苏 伟，冯文雄，吴 刚

(1.马钢股份有限公司特钢公司 2.马钢股份有限公司设备管理部 3.马钢股份有限公司技术改造部 安徽马鞍山 243000)

随着自动化程度的日益提升，国内冶金企业普遍使用物料皮带输送炼铁所需的各类原材料。然而，长时间运行的物料皮带会不可避免地出现偏移现象，导致物料无法及时准确的送达预设地点[1]。在部分极端情况下，皮带偏移会引发安全事故，甚至造成人员伤亡。针对这一问题，国内部分冶金企业采用人力巡检方式定期查看物料皮带的运行状态。然而，定期人力巡检效率低下，无法及时发现皮带偏移现象[2]。为了提升物料皮带运行状态的监测效率，本文提出了一种基于计算机视觉的皮带偏移检测方法，旨在准确检测皮带偏移量的基础上，减少冶金企业的运维成本。

1 数据集构建及检测网络训练

1.1 数据集构建

本文选择滚轮区域附近的物料皮带作为图像采集对象。原因有如下两点：(1)当未发生偏移时，滚轮区域被物料皮带覆盖，滚轮左右裸露区域对称；当发生偏移时，滚轮左右裸露区域会出现不对称情况。(2)相较于其它区域，滚轮区域的工业环境良好，具备了应用计算机视觉方法开展偏移检测的条件。为了开展后续实验，本文采集了2000幅滚轮区域的皮带图像。

1.2 网络模型训练

近年来，深度学习理论及其相关技术得到了大力发展。其中，基于深度学习的目标检测技术已在各类工程领域得到了应用。从检测方式分析，现有目标检测技术可分为“两步”技术[3]-[5]和“一步”技术[6]-[9]。……