一种基于多光谱成像的产品表面缺陷检测系统
CN110569875A (zh) * 2019-08-07 2019-12-13 清华大学无锡应用技术研究院 一种基于特征复用的深度神经网络目标检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HU FENG ET AL.: "（Multispectral Imaging: A New Solution for Identification of Coal and Gangue", 《IEEE ACCESS》 *
张强等: "基于成像系统物理特性的多光谱图像与全色波段图像融合", 《光学学报》 *
鞠默然等: "改进的YOLO V3算法及其在小目标检测中的应用", 《光学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508001A (zh) * 2020-12-03 2021-03-16 安徽理工大学 一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法
CN112446914A (zh) * 2020-12-04 2021-03-05 中国矿业大学(北京) 一种放顶煤过程中的煤矸石质量计算方法及系统
CN112446914B (zh) * 2020-12-04 2023-08-15 中国矿业大学(北京) 一种放顶煤过程中的煤矸石质量计算方法及系统
CN112686250A (zh) * 2020-12-23 2021-04-20 三梁环境技术(山西)有限公司 一种煤矸石分类方法、装置、设备及存储介质
CN112871745A (zh) * 2021-01-11 2021-06-01 三梁环境技术(山西)有限公司 煤矸石分类模型获取以及煤矸石分类方法、装置和设备
CN113109287A (zh) * 2021-03-17 2021-07-13 杭州兰亮网络科技有限公司 一种加装传感器获得图像处理油液品质的检测方法
CN112990027A (zh) * 2021-03-22 2021-06-18 精英数智科技股份有限公司 一种基于高光谱图像的煤矸识别方法及装置
CN113269725A (zh) * 2021-04-28 2021-08-17 安徽理工大学 一种基于成像技术和深度学习的煤矸石快速检测方法
CN113567357A (zh) * 2021-07-26 2021-10-29 杭州海康威视数字技术股份有限公司 一种光谱数据的融合方法、以及装置

Similar Documents

Publication Publication Date Title
CN111077093A (zh) 一种基于多光谱技术的煤矸石快速检测的方法与装置
CN108918539A (zh) 一种隧道结构表观病害检测装置及方法
CN110648364B (zh) 一种多维度空间固废视觉检测定位及识别方法与系统
CN111696075A (zh) 一种基于双光谱图像的风机叶片缺陷智能检测方法
CN109919331A (zh) 一种机载设备智能维修辅助系统及方法
CN108537122A (zh) 包含气象参数的图像融合采集系统及图像存储方法
CN110348538B (zh) 一种多光谱光谱信息和1d-cnn的煤矸识别方法
CN110378295B (zh) 一种多光谱图像信息和光谱信息异构融合的煤矸识别方法
CN112528979B (zh) 变电站巡检机器人障碍物判别方法及系统
CN109993154A (zh) 变电站单指针式六氟化硫型仪表智能识别方法
WO2024037408A1 (zh) 一种基于图像融合和特征增强的煤矿井下行人检测方法
CN103743750B (zh) 一种大口径光学元件表面损伤分布图的生成方法
CN105974120A (zh) 一种c反应蛋白色度自动检测装置与方法
CN117036300A (zh) 基于点云-rgb异源图像多级配准映射的路面裂缝识别方法
CN111767826A (zh) 一种定时定点场景异常检测方法
CN107147877A (zh) 固定区域夜雾天况全天候彩色视频成像系统及其构建方法
CN113269725A (zh) 一种基于成像技术和深度学习的煤矸石快速检测方法
CN112990169B (zh) 煤岩界面的识别方法、割煤轨迹的确定方法及装置
CN107578067A (zh) 一种基于卷积神经网络的烟丝组分识别方法及装置
CN108985307B (zh) 一种基于遥感影像的水体提取方法及系统
CN116258664A (zh) 一种基于深度学习的光伏电池片智能缺陷检测方法
CN115240091A (zh) 一种水稻穗粒快速检测方法及装置
CN114639047A (zh) 一种基于卷积神经网络的海南长臂猿野外图像检测系统及方法
CN113536895A (zh) 一种圆盘指针表计识别方法
CN110827281A (zh) 一种摄像模组光心检测方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200428