基于改进YOLOv7的托辊温度检测算法

为保证输煤线路平稳运行,实现托辊智能化监控和故障预警,采用智能巡检机器人搭载红外相机进行故障巡检,巡检机器人采用定点拍摄方式,实时采集红外图像,通过目标识别算法,判断托辊特征、定位托辊位置;采集托辊运行的测温信息,通过AI目标检测算法,判断托辊轴承高温异常情况,完成托辊温度的异常检测。利用托辊检测结果,结合提取的温度值及实际里程值,对运行人员发出告警信号,满足故障预警要求。在托辊异常检测中,借鉴Transformer网络的思想,引入递归门控卷积(gⁿConv),改进YOLOv7算法。结果表明:改进后平均精度为0.98,满足实时处理要求;改进的YOLOv7算法准确率提升3.1个百分点,召回率提升0.4个百分点,平均精度提升0.03个百分点,改进YOLOv7算法具有更优检测效果。