玻璃管液位计是一种直读式液位测量仪表,其结构简单、测量准确,常用于一般贮液设备中的液体位置的现场检测,但在现代船舶机舱等无人值守的场合,工作人员往往无法及时、有效地跟踪监测液位计信息。文中提出一种基于嵌入式视觉识别的透明液体液位实时检测方法。该方法首先应用激光照射来增强液位区域的视觉效果,然后构建高效、轻量级的深度神经网络Mobile Nets用于提取图像特征信息,最后使用多尺度特征融合的方法来实现液位位置目标检测。实验结果表明,该方法能够实时、高效地识别透明液体液位位置。该研究结果对玻璃管液位计所在无人场景的数字化转型应用具有重要意义。

针对现有液压支架护帮板状态监测方法可靠性低、量化监测能力缺乏的问题,提出了一种基于深度神经网络的非接触式护帮板运动状态监测方法。该方法通过卷积和反卷积网络实现护帮板关键点空间位置检测,然后利用前馈神经网络将护帮板关键点的空间运动轨迹转换为护帮板伸缩角度,实现护帮板状态监测的量化。研究结果表明,基于深度神经网络的护帮板关键点空间位置的平均检测误差小于2个像素,护帮板位姿角度的平均量化误差小于3°,算法处理速度大于60f/s,具有良好的监测性能。