针对暗通道先验理论在煤矿井下尘雾图像处理中出现的图像失真、颜色偏暗、细节丢失等问题,提出了一种基于亮暗通道先验理论的煤矿井下图像除雾算法.首先,融合暗、亮双通道先验知识,重构局部大气光;其次,分析双边滤波的滤波特性,建立基于局部像素差值的改进加权引导滤波算法;最后,利用暗通道大气光和原始图像的像素差值自适应调节图像的整体亮度.试验结果表明,改进加权引导滤波算法能够有效除去煤矿井下图像中的尘雾影响,与基于引导滤波的He算法和Retinex-MSR算法相比,本算法拥有较高的平均梯度和标准方差,复原后的图像清晰度更高,单张图像处理时间均低于1 s,比Retinex-MSR算法运行时间缩短了近 1/2.

为了解决架空乘人装置钢丝绳在长期使用中经常出现断丝、锈蚀、翘起等问题,根据图像识别技术,提出基于YOLO v3算法的智能钢丝绳检测方法,设计了 一种探伤系统,能够实时探测钢.丝绳损伤状况,并实现准确定位.YOLO v3利用Darknet-53作为特征提取网络,并引入了残差块,解决了因网络深度增加而引起的梯度消失问题.对比其它无损检测方法,该系统检测速度更快,达到66.8FPS,AP值达到91.03％,且大幅度提高了抗干扰能力,能够满足诸多环境下的生产要求.