液压支架护帮板是综采工作面的一种保护装置,用来保护裸露的煤壁和顶板,防止冒顶片帮伤亡事故的发生。因此,对护帮板状态的检测显得尤为重要,但传统护帮板状态检测方法存在成本高和检测结果不准确的问题。本文采用目标检测算法并针对综采工作面的尘雾现象,提出一种融合图像去雾与Tiny-YOLOv3算法,解决传统护帮板状态检测方法存在的问题,本文主要创新性工作如下:一、为提高图像去雾算法的运行速度,设计了图像去雾算法的CUDA(Compute Unified Device Architecture,CUDA)并行优化方案。首先,用原始图像的任意单通道图代替暗通道图,缩短计算暗通道图的时间;其次,提出了一种按列求取大气光值的计算方法,加速大气光值的获取;第三,将最小值滤波核按行列拆分,优化初始透射率的计算过程;最后,通过矩阵转置的方式实现均值滤波,提高精细化透射率的效率。实验结果表明,CUDA平台优化实现的图像去雾算法,在保证去雾质量的前提下满足实时去雾的要求。二、为提高Tiny-YOLOv3算法的检测精度,提出一种改进的Tiny-YOLOv3算法。首先在网络结构中引入了残差结构和金字塔池化模块,防止特征信息的丢失且获得丰富的语义信息;其次在分类损失函数中采用梯度均衡的思想,解决样本失衡和离散样本导致的检测精度损失。在VOC2007数据集上的实验结果表明,改进的Tiny-YOLOv3算法比其它目标检测算法的检测精度有所提高。三、为减少综采工作面尘雾对检测任务的影响,提出一种融合图像去雾与TinyYOLOv3的算法。该算法首先对视频图像进行实时去雾,其次将去雾图像进行护帮板状态检测,最后实时输出检测结果。在本文数据集的实验结果表明,融合算法比其它目标算法的检测精度有明显提高,满足实时检测的要求,验证了融合算法的有效性。四、以融合算法为主体设计了一个护帮板状态检测系统,该系统实现了护帮板状态的自动识别,能够对护帮板异常状态实时报警,并提醒液压支架工和安全员,进一步保障了作业人员生命安全。