基于透视变换和SNc-YOLOv5的大块煤识别方法应用

为了提高带式输送机大块煤识别的准确率，避免大块煤堆积对皮带造成的磨损，延长输送机的使用寿命，提出了基于透视变换和SNc-YOLOv5的大块煤识别方法，该方法首先利用透视变换技术对原始图像进行处理，有效地将图像中的非输送机区域滤除，并对输送机区域进行坐标矫正；然后，采用SNc-YOLOv5模型对经过标准化处理的图像进行深度学习建模，得到大块煤识别模型；最后，通过试验分析和现场应用对该方法进行有效性验证。结果表明：该方法在1号煤矿数据集的试验分析精确率为94.8%,召回率为83.2%,在2号煤矿数据集的试验分析精确率为92.8%,召回率为85.3%,现场应用置信度达到0.9,与其他方法进行比较，精确率和召回率指标均优于其他方法；该方法在图像预处理阶段提取带式输送机区域对图像进行标准化，仅对感兴趣区域进行处理，提高了大块煤识别的准确率。该算法部署到某煤矿现场，能够实现实时监测，为带式输送机的安全运行和延长使用寿命提供了有力保障。