基于改进U-Net的煤矸图像分割模型与放煤控制技术

袁永; 秦正寒; 夏永琪; 武让; 李立宝; 李勇

doi:10.13225/j.cnki.jccs.2024.0588

摘要：煤矸识别技术是综放工作面实现智能化的关键技术之一,同时也是该领域面临的一个重要挑战.针对目前煤矸图像数据集整体质量差、数据规模小、煤矸图像分割模型检测速度慢、识别精度低等问题,参考实际综放工作面搭建了大尺寸等比例综放开采相似模拟平台,基于该平台建立了煤矸图像采集系统,采集构建了高清仿真综放工作面煤矸图像数据集,提出一种基于特征金字塔网络(FPN)和空洞空间金字塔池化(ASPP)的改进U-Net煤矸分割模型,提高了煤矸图像的分割精度.通过在U-Net模型的跳跃连接中添加FPN模块,同时在解码器部分引入ASPP模块,建立了FPN-ASPP-U-Net煤矸分割模型,消融试验验证了FPN模块和ASPP模块对U-Net模型性能的提升.结果表明:FPN-ASPP-U-Net模型分割效果最好,均准确率(MA)为 97.29%,均F1得分(MF1)为 97.44%,均交并比(MI)为 95.65%,模型参数量(MP)为 29.64 M,浮点运算量(F)为341.29 G,每秒帧数(f)为 41.1 f/s,与 U-Net模型相比,MI、MF1 和 MA分别提升了 2.64%、1.06%和 1.15%,模型参数量仅仅增加了 0.33 M,改进后的模型在图像分割速度上有少量提升.设计了FPN-ASPP-U-Net模型与PSPNet、SegFormer、DeepLabV3+、PSANet语义分割模型的图像分割效果对比试验,结果表明:FPN-ASPP-U-Net模型对煤矸图像分割的性能最好,同时模型整体计算参数量最小,在分割精度和分割速度之间有着较好的平衡.对于粉尘影响下的不清晰图像,采用暗通道与高斯加权相结合的方法对图像数据集进行去雾增强,轻度粉尘、中度粉尘、重度粉尘去雾前后的模型对煤的分割精度提高了 14.81%、17.79%、23.62%,对矸的分割精度提高了11.73%、14.50%、14.86%.基于研究结论提出了FPN-ASPP-U-Net模型的煤矸图像混矸率计算方法,开展了煤矸图像分割控制放煤试验,以混矸率 20%作为放煤口关闭的阈值,单次放煤口开关期间真实混矸率与模型预测混矸率平均误差率为 4.71%,验证了基于煤矸图像混矸率对放煤控制的可行性.最后,封装模型代码研发了煤矸图像智能识别软件,设计了煤矸分割现场应用方案,在榆树田煤矿 110501综放工作面进行了图像控制放煤试验,验证了该方法能够对煤矸图像进行精准分割,对放煤口开关进行合理控制,提高了综放工作面的智能化水平,为推动煤矿进一步智能化建设提供了有效的技术手段与参考价值.