礦產(chǎn)資源為人民的生產(chǎn)生活提供了的重要物質(zhì)基礎(chǔ),國民經(jīng)濟(jì)的快速發(fā)展同樣離不開充足的能源。然而根據(jù)調(diào)查結(jié)果,近幾年在礦山開采中時(shí)常有事故發(fā)生。為了保護(hù)一線礦工的生命安全,避免礦工在開采過程中受到傷害,礦山一般強(qiáng)制下礦人員有效穿戴安保設(shè)備后才能下礦開采。但是由于我國的礦山具有環(huán)境復(fù)雜、人員流動性大、一線礦工人員安全開采意識不高等特點(diǎn),監(jiān)管人員往往很難做到實(shí)時(shí)監(jiān)督每位礦工安保設(shè)備的穿戴情況。為了解決實(shí)時(shí)監(jiān)督這個(gè)問題,本文提出一種利用深度學(xué)習(xí)技術(shù)來檢測下礦人員安保設(shè)備是否穿戴的方法,并且開發(fā)了一套基于SSD-MobileNet的礦工安保穿戴設(shè)備檢測系統(tǒng)。通過這樣一套自動化與智能化的檢測系統(tǒng)可以有效解決礦工安保穿戴設(shè)備檢測的復(fù)雜性及反復(fù)性問題。進(jìn)一步有效約束礦工的安全生產(chǎn)行為,實(shí)現(xiàn)礦井安全管理系統(tǒng)智能化。本文的主要工作如下:（1）本文提出了下礦人員安保穿戴設(shè)備檢測系統(tǒng)的總體設(shè)計(jì)方案。檢測系統(tǒng)由壓力開關(guān)、PLC、攝像頭、上位機(jī)以及閘機(jī)系統(tǒng)等硬件構(gòu)成,系統(tǒng)具有動態(tài)感知、數(shù)據(jù)采集、目標(biāo)檢測、數(shù)據(jù)統(tǒng)計(jì)、閘機(jī)控制以及人機(jī)交互等功能。（2）本文對深度學(xué)習(xí)的理論知識展開了研究。闡述了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程、網(wǎng)絡(luò)... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容
    1.4 論文的章節(jié)安排
2 安保穿戴設(shè)備檢測系統(tǒng)的總體設(shè)計(jì)
    2.1 檢測系統(tǒng)的總體方案
    2.2 檢測系統(tǒng)的功能介紹
    2.3 本章小結(jié)
3 深度學(xué)習(xí)理論及安保穿戴設(shè)備檢測算法研究
    3.1 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展
    3.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其訓(xùn)練
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
    3.3 安保穿戴設(shè)備的目標(biāo)檢測算法研究
        3.3.1 目標(biāo)檢測算法簡介
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)的兩步檢測算法
        3.3.3 卷積神經(jīng)網(wǎng)絡(luò)的單步檢測算法
    3.4 本章小結(jié)
4 安保穿戴設(shè)備檢測模型的實(shí)驗(yàn)及分析
    4.1 準(zhǔn)備工作
        4.1.1 訓(xùn)練環(huán)境搭建
        4.1.2 采集數(shù)據(jù)集
        4.1.3 數(shù)據(jù)集標(biāo)注
    4.2 模型訓(xùn)練及導(dǎo)出
        4.2.1 Faster R-CNN網(wǎng)絡(luò)模型的訓(xùn)練
        4.2.2 YOLOv3網(wǎng)絡(luò)模型的訓(xùn)練
        4.2.3 SSD-Mobile Net網(wǎng)絡(luò)模型的訓(xùn)練
    4.3 模型測試及分析
        4.3.1 Faster R-CNN網(wǎng)絡(luò)模型實(shí)驗(yàn)結(jié)果
        4.3.2 YOLOv3網(wǎng)絡(luò)模型實(shí)驗(yàn)結(jié)果
        4.3.3 SSD-Mobile Net網(wǎng)絡(luò)模型實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
5 下礦人員安保穿戴設(shè)備檢測系統(tǒng)的實(shí)現(xiàn)
    5.1 檢測系統(tǒng)的硬件實(shí)現(xiàn)
        5.1.1 硬件選型
        5.1.2 電氣接線圖
    5.2 檢測系統(tǒng)的軟件實(shí)現(xiàn)
        5.2.1 上位機(jī)界面的UI設(shè)計(jì)
        5.2.2 上位機(jī)界面的功能
    5.3 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]采摘機(jī)器人動態(tài)果實(shí)目標(biāo)檢測與跟蹤技術(shù)研究——基于云存儲[J]. 李敏,馮亞麗,吳東林.  農(nóng)機(jī)化研究. 2020(09)
[2]深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的應(yīng)用進(jìn)展[J]. 曾子力.  計(jì)算機(jī)產(chǎn)品與流通. 2020(01)
[3]計(jì)算機(jī)視覺在人臉識別領(lǐng)域中的應(yīng)用研究[J]. 梁博.  信息與電腦(理論版). 2019(20)
[4]基于SSD-MobileNet的礦工安保穿戴設(shè)備檢測系統(tǒng)[J]. 張春堂,管利聰.  工礦自動化. 2019(06)
[5]基于軍事飛機(jī)圖像結(jié)合FCN的目標(biāo)檢測技術(shù)應(yīng)用[J]. 張春雷.  電子測試. 2019(10)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的井下人員目標(biāo)檢測[J]. 唐士宇,朱艾春,張賽,曹青峰,崔冉,華鋼.  工礦自動化. 2018(11)
[7]深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的應(yīng)用進(jìn)展[J]. 周益淇.  電子制作. 2018(16)
[8]基于手動擋汽車的新型離合器操縱裝置設(shè)計(jì)與研究[J]. 李亞東,張兵,陳文廣.  汽車實(shí)用技術(shù). 2018(10)
[9]采礦工程施工工程中不安全技術(shù)因素和對策解析[J]. 武茂超,侯佐林.  山東工業(yè)技術(shù). 2018(11)
[10]深度學(xué)習(xí)在目標(biāo)視覺檢測中的應(yīng)用進(jìn)展與展望[J]. 張慧,王坤峰,王飛躍.  自動化學(xué)報(bào). 2017(08)

碩士論文
[1]基于深度學(xué)習(xí)的高光譜圖像分類及參數(shù)設(shè)置研究[D]. 孫巧巧.青島科技大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的非限定性條件下的人臉識別研究[D]. 于詩夢.哈爾濱工業(yè)大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 段萌.鄭州大學(xué) 2017
[4]監(jiān)控視頻中的前景提取和目標(biāo)檢測跟蹤算法研究[D]. 郭達(dá)潔.浙江大學(xué) 2016



本文編號：2961080