煤矿皮带运输异物识别仪

在中国制造向中国智造转型的大背景下，上海电机学院和中国平煤集团开展产学
研用合作，双方合力将人工智能技术应用于国产异物检测与识别设备研发上，提出基
于人工智能的煤矿皮带运输异物识别需求的全新智能化检测设备及解决方案，实现检
测识别机器国产化、小型化和智能化，走在国内异物检测识别技术和应用的前沿。
其中上海电机学院创新性地提出了一种基于深度学习的煤矿皮带运输异物识别
仪设计，可对煤矿皮带机上的煤矸石、锚杆、工字钢、钎子、铁丝网、圆木、编织
袋和塑料等多种异物进行检测和识别，使用的深度学习框架为Darknet，识别模型为
YoloV4。主要技术指标：该系统可以进行煤矿皮带运输异物的检测和识别；其中异物
的识别率达到93%以上，在基本不增加硬件成本的基础上，有望大幅提高目标检测设
备的图像质量和检测效果。填补了国内煤矿皮带运输异常检测领域的空白；创新性提
出基于深度学习的 YOLOv4目标检测算法，通过对目标的提取、分类、识别，实现对
皮带机运输异物的精准检测与识别，同时将 YOLOv4算法嵌入设备中，真正实现智能
化实时检测与识别。
识别仪不仅实现煤矿皮带机运输异物的检测与识别，同时还在一定程度上降低了
人工成本。
上海电机学院
王西超