基于图像型的矿井火灾探测方法研究

针对煤矿井下复杂环境中传统火灾探测的不足,提出了基于图像处理技术的SVM分类器模型进行火灾探测。首先利用颜色空间进行火焰图像的分割,进而提取出尖角数、圆形度、质心位移等特征,最后通过改进人工蜂群算法优化参数后的支持向量机融合特征量进行分类,以取得最优的探测效果。     

基于人脸识别的煤矿职工考勤系统设计

文章介绍了基于人脸识别的煤矿职工考勤系统的设计原理、系统结构、设计方法和数据库系统的设计以及实现。其中最主要的部分就是面部特征的识别,首先由视频摄像头获取原始图像,然后对其进行预处理,接下来对于得到的图像针对双眼,鼻尖和嘴巴等特征进行定位,最后通过定位后的特征信息实现整体面部区域的识别功能。识别完成之后再通过和数据库中的特征信息向量进行比对,完成对于煤矿职工个体的识别。     

改进型煤矿人像考勤平台设计

严格规范员工入井考勤、身份识别管理,有助于提高煤矿安全生产,保障员工生命安全。由于煤矿复杂特殊的工作环境,人像识别技术在煤矿安全考勤中的应用存在人员身份识别准确率不高,识别速度慢,受光照变化影响大及人体特征易变性导致无法识别等问题,使得人像识别技术在煤矿中的应用很难得到普遍推广。针对以上问题,从不同角度研究分析增加自学习及自校验功能,实验结果表明,改进后人像识别系统不仅提高了识别速度,也保证了准确率,同时弱化了光照影响及解决人体特征易变性无法识别问题。     

基于递归卷积神经网络的煤矿智能监控安全生产管理平台关键技术研究

针对煤矿井下亮度低、粉尘大、温度高、湿度大以及场景复杂等生产环境,使得监控视频存在目标对象影像不清晰、特征不明显以及干扰元素多等问题,研究了以递归卷积神经网络算法为核心的煤矿智能监控安全生产管理平台关键技术,该技术能够获取高可靠的目标特征向量来提升对象的识别精度,实现在线实时和准确的目标检测与定位,实现煤矿智能监控安全生产管理中特定目标鲁棒性、精确识别和实时预警。     

基于FaceNet的煤矿人员考勤识别

煤矿人员出入井考勤系统的准确性不仅是煤矿安全的必要保障,而且也可为突发事故的及时救援提供考量依据。通过传统的考勤模式加上生物特征识别可有效提高煤矿人员出入井识别效率。针对煤矿生产环境中存在煤尘、粉尘污染人员面部等问题,采用MTCNN人脸检测方法对煤矿人员出入井进行人脸检测,并结合FaceNet人脸识别方法识别出入井人员信息。经实验表明,该方法可有效、实时地监控人员考勤,避免了一人多卡等违规现象。     

基于改进YOLOv5的煤矿井下暗环境矿工安全穿戴智能识别

煤矿井下矿工安全智能识别是防止矿工受到意外伤害的重要保护措施之一。为了提高煤矿井下光线不足等暗环境下的识别准确率,提出一种基于改进YOLOv5的目标检测算法对矿工安全穿戴进行智能识别。首先,实地采集数据构建安全穿戴数据集,将其输入到弱光增强网络Zero-DCE中,提升模型的泛化能力;其次,提出C-ASPP模块,通过对ASPP改进并加入注意力机制,将其加入主干网络之中,使模型更加高效关注安全穿戴区域的特征;然后,在主干融入Transformer算法,增强模型对不同尺度目标的动态调整能力;最后,在特征融合阶段,使用双向特征融合金字塔模型,提高模型的特征提取能力和检测性能。试验结果表明：改进后的YOLOv5算法的平均检测精度提升至90.2%,较原算法提高了3个百分点,检测速度为81.2帧/s,相较于其他算法有着较高的准确度和速度,可满足井下工作区域内矿工安全穿戴识别要求。     

硫化矿自燃火区复杂环境下难采矿体安全回采

介绍了广西华锡集团股份有限公司铜坑矿细脉带矿体的围岩条件和开采环境,对其上覆硫化矿自燃火区的危害和围岩开采条件进行了分析,提出了优化改进的无底柱崩落采矿法,并对其实施中的各种危害采取了应对措施,经过技术攻关,完成了火区治理及复杂环境破碎难采矿体的安全开采,安全回收矿量216.88万t,为矿山创造了约12.18亿元的产值,同时也为类似复杂条件下矿体的开采提供了经验。     

改进Mask RCNN算法对矿石分割定位的研究

针对复杂工况环境下矿石分割精度低的问题，提出改进Mask RCNN实例分割算法。Mask RCNN采用简单的反卷积操作来恢复矿石的掩膜，导致矿石边缘信息丢失，因此提出混合注意力模块，该模块将通道注意力机制和空间注意力机制进行加权融合，可以在通道层面和空间层面对矿石的特征信息加强。结合混合注意力模块改进Mask RCNN的分割网络结构，减少在卷积运算中造成的矿石细节信息丢失，提高网络对矿石的分割精度。用制作的矿石数据集进行网络训练和网络评价，将改进之后的算法与原算法以及其他两种常用算法进行对比试验研究，试验结果表明，改进算法中MIoU约为87.1%,相较原算法提升约19.15%,MPA值约为94.61%,较原算法提升了约22.93%,对于矿石识别分割具有更高的检测精度。改进算法在复杂工况环境下对矿石的精确识别和分割有很大的应用前景。     

矿井带式输送机胶带表面异物视频检测系统设计研究

由于煤矿输送带视觉场景噪声高、地下环境复杂，输送带图像的异物识别效率较高。针对煤矿带式输送机存在异物造成输送机损坏的问题，提出了基于SSD技术的带式输送机表面异物视频检测方法。采用深度可分卷积方法减少SSD算法中的参数数量和提高速度；采用GIOU函数计算式代替原始SSD中的位置损失函数，以提高检测精度；对特征映射的提取位置和识别框的比例进行优化，以提高检测精度。实验结果表明，改进算法优于原SSD算法，平均准确率从 87.1% 提高到90.2%，检测帧率从32帧提高到41帧。     

基于启发式故障统计的综采工作面可靠性研究

按照煤矿综采工作面是“人-机-环境”复杂系统的观点,对系统内人、机、环境的关系进行了分析,提出了通过启发式方法对系统故障进行分析的方法。经实例验证,表明该方法可以较好地确定系统内的薄弱环节,为生产实践活动的持续改进提供定量依据。     

基于机器视觉的长壁工作面直线度测量算法研究

综采工作面推进过程中,由于上百米长的狭长地形和起伏弯曲,其直线度是一种大型移动目标的非可视测量问题.通过将梯形窗口、灰度识别和特征搜索等视觉算法应用于实时测量刮板输送机的形态,建立视觉相机测量直线度的局部坐标系,可使测量的结构光点像素值转换为设定直线度的偏差距离;通过链位传递算法将工作面布置的多个视觉相机的局部直线度坐标经过转换矩阵和平移向量建立全局坐标系,从而计算出以刮板机节为测量标志点的工作面直线度.实验表明,视觉检测整个工作面直线度达到±50mm的精度,满足采煤机沿平直工作面高效运行的要求.     

一种基于人脸识别技术的智能监控系统设计

针对传统智能监控系统智能化程度不高、告知能力弱等缺点,提出了基于人脸识别技术的智能监控模式。在讨论图像预处理、人脸特征值的提取和人脸识别等人脸识别技术中相关算法的基础上,利用这些算法思想实现根据人脸识别的结果进行智能录像并通过短信报警等功能的关键技术,并结合传统的密码验证技术,明显提高了系统的可靠性和稳定性。实验验证表明:报警响应时间在830ms到2980ms之间,报警正确率达到99.98%。     

基于动目标特征提取的矿井目标监测

矿井安全监控技术近年来发展日益成熟,但普遍针对的是矿井环境及设备等静态信息,由于人员对危险源的辩识不到位导致的事故时有发生。针对这一问题,进行井下动目标监控研究,对人员及车辆等动目标图像实时分析算法进行分析和改进,构建一种基于动目标特征提取的井下高危区域动目标监测和管理系统。采用结构化模板匹配的方法进行人员识别,采用改进的尺度不变特征变换提取行为特征,实现对人员的行为分析,采用时域空域特征结合的方法,对人员图像进行行为识别,采用卷积神经网络进行车辆图像识别。通过实验验证,系统对动目标的识别成功率达到99.3%,响应时间为1 s,在满足日常监控需要的同时,系统对突发事件响应时间大大缩短,实现了对井下高危区域运动目标的监测。     

嵌入式人脸识别考勤系统设计与实现

介绍基于嵌入式的煤矿人脸识别考勤系统,结合RFID技术,主动感知人员接近;选用天敏追踪王摄像头,自动搜索人脸进行拍照,提高了系统反应速度;采用简单高效的PCA人脸识别算法进行识别,增强了系统的准确性;同时用VC++6.0开发出服务器监控界面,进行适时的查询和记录,实验证明系统具有很大的实用价值。     

瓦斯治理技术现状

简要分析了工作面瓦斯治理现状。根据矿井瓦斯赋存情况、煤田地质特点以及"一通三防"实际现状特征,提出了从思想认识、管理体系、监测监控、通风管理、抽采投入等方面着手的初步技术手段,合理选择瓦斯抽放方法等技术对策,促进和加强了我国煤矿瓦斯治理的安全管理工作,全面提高了瓦斯治理水平,这对初步解决工作面生产过程中的瓦斯问题具有实际意义。     

综采工作面多视觉全局坐标系研究

现阶段综采工作面分布的摄像仪较分散,且煤矿智能化应用多需大场景且高分辨率的图像,井下广角视觉相机与全景相机的引用试图恢复尽可能宽广的综采工作面视野,但是由于设备从单一测点进行图像采集,获得的图像会出现畸变,甚至图像失真,因此有必要进行多视觉全局坐标系的技术研究。介绍图像采集装置的安装设计,使其满足所采集图像有一定重叠且特征稳定,探讨该布置方式下的图像标定方法,利用最小二乘法的方式能更好的进行摄像仪模型的标定,拟合精度高且鲁棒性低。通过对工作面图像进行灰度范围压缩或拉伸,提出一种改进型直方图均衡化方法,提高了工作面低照度情况下的图像细节体现与部分强光下的抑制效果,使得井下环境的辨识度更高,优化其图片质量。通过比较目前比较成熟的特征点提取算法,最终采用Surf算法进行特征点的匹配与提取,分配特征点的主方向并完成特征点的描述子。针对该算法出现的误匹配特征点较多的情况,研究消除误匹配特征点的RANSIC算法,并通过角点检测配对的方式提高了有价值的特征点数量。最终通过坐标点坐标建立透视矩阵表达式与全局坐标系从而完成图像的拼接,采用加权平滑的方法对拼接的图像进行去裂缝处理,最终实现多视觉图片的快速有效融合。试验表明该方法可有效增强井下图像细节,去除井下图像误匹配特征点,可快速消除拼接的裂缝,并能快速准确的完成两、三幅图像的拼接融合。     

图像识别智能放煤技术原理与应用

煤炭智能开采是煤炭行业高质量发展的必由之路,放顶煤工作面的智能化滞后于综采工作面.智能放煤是实现智能放顶煤开采的关键核心技术,低照度、小空间、高粉尘、煤矸叠压、声振信号干扰、夹矸误识别等问题严重制约智能放煤技术开发.在探索尝试图像、声音、振动等多种煤矸识别技术的基础上,提出了图像识别智能放煤技术.精准快速识别混矸率与适...     

基于虚拟现实技术的矿井综采工作面矿压显现仿真系统

以提升矿井综采工作面矿压显现仿真精度和仿真环境视觉效果为目的,研究基于虚拟现实技术的矿井综采工作面矿压显现仿真系统。系统利用Multigen软件构建矿井工作面矿压显现仿真环境,获取矿井综采工作面矿压参数,并利用该参数建立外部数据库和场景数据库,经过场景调度外部数据库与场景数据库实施场景建模、场景形象建模、几何建模等流程建立矿井工作面矿压显现仿真系统,以场景漫游与交互控制实现矿井综采工作面矿压显现操作。实验结果表明,矿井工作面矿压显现系统虚拟场景画面逼真,功能齐全,可有效仿真矿井工作面矿压环境;获取的矿井当前矿压数值与实际值很接近,仿真精准度高。     

顶煤放落过程煤矸声信号特征提取与分类方法

针对综放工作面煤矸智能识别问题,设计了能感应尾梁动作并自动触发数据采集的放煤声信号采集装置,在山东能源古城煤矿3106综放工作面采集现场数据并进行人工标注,构建了放顶煤声信号分类样本库。研究了6种常用机器学习分类方法在时域、频域和时频域中的特征,以及在不同帧长、不同特征向量维度下的分类效果。结果表明:在不同帧长下,基于时频域特征的分类效果最稳定、准确率最高,随机森林、K近邻、决策树、多层感知器模型分类准确率均达到80 % 以上,其中基于小波包分解与随机森林算法的分类器性能最好,分类准确率为93.06 %。维度较高的时频域特征向量之间存在相关性,降维可以提取少量的综合特征并降低系统的运算量,利用主成分分析法将时频域特征向量降维至20后,分类准确率进一步提高至94.51 %。     

综采工作面环境子系统的系统动力学模型

运用系统动力学的方法对影响综采工作面生产系统的环境因素进行系统分析，并在此基础上建立了综采工作面环境子系统的系统动力学模型，为研究整个综采工作面生产系统奠定了基础。