پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 632 |
| تعداد مقالات | 9,260 |
| تعداد مشاهده مقاله | 67,743,662 |
| تعداد دریافت فایل اصل مقاله | 8,157,602 |
تشخیص دقیق و بلادرنگ دندانه‌های باکت در شاول‌های معدن مس بر اساس مدل بهبود یافته YOLO | ||
| مدل سازی در مهندسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 05 خرداد 1404 اصل مقاله (1.43 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.33502.2635 | ||
| نویسندگان | ||
| محدثه قیاسی1؛ مسعودرضا آقا بزرگی* 2 | ||
| 1دانشکده مهندسی برق - دانشگاه یزد | ||
| 2گروه مخابرات- دانشکده مهندسی برق - دانشگاه یزد-یزد - ایران | ||
| تاریخ دریافت: 20 اسفند 1402، تاریخ بازنگری: 10 دی 1403، تاریخ پذیرش: 15 دی 1403 | ||
| چکیده | ||
| شاول نوعی از مجموعه بیل‌های مکانیکی است که در معادن روباز استفاده می‌شود. باکت شاول دارای تعدادی دندانه می‌باشد، که باعث افزایش بازدهی باکت می‌شود. تاثیر مستقیم طولانی مدت دندانه‌های باکت بر روی سنگ معدن در حین بارگیری باعث شکستگی غیرمنتظره دندانه‌ها می‌شود. یکی از عوامل توقف سنگ‌شکن، جدا‌شدن این دندانه از باکت شاول و بارگیری و انتقال به سنگ‌شکن به دلیل عدم دید کافی متصدی روی دندانه‌ها می‌باشد. ورود این دندانه به سنگ‌شکن باعث گیر کردن سنگ‌شکن و توقف چرخه تولید می‌شود. بنابراین، لازم است یک الگوریتم تشخیص دندانه‌های باکت شاول با دقت بالا و در زمان واقعی پیشنهاد شود. برای حل این مسئله با ایجاد تغییراتی در ساختار مدل پایه YOLOv5، دقت مدل را بهبود بخشیدیم. روش پیشنهادی بر روی مجموعه داده‌ای جدید از شاول تحت شرایط کاری واقعی، ارزیابی شد. نتایج به دست آمده با میانگین دقت 93.5 درصد و پیچیدگی 16.1 بیانگر بهبود دقت تشخیص و کاهش پیچیدگی در فرآیند تشخیص انجام شده می‌باشد که الزامات تشخیص دقیق و بلادرنگ دندانه‌های باکت شاول را برآورده می‌کند. | ||
| کلیدواژه‌ها | ||
| تشخیص اشیا، شاول، YOLO؛ دندانه باکت | ||
| عنوان مقاله [English] | ||
| Accurate and real-time detection of bucket teeth in copper mine shovels based on improved YOLO model | ||
| نویسندگان [English] | ||
| Mohaddeseh Ghiasi1؛ Masoud Reza Aghabozorgi2 | ||
| 1Electrical Engineering Dept.- Yazd University-Yazd-Iran | ||
| 2Electrical Eng. Dept.- Yazd University- Yazd- Iran | ||
| چکیده [English] | ||
| Shovel is a type of mechanical excavator set that is used in open pit mines. the shovel bucket has a number of teeth, which increase the efficiency of the bucket. Prolonged direct impact of bucket teeth on ore during loading causes unexpected teeth breakage. One of the factors that stop the crusher is the separation of this tooth from the shovel bucket and loading and transfer to the crusher due to the lack of sufficient visibility of the operator on the teeth. The entry of this teeth into the crusher causes the crusher to jam and stop the production cycle. Therefore, it is necessary to propose a bucket shovel teeth detection algorithm with high accuracy and in real time. To solve this problem, we improved the accuracy of the model by making changes in the basic yolov5 model structure. The proposed method was evaluated on a new data set from shovel under real working conditions. The results obtained with an average accuracy of 93.5% and a complexity of 16.1 indicate the improvement of the detection accuracy and the reduction of the complexity in the detection process, which meets the requirements of accurate and real-time detection of bucket shovel teeth. | ||
| کلیدواژه‌ها [English] | ||
| Yolo, Object detection, Shovel, Bucket tooth | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 8 تعداد دریافت فایل اصل مقاله: 8 |
||