• 论文
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
YOLOv2在煤岩智能识别与定位中的应用研究
  • 作者

    张斌苏学贵段振雄常立宗王福周

  • 单位

    太原理工大学矿业工程学院中国矿业大学(北京)深部岩土力学与地下工程国家重点实验室

  • 摘要

    综采工作面煤层走向复杂,采用“一刀切”的开采方法会加速滚轮截齿的磨损,同时开采效率也大幅降低,对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法 YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位,同时与 Faster R-CNN,SSD对煤岩图像的识别结果进行了对比。结果显示, YOLOv2对煤岩的识别精度达到了 78%,检测速度达到了 63 frame/s,与Faster R-CNN, SSD相比精度高出 7.7%,4.7%,而检测速度高出 763%,40%;在矿井测量坐标系中 YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%~4.5%之间,相对误差较小,不会对采煤效率产生影响。研究结果表明, YOLOv2可以对煤岩进行准确快速的识别。

  • 关键词

    煤岩识别智能开采深度学习 YOLOv2

  • 基金项目(Foundation)
    国家重点实验室开放基金资助项目(SKLGDUEK1820)
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联