10.13545/j.cnki.jmse.2023.0303
基于Mask R-CNN的煤矿巷道掘进迎头裂隙检测与定位算法
针对当前煤矿巷道掘进迎头裂隙图像识别精度不高、井下环境难以批量化快速识别的难题,提出基于Mask R-CNN的煤矿巷道掘进迎头裂隙检测与定位算法.首先,建立一个包含1 000张图像的煤矿巷道掘进迎头裂隙图像数据库.然后,基于Mask R-CNN深度学习网络构建一个裂隙检测与定位框架,并选择该数据库对神经网络模型进行训练和测试,进而开展煤矿井下干扰环境下的鲁棒性和适应性评价,并与传统图像处理算法进行对比.结果表明,在相同样本条件下,基于Mask R-CNN的深度学习算法能够高效实现煤矿巷道迎头裂隙的检测与定位,该算法能有效避免低照度、多尺度边缘、截割刻痕、非均匀光照等干扰因素的影响,具有更高的分割准确度和计算速度,可满足煤矿井下裂隙批量化快速识别的要求,为煤矿巷道裂隙迹线的检测与定位提供了新路径.
煤矿巷道、掘进迎头、裂隙识别、深度学习、Mask R-CNN
40
TD353(矿山压力与支护)
国家自然科学基金52034007
2023-10-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
925-932