排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
目前煤矿智能化建设处于快速发展态势,但是基建期煤矿智能化建设还处于起步阶段。以新街台格庙矿区智能化建设为例,总结了基建期煤矿智能化建设的重大意义、存在问题、建设路径。系统阐述了煤矿基建期矿井三维设计、智慧工地管理、信息基础建设、联合调度集控、透明地质保障、国产信创应用等6个建设方向;展望了矿区投产后智能一体化管理系统、生产系统智能化、安全系统智能化、选煤厂智能化、综合服务智慧园区、专业人才队伍等6个方面的创新模式。最后,对煤矿基建期智能化存在的难点进行了分析,并提出了建议。 相似文献
3.
4.
在煤炭开采过程中混入的异物可能会导致输送带连接处堵塞甚至输送带撕裂等事故,现有的机器学习算法大多采用监督学习的方式自动识别物品类别,而在真实工矿场景下,异常样本稀缺,易导致建模数据集存在严重的样本分布不平衡且显著特征丢失的问题。针对上述问题,提出了一种基于双注意力生成对抗网络(DA-GANomaly)的煤流异物智能检测方法。该方法采用半监督学习的方式,仅需要正常样本完成异物检测模型训练,有效解决了因样本分布不平衡造成的识别精度低、鲁棒性差的问题;在Skip-GANomaly的基础上引入双注意力机制,增强了编码器与解码器之间的信息交流,以抑制无关特征和噪声,同时突出有利于区分异常样本的感兴趣特征,进一步提高模型分类的准确性。实验结果表明:DA-GANomaly模型的分类精确率为79.5%,召回率为83.2%,精确率-召回率曲线下面积(AUPRC)为85.1%;与AnoGAN等5种经典异常检测模型相比,DA-GANomaly模型的综合性能最佳。 相似文献
1