基于机器视觉的煤矿带式输送机异物识别与智能调速技术研究

摘要

针对煤矿带式输送机运行过程中异物入侵易引发输送带撕裂故障、恒速运行模式能耗偏高的行业痛点，提出一种基于机器视觉的异物识别与智能调速联动系统，以解决现有异物识别技术在井下低光照、高粉尘环境下精度不足、识别与调速系统缺乏联动控制的问题。采用多尺度Retinex带色彩恢复（MSRCR）算法对井下图像进行预处理，引入卷积块注意力机制（CBAM）改进YOLOv8算法强化异物特征提取，构建基于异物风险等级与负载率双输入的智能调速控制模型，搭建边缘计算与可编程逻辑控制器结合的软硬件系统。实验室测试表明，改进YOLOv8算法在井下复杂环境下的平均精度均值mAP@0.5达98.2%，较原始YOLOv8算法提升3.5个百分点，实时处理帧率达32帧/s；智能调速系统在空载工况下能耗降低62.3%，平均综合节能率达32.5%。工业现场应用验证了该系统可实现异物入侵的快速预警与带速的自适应调节，有效降低了设备故障风险与运行能耗。该系统可同时满足煤矿带式输送机的安全防护与节能运行需求，为煤矿井下输送系统的智能化升级提供了可靠的技术支撑。

关键词

带式输送机 / 机器视觉 / 异物识别 / 智能调速 / YOLOv8 / 煤矿智能化