KJ278矿用井下人员定位管理系统

浅析矿用产品安全标志认证体系信息化规划方略.docx

针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题，提出一种基于深度学习的矿用输送带损伤检测方法，通过Yolov4tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络，借鉴Resnet残差思想，使用残差块防止深层网络中高层语义特征丢失，同时采用特征金字塔网络实现高低层语义信息融合，达到提高检测精度的目的；将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head，通过得分排序和非极大值抑制算法对预测框进行筛选，从而预测输送带损伤类型。实验结果表明，Yolov4〖HT5,6”〗-〖HT5〗tiny目标检测网络在输送带损伤数据集上对表面划伤、撕裂、表面破损和击穿4种损伤类型检测的平均精度分别为9936%，9485%，8930%，8676%，平均精度均值达9257%；与Faster-RCNN，RFBnet，M2det，SSD，Yolov3，EfficientDet和Yolov4目标检测网络相比，Yolov4-tiny目标检测网络在数据集上取得了最快的检测

基于yolov5和pyqt5搭建的矿用智能视频监控系统源码。自主开发完整界面，连接相机显示推理图片，包括视频质量检测、视频智能分析、越位报警、停车等功能。 基于yolov5和pyqt5搭建的矿用智能视频监控系统源码。自主开发完整界面，连接相机显示推理图片，包括视频质量检测、视频智能分析、越位报警、停车等功能基于yolov5和pyqt5搭建的矿用智能视频监控系统源码。自主开发完整界面，连接相机显示推理图片，包括视频质量检测、视频智能分析、越位报警、停车等功能 环境 Windows 10系统 opencv-python yolov5 requirement pyqt5 && pyqt5-tools

目前国内输送带纵向撕裂检测在精度和可靠性方面不能满足要求,随着数字图像处理技术的不断发展其已被广泛应用于工业检测中,文章提出一种应用数字图像处理技术对输送带纵向撕裂检测的方法并使用蚁群算法对canny算子进行优化。实验结果表明优化的边缘检测是一种有效的输送带纵向撕裂检测方法。

人工智能-机器学习-某矿用卡车液压系统故障智能诊断的研究.pdf

论文建立了专门针对矿山企业的采销信息管理系统,系统地分析了矿山企业采销管理模式,采用GIS空间数据处理技术,利用WebGIS的空间数据共享优势,设计并实现了基于WebGIS的矿用对象采销信息管理系统,使数据的管理、维护能够达到统一,改变了传统的矿山企业中矿用对象的采销管理模式,提高了采销管理的效率,为企业创造更多的经济效益。

煤矿井下防爆柴油机无轨胶轮车必须装配自动保护装置,并在驾驶员室安装用于显示监测参数的显示器,目前显示器大多是采用LCD12864液晶点阵屏的形式显示,只能简单显示一些文字信息。为使驾驶员能更好地观察各监测参数的状态,设计采用了ARM处理器LPC4357驱动7寸彩色液晶屏的方式,通过模拟汽车仪表盘的形式,可直观地显示发动机转速、车速、油位等信息。该智能显示器经现场试用,取得了良好效果。

传统的煤矿变频器三电平SVPWM算法繁琐复杂,给应用带来不便。采用了三电平空间矢量脉宽调制新算法,这种方法是利用两电平的方法来实现的,这对计算过程进行了简化,并采用Matlab建模仿真软件及DSP来实现这种算法,试验表明了SVPWM算法的正确性。

为了提高矿用柴油机车保护装置的智能性和安全性,降低矿用柴油机车的制造成本,采用基于嵌入式Linux与QT的软件平台,设计了一种新型虚拟仪表软件;实现了参数采集、数据处理及界面显示等功能;经工业性试验验证,该虚拟仪表软件成本较低、人-机交互界面友好、故障判断及时准确,具有良好的可扩展性。