重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (3): 139-144.doi: 10.3969/j.issn.1674-8425(z).2021.03.018

• 智能技术 • 上一篇    下一篇

基于深度学习的罐式炼炉送料口视觉检测与跟踪方法

闫 河１，２，李 焕１，罗 成１   

  1. １．重庆理工大学，重庆 ４０００５４；２．重庆市两江人工智能学院，重庆 ４０１１３５
  • 收稿日期:2019-11-20 出版日期:2021-04-07 发布日期:2021-04-07
  • 作者简介:闫河，男，教授，主要从事模式识别、目标跟踪和人工智能研究；通讯作者 李焕，男，研究生，主要从事图像 识别研究。
  • 基金资助:
    国家重点研发计划“智能机器人”重点专项项目（２０１８ＹＦＢ１３０８６０２）；国家自然科学基金面上项目 （６１１７３１８４）；重庆市自然科学基金项目（ｃｓｔｃ２０１８ｊｃｙｊＡＸ０６９４）

  • Received:2019-11-20 Online:2021-04-07 Published:2021-04-07

PDF (PC)

154

赞

摘要： 通过计算机视觉技术实现送料口的准确检测及跟踪成为罐式炼炉自动控制的关 键。但传统视觉检测和跟踪算法受炼炉高温产生烟雾的影响，易导致送料口检测和跟踪失效， 为了更好地检测与跟踪视频流中送料口，提出了一种基于 Ｙｏｌｏｖ３深度学习的检测及跟踪方法。 基于自建的大量有烟雾干扰的图片样本，通过使用 Ｋｍｅａｎｓ聚类方法对数据集进行聚类分析， 对送料口的检测与跟踪展开研究。实验结果表明：改进后的 Ｙｏｌｏｖ３算法对实验目标准确率达 到 ９７．２０％，检测速率达到了 ３０帧／ｓ，能实时检测和跟踪实际情况下送料口的位置信息，且具有 较高的准确性和鲁棒性。其检测准确率和检测速率相比传统目标检测方法有所提高，准确性和 实时性均满足自动控制生产要求，说明将深度学习技术应用到工业生产有着巨大的应用前景。

关键词: 送料口, Ｙｏｌｏｖ３, Ｋ-ｍｅａｎｓ, 深度学习

中图分类号: 

  • TP391.41