一种基于CNN迁移学习的井下烟、火智能感知预警系统

摘要：

地下矿井具有相当复杂的工作环境,因此监控井下不明烟、火的产生,从而避免瓦斯爆炸等灾害的产生显得尤为重要.目前大多数煤矿井下均采用人工视频监控的方式,不仅严重浪费人力、物力,而且监控范围受到很多限制.基于此问题,提出一种基于卷积神经网络(CNN)迁移学习的井下烟、火智能感知预警系统.该系统首先在工作区域上方安装防爆摄像头,并将摄像头与井上主机通过光纤连接.其次,在主机上部署CNN迁移学习算法来识别监控区域是否有不明烟、火产生.最后,在实现判断烟、火是否产生后配合报警系统发出警报通知,通知安全巡逻人员灭火.结果表明,该技术可以有效判断井下是否有烟、火产生,大大降低了井下区域的安全隐患和人力、物力资源的浪费,实现了井下烟、火的智能感知预警.

关键词：瓦斯爆炸、CNN、迁移学习算法、特征提取、井下烟、火、智能感知预警

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：2016年度山西省高校科技创新项目2016114

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：363-369