计量学报

作者：陈晓玉, 陈晶, 沈阅, 孔德明

关键词：料位检测,跑偏检测,机器视觉,Mask R-CNN模型,检测精度,输送带

基金：国家自然科学基金(62471427)

针对传统输送带跑偏与料位检测存在精度低、装置环境适应性差和高成本等问题，提出一种基于图像与雷达数据关联的输送带跑偏和料位检测新方法。该方法利用Mask R-CNN模型对输送带场景图像进行实例分割，以拟合输送带边缘，并根据托辊面积比判断跑偏情况；同时，对雷达数据进行预处理，采用Bowyer_Watson算法构建Delaunay三角剖分，生成高程图像；随后，利用K?means聚类算法简化高程图像，通过灰度均值滤波进行料流分类；最后，将分类结果与图像信息关联，以展示料流的位置和状态信息。实验结果表明，该方法在实际场景中跑偏检出率超过95%，料位检测准确率超过80%。较传统方法，该方法具有更高的鲁棒性和检测效率，可实现输送带跑偏与料位的高效可靠检测。

来源：2026年第1期

《计量学报》期刊编辑部

查看计量学报杂志2026年第1期