关键词:
煤泥水
煤泥水浊度识别
视频分帧
YOLOv5
损失率
精确度
召回率
置信度
摘要:
煤泥水高效处理是煤炭洗选加工的关键环节,为解决现有煤泥水沉降处理过程中药剂添加不准确的问题,提出了一种利用视频分帧处理算法和YOLO算法实现煤泥水澄清层浊度识别的方法:采用分帧处理算法将采集到的浊度为100~1000 NTU的煤泥水样本视频分解成900张图片,结合labelimg数据标注工具,按照9∶1的比例将图片数据集随机划分为训练集和验证集;随后使用YOLOv5算法的开源***预权重训练模型对训练集进行训练,通过设置交并比、置信度和训练轮数,以损失函数、精确度和召回率为评价指标,并根据检测结果的置信度大小来评估模型目标分类的性能。结果表明:所提出的识别算法在训练过程中损失率持续下降并稳定至0.001,不同浊度下的识别精确度从0.1左右持续升高并稳定在0.98,召回率从0.2左右持续升高并稳定在0.99,最优置信度可高达0.98。该方法对不同浊度范围煤泥水都具有良好的识别效果,具有一定的适应性和泛化能力;同时,相同浊度下的识别精确度相对稳定,具有较好的鲁棒性,这表明该方法具有较高的准确性和稳定性。研究成果可为煤泥水动态检测提供新思路,进而有助于促进煤泥水处理领域的智能化进展。