基于塔式池化架构的采掘工作面煤岩图像识别方法

TD63; 煤岩识别技术是实现开采、掘进智能化和无人化的关键技术之一.为提高煤岩图像识别技术的精度和效率,提出了一种基于塔式池化架构和卷积神经网络技术的煤岩图像分割识别网络模型(Coal-Rock Pyramid Network,CRPN):①CRPN模型在图像编码部分采用了深度可分离卷积,使用了混合空洞卷积技术和嵌入全局注意力机制的残差卷积模块,在提高计算效率的同时扩大模型的感受野,并降低了全局无关特性对后续特征图的不利影响.CRPN模型在图像解码部分采用了基于空间塔式池化架构的计算框架,弱化了特征图内部不同区域之间关联信息的损失,显著增强了对全局信息的有效表征.②为保证模型训练的有效性,使...

Full description

Saved in:
Bibliographic Details
Published in煤炭学报 Vol. 46; no. 12; pp. 4088 - 4102
Main Authors 高峰, 殷欣, 刘泉声, 黄兴, 伯音, 张全太, 王心语
Format Journal Article
LanguageChinese
Published 武汉大学土木建筑工程学院,湖北武汉430072%中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,湖北武汉430071 01.12.2021
Subjects
煤岩识别;采掘工作面;塔式池化架构;卷积神经网络;图像分割;煤岩高清图像数据库
Online AccessGet full text
ISSN0253-9993
DOI10.13225/j.cnki.jccs.2021.0624

Cover

Abstract TD63; 煤岩识别技术是实现开采、掘进智能化和无人化的关键技术之一.为提高煤岩图像识别技术的精度和效率,提出了一种基于塔式池化架构和卷积神经网络技术的煤岩图像分割识别网络模型(Coal-Rock Pyramid Network,CRPN):①CRPN模型在图像编码部分采用了深度可分离卷积,使用了混合空洞卷积技术和嵌入全局注意力机制的残差卷积模块,在提高计算效率的同时扩大模型的感受野,并降低了全局无关特性对后续特征图的不利影响.CRPN模型在图像解码部分采用了基于空间塔式池化架构的计算框架,弱化了特征图内部不同区域之间关联信息的损失,显著增强了对全局信息的有效表征.②为保证模型训练的有效性,使用高感光度井下防爆相机对煤矿井下薄煤层采煤工作面原位煤岩图像进行了信息采集,包括完整状态、含有裂隙和阴影、暗光条件、暗光且有支护遮挡等4类典型条件下的煤岩分布图像.通过噪声添加、改变图像的特征和形态等数据预处理方法,建立了含有6400个有效样本的煤岩高清图像数据库.③提出了基于交叉熵损失函数和修正自适应矩估计的训练优化算法,兼顾了模型的训练效率和精度.④选择像素准确度和交并比指标对CRPN模型的识别效果进行评估,结果表明CRPN模型的2项指标平均值分别为96.05％和91.54％,优于U-net模型和Segnet模型等现有其他煤岩图像识别方法.CRPN模型单张图像计算时间平均值为0.037 s,高于井下防爆摄像设备25 fps的成像能力,具备现场应用部署条件.将CRPN模型部署在工作面现场获取的动态视频中进行测试,测试结果表明该模型在稳定和抖动条件下均取得了良好的煤岩识别效果,验证了该技术在复杂环境中的可行性、鲁棒性.
AbstractList TD63; 煤岩识别技术是实现开采、掘进智能化和无人化的关键技术之一.为提高煤岩图像识别技术的精度和效率,提出了一种基于塔式池化架构和卷积神经网络技术的煤岩图像分割识别网络模型(Coal-Rock Pyramid Network,CRPN):①CRPN模型在图像编码部分采用了深度可分离卷积,使用了混合空洞卷积技术和嵌入全局注意力机制的残差卷积模块,在提高计算效率的同时扩大模型的感受野,并降低了全局无关特性对后续特征图的不利影响.CRPN模型在图像解码部分采用了基于空间塔式池化架构的计算框架,弱化了特征图内部不同区域之间关联信息的损失,显著增强了对全局信息的有效表征.②为保证模型训练的有效性,使用高感光度井下防爆相机对煤矿井下薄煤层采煤工作面原位煤岩图像进行了信息采集,包括完整状态、含有裂隙和阴影、暗光条件、暗光且有支护遮挡等4类典型条件下的煤岩分布图像.通过噪声添加、改变图像的特征和形态等数据预处理方法,建立了含有6400个有效样本的煤岩高清图像数据库.③提出了基于交叉熵损失函数和修正自适应矩估计的训练优化算法,兼顾了模型的训练效率和精度.④选择像素准确度和交并比指标对CRPN模型的识别效果进行评估,结果表明CRPN模型的2项指标平均值分别为96.05％和91.54％,优于U-net模型和Segnet模型等现有其他煤岩图像识别方法.CRPN模型单张图像计算时间平均值为0.037 s,高于井下防爆摄像设备25 fps的成像能力,具备现场应用部署条件.将CRPN模型部署在工作面现场获取的动态视频中进行测试,测试结果表明该模型在稳定和抖动条件下均取得了良好的煤岩识别效果,验证了该技术在复杂环境中的可行性、鲁棒性.
Author 殷欣
黄兴
王心语
高峰
张全太
刘泉声
伯音
AuthorAffiliation 武汉大学土木建筑工程学院,湖北武汉430072%中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,湖北武汉430071
AuthorAffiliation_xml – name: 武汉大学土木建筑工程学院,湖北武汉430072%中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,湖北武汉430071
Author_FL BO Yin
LIU Quansheng
ZHANG Quantai
GAO Feng
HUANG Xing
YIN Xin
WANG Xinyu
Author_FL_xml – sequence: 1
  fullname: GAO Feng
– sequence: 2
  fullname: YIN Xin
– sequence: 3
  fullname: LIU Quansheng
– sequence: 4
  fullname: HUANG Xing
– sequence: 5
  fullname: BO Yin
– sequence: 6
  fullname: ZHANG Quantai
– sequence: 7
  fullname: WANG Xinyu
Author_xml – sequence: 1
  fullname: 高峰
– sequence: 2
  fullname: 殷欣
– sequence: 3
  fullname: 刘泉声
– sequence: 4
  fullname: 黄兴
– sequence: 5
  fullname: 伯音
– sequence: 6
  fullname: 张全太
– sequence: 7
  fullname: 王心语
BookMark eNotj00vA0EYgOdQibb8BTfHXe_O7ExnjjS-kiYunJvZnVmxGIkl3JU6SHuhER_1EQ7iIEiIBr-mM9V_gXB6bs-Tp4ByZs1ohEYC8AOCMR1L_dgsL_lpHGc-Bhz4wHCYQ3nAlHhCCDKIClmWApCQMJpHE_ai0-007NWhfW-6x0t70HLtF9eu9U5q_XrdNY7t623346x_ft3bvbFPd_b00-40vx727P69a72556MhNJDIlUwP_7OIFqYm58szXmVuerY8XvGyAAA8JuMSYSAIVZwDVyxmEEWYRFpIqYmMNMWCS1CChgpLqoIwYVqUeMIVVyIkRTT6592SJpFmsZquba6bn2J1dWM7-p0NMBAg325AZb0
ClassificationCodes TD63
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.13225/j.cnki.jccs.2021.0624
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Coal-rock image recognition method for mining and heading face based on spatial pyramid pooling structure
EndPage 4102
ExternalDocumentID mtxb202112030
GrantInformation_xml – fundername: (国家自然科学基金); (国家自然科学基金); (陕西省陕煤联合基金资助项目)
  funderid: (国家自然科学基金); (国家自然科学基金); (陕西省陕煤联合基金资助项目)
GroupedDBID -02
2B.
4A8
5XA
5XC
92H
92I
93N
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CDRFL
CW9
FIJ
GROUPED_DOAJ
IPNFZ
PSX
RIG
TCJ
TGT
U1G
U5L
ID FETCH-LOGICAL-s1000-6ac7360935d8808d6c60bb23be9aae3abe5298a0d954d2a5d14f6e978f8d8d943
ISSN 0253-9993
IngestDate Thu May 29 04:05:50 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 12
Keywords 煤岩识别;采掘工作面;塔式池化架构;卷积神经网络;图像分割;煤岩高清图像数据库
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1000-6ac7360935d8808d6c60bb23be9aae3abe5298a0d954d2a5d14f6e978f8d8d943
PageCount 15
ParticipantIDs wanfang_journals_mtxb202112030
PublicationCentury 2000
PublicationDate 2021-12-01
PublicationDateYYYYMMDD 2021-12-01
PublicationDate_xml – month: 12
  year: 2021
  text: 2021-12-01
  day: 01
PublicationDecade 2020
PublicationTitle 煤炭学报
PublicationTitle_FL Journal of China Coal Society
PublicationYear 2021
Publisher 武汉大学土木建筑工程学院,湖北武汉430072%中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,湖北武汉430071
Publisher_xml – name: 武汉大学土木建筑工程学院,湖北武汉430072%中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,湖北武汉430071
SSID ssj0034365
ssib048394982
ssib023167597
ssib012291397
ssib051374103
ssib001105247
ssib046784615
Score 2.4210467
Snippet TD63; 煤岩识别技术是实现开采、掘进智能化和无人化的关键技术之一.为提高煤岩图像识别技术的精度和效率,提出了一种基于塔式池化架构和卷积神经网络技术的煤岩图像分割识别...
SourceID wanfang
SourceType Aggregation Database
StartPage 4088
Title 基于塔式池化架构的采掘工作面煤岩图像识别方法
URI https://d.wanfangdata.com.cn/periodical/mtxb202112030
Volume 46
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: [Open Access] DOAJ 오픈액세스 저널 디렉토리
  issn: 0253-9993
  databaseCode: DOA
  dateStart: 20100101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.doaj.org/
  omitProxy: true
  ssIdentifier: ssj0034365
  providerName: Directory of Open Access Journals
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1Jb9QwFI5KucABsYq16gEfU2LHduyjM4sqJDi1Um9VtmGTBom2l14plANqL1AhlrIIDogDAgSICvg1zZT-C95zMpN0kWgZjSKPt_f5fU_2e5nYcZyLNIh5QoPITVUkXE6pdCMmMjfwA0ElriEd3Jx85aocn-SXp8TU0PDX2lNLc7PxWDK_676S_2EV8oBX3CW7D2YHnUIGpIFfuALDcN0Tx6QliG6T0JAWx6tqYY6hRHNMhA2i2qQlSUiJ8TBHNYiWmKNbJOwnFFQOiDY2oYkK8AtF0JtWtp-AGGFFNIluYB3dJIZhKwXiClmMGG3xhCS0MJRvpSti2kRJmwPp0AoFSNoC80nx8su-f1zrExLQZ9OOCMRZtMoAkr6NIBDor8Tok9CrSiQxLcSNiQYxflViYWAbK11ZzGZrY03C0CpDIJaQ1--MMLrtKRMroo8PFF32yIkJatAFKk5bMiBhCsihZS7AOprWFB1gBRXWmoPGNWqcNawUbVks6Ax2AuA-ntROWMGZKpWIxDRt50Epblvnuw6k4rXAL5ADXccWoG1pSxjULKwK2ipvb80twsJwdw6_xCwsm7Jvnc3SOEJdFoERoy0YVEiRA_rfh65obTlkwnchnPHra3d5-7qco1htJeZe8brI0qvj1G7s3-kx4IJmXYake-vG2M0kwTP8GR3zZLG3f9tp7DAHxFhOGayOB5yDDJwJr3Ynx0YhELOwKkqnjOHZu4PfDA-fENVvcFUgCKi8cg4xC9fVkVOC-uD2ewMH0-e-fUPuQCHlwQc4kku7jsNuSOx2ou61mu88cdQ5Uga9o6aYwY45Q_PXjzuHa0ehnnDC_OXa-tpS_vpR_nO59-lV_nClt_qtt7qw8XRhc3Gxt_Qk__5u_dfzzRdvNu69zT-_z5_9zu8u__l4P3_wobfyo_fl8Ulnst2aaIy75ftd3Bn8V9GVURL4Ep_ESMGLUKlMpBfHzI8zHUWZH8WZYFpFXqoFT1kkUso7MtOB6qhUpWAgp5zh7u1udtoZZUkceVRxGkO4IrIYPloKztNOFoFLp884I6UGpsv5e2Z6C5Vn_1XhnHOommPOO8Ozd-ayCxCPzMYjlv2__XbcWg
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%A1%94%E5%BC%8F%E6%B1%A0%E5%8C%96%E6%9E%B6%E6%9E%84%E7%9A%84%E9%87%87%E6%8E%98%E5%B7%A5%E4%BD%9C%E9%9D%A2%E7%85%A4%E5%B2%A9%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB%E6%96%B9%E6%B3%95&rft.jtitle=%E7%85%A4%E7%82%AD%E5%AD%A6%E6%8A%A5&rft.au=%E9%AB%98%E5%B3%B0&rft.au=%E6%AE%B7%E6%AC%A3&rft.au=%E5%88%98%E6%B3%89%E5%A3%B0&rft.au=%E9%BB%84%E5%85%B4&rft.date=2021-12-01&rft.pub=%E6%AD%A6%E6%B1%89%E5%A4%A7%E5%AD%A6%E5%9C%9F%E6%9C%A8%E5%BB%BA%E7%AD%91%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E6%B9%96%E5%8C%97%E6%AD%A6%E6%B1%89430072%25%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E6%AD%A6%E6%B1%89%E5%B2%A9%E5%9C%9F%E5%8A%9B%E5%AD%A6%E7%A0%94%E7%A9%B6%E6%89%80%E5%B2%A9%E5%9C%9F%E5%8A%9B%E5%AD%A6%E4%B8%8E%E5%B7%A5%E7%A8%8B%E5%9B%BD%E5%AE%B6%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E6%B9%96%E5%8C%97%E6%AD%A6%E6%B1%89430071&rft.issn=0253-9993&rft.volume=46&rft.issue=12&rft.spage=4088&rft.epage=4102&rft_id=info:doi/10.13225%2Fj.cnki.jccs.2021.0624&rft.externalDocID=mtxb202112030
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fmtxb%2Fmtxb.jpg