模拟暗湿工况下煤矸混合体态势热敏图像精准辨识实验
单鹏飞1
李晨炜2
来兴平2
孙浩强2
梁旭3
陈兴周4
符立梅5
1.西安科技大学能源学院,陕西西安 710054;西安科技大学教育部西部矿井开采及灾害防治重点实验室,陕西西安 710054;陕西小保当矿业有限公司博士后科研流动站,陕西榆林 7190002.西安科技大学能源学院,陕西西安 710054;西安科技大学教育部西部矿井开采及灾害防治重点实验室,陕西西安 7100543.陕西小保当矿业有限公司博士后科研流动站,陕西榆林 7190004.西安科技大学教育部西部矿井开采及灾害防治重点实验室,陕西西安 7100545.西安科技大学教育部西部矿井开采及灾害防治重点实验室,陕西西安 710054;陕西小保当矿业有限公司博士后科研流动站,陕西榆林 719000
摘要：煤矸井下智能分选作为智慧矿山建设的重要组成,可有效提升矿井资源绿色利用.现阶段可见光图像识别技术针对井下昏暗潮湿环境中煤矸混合体的辨识还有待完善.基于热红外成像技术和改进YOLOv5算法模型,提出了一种暗湿工况下煤矸混合态势热敏图像辨识方法.将YOLOv5模型的Neck部分改用加权双向特征金字塔(BiFPN)结构,通过多层次特征融合提高煤矸的辨识效率,采用CIOU函数作为损失函数,提升煤矸检测精准率;构建了煤矸混合体热敏采集实验平台,模拟了井下密闭空间低照度、高湿度、高风速环境,通过CLAHE与LAPLACE算子对红外摄像机所采集的热敏图像进行对比度增强和边缘强化预处理,以不同数据集、不同改进模块、不同算法模型等多个角度系统分析了煤矸混合体态势热敏图像辨识结果,探究了湿度变化对暗湿工况下煤矸识别准确率的影响规律.研究结果表明:预处理后的图像平均精准率较原始图像提升了 1.7％,F-Measure 提升了 6.9％;改进后的YOLOv5模型平均精度均值和F-Measure达到了 80.2％与84.6％,高于经典模型的74.6％与79.7％,可有效提升煤矸热敏图像检测精度;环境相对湿度与识别准确率呈现先正相关待湿度达到一定阈值后负相关的变化规律.提出了热敏图像可准确识别昏暗潮湿密闭环境中的煤矸混合体,为实现井下暗湿工况煤矸混合态势精准辨识提供了科学依据.
关键词：混合煤矸红外成像热敏图像YOLOv5精准辨识
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52274138)陕西省创新能力支撑计划项目(2022KJXX-58)榆林高新区科技计划项目(ZD-2021-01)
论文发表日期：2024-09-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 483-494 )
英文信息