煤矿皮带异物检测系统

煤矿皮带异物检测系统通过OpenCv+yolo网络架构利用现场已有的摄像头监测皮带区域，对皮带跑偏，皮带堆煤，皮带异物等情况进行实时视频分析，获取分析结果，并将结果传送给控制系统。煤矿皮带异物检测系统OpenCv+yolo网络架构根据推送情况，来决定接下来是否要远程启停皮带，将相关异物，皮带跑偏等现象进行纠正。

Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共 49x2=98 个bounding box。我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。

YOLO的结构非常简单，就是单纯的卷积、池化最后加了两层全连接，从网络结构上看，与前面介绍的CNN分类网络没有本质的区别，最大的差异是输出层用线性函数做激活函数，因为需要预测bounding box的位置（数值型），而不仅仅是对象的概率。所以粗略来说，YOLO的整个结构就是输入图片经过神经网络的变换得到一个输出的张量。