煤炭目标检测

项目说明
面向煤炭生产与运输场景，利用计算机视觉技术对皮带输送机上的物料进行实时目标检测，重点区分煤、矸石、异物三大类别，并具备对未曾见过的未知异常目标的识别与告警能力，为智能分选与安全监控提供关键视觉信息。

开发类型
基于深度学习的图像目标检测与开集识别系统。结合数据标注、模型训练、边缘计算部署，形成一套可工程落地的智能视觉检测方案。

解决方案

• 检测模型：采用YOLO系列、RT-DETer等实时目标检测网络，构建煤-矸石-异物基础类别检测器。
  

• 未知发现机制：引入开放集识别策略（如基于能量分数、温度缩放的不确定性估计，或额外异常检测头），对远离已知类别特征的样本标记为“未知”，降低漏报风险。
  

• 系统集成：通过工业相机实时采集，NVIDIA Jetson等边缘设备本地推理，输出检测框与类别，联动分拣设备或报警系统。
  

功能描述

• 实时多类检测：精准定位并区分图像中的煤、矸石、常规异物（如木块、铁器、锚杆等）。
  

• 未知异常告警：自动识别且标记形态、纹理偏离训练集的陌生物体，统一归为“未知”并触发预警，防止新异物混入生产线。
  

• 统计与溯源：支持检测结果计数、截图存证与数据回溯，辅助工艺分析与故障排查。