随着深度学习理论的研究与发展，基于深度学习的目标检测技术在智能化矿山领域取得了显著进展，目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强，存在模型可解释性差、计算复杂等问题，如何提高矿井目标检测精度、模型自适应性和计算效率，是矿山人工智能领域亟待解决的研究课题。本文对煤矿井下智能目标检测技术及其研究进展进行综述。首先，简要概述了目标检测技术，介绍了基于深度学习的目标检测技术演进过程和算法分类，并分析比较了基于CNN和Transformer的目标检测网络。然后，重点研究了矿井智能目标检测的数据增强、超分辨率重建、特征提取等关键技术，并围绕煤矿“人-机-环”应用需求，详细阐述了基于深度学习的目标检测在井下人员安全监测、矿井设备智能检测、工况环境感知等方面的研究进展。最后，指出了煤矿应用场景下智能目标检测技术在数据集构建、模型优化、多源异构数据融合等方面仍存在挑战，讨论了煤矿智能目标检测技术的发展趋势。并提出未来应致力于将目标检测技术与小样本学习和多模态融合、模型轻量化和边缘计算、数字孪生和具身智能等新兴技术相结合，以此促进智能检测技术与煤矿安全生产的深度融合与应用，为矿井智能目标检测技术体系构建提供理论参考。

0 引言
1目标检测技术概述
2 矿井智能目标检测的关键技术
2.1 数据增强
2.2 超分辨率重建
2.3 特征提取
3 矿井智能目标检测技术的研究进展
3.1 人员安全监测
3.2 设备智能检测
3.3 矿井环境感知
4 矿井智能目标检测面临的挑战与解决思路
4.1面临的挑战
4.2解决思路
5 智能目标检测的技术展望
6 结语

张帆,张嘉荣.基于深度学习的矿井智能目标检测技术研究综述[J/OL].煤炭科学技术,1-14[2024-09-06].http://kns.cnki.net/kcms/detail/11.2402.TD.20240903.1434.002.html.