基于暗通道先验知识和ResNet网络的焦炭智能装载溢出检测方法.pdfVIP

2025年第25卷第8期科学技术与工程ISSN1671—1815

2025,25(8):03325-08ScienceTechnologyandEngineeringCN11—4688/T

DOI:10.12404/j.issn.1671-1815.2402154

引用格式:解康战,侯惠芳,张自豪,等.基于暗通道先验知识和ResNet网络的焦炭智能装载溢出检测方法[J].科学技术与工程,2025,25

(8):3325-3332.

XieKangzhan,HouHuifang,ZhangZihao,etal.Acokeintelligentloadingoverflowdetectionmethodbasedondarkchannelpriorknowledge

andResnetNetwork[J].ScienceTechnologyandEngineering,2025,25(8):3325-3332.

基于暗通道先验知识和ResNet网络的

焦炭智能装载溢出检测方法

12∗21

解康战,侯惠芳,张自豪,孙文涛

(1.河南工业大学信息科学与工程学院,郑州450001;2.河南工业大学人工智能与大数据学院,郑州450001)

摘要高粉尘环境下进行精准的焦炭溢出检测是实现焦炭智能装载的重要挑战。针对此问题,提出一种基于暗通道先验

知识和ResNet网络的焦炭智能装载溢出检测方法。首先,利用视频采集器获取焦炭装载场景视频信息,并对原始时间序列视

频图像帧进行处理以获得下料口及装载器之间感兴趣区域;其次,提出利用暗通道先验知识方法对感兴趣区域进行处理,提

升感兴趣区域中目标区域与无关区域之间对比度,以降低粉尘对后续检测模型的影响。再者,根据焦炭实际装载情况对感兴

趣区域进行标注将溢出检测问题转化成二分类。最终,提出利用ResNet网络建模完成对模型的训练获得训练模型并在新采

集焦炭装载过程中进行实验。实验证明所提方法在新的数据上测试结果表现优异,整体准确率达到86.81%,其中溢出类的

精确度、召回率和F1分数分别为84.12%、90.74%和0.8730。并且在使用了暗通道先验算法处理数据后,溢出类的召回率

上升了3.31%。

关键词焦炭智能装载溢出检测;暗通道先验知识;ResNet网络

中图法分类号TP391.41;文献标志码A

ACokeIntelligentLoadingOverflowDetectionMethodBasedonDark

ChannelPriorKnowledgeandResNetNetwork

12∗21

XIEKang-zhan,HOUHui-fang,ZHANGZi-hao,SUNWen-tao

(1.SchoolofInformationScienceandEngineering,HenanUniversityofTechnology,Zhengzhou450001,China;

2.SchoolofArtificialIntelligenceandBigData,HenanUniversityofTechnology,Zhengzhou450001,China)

[Abstract]Theaccuratedetectionofcokeoverflowinhigh-du