• 全部
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
井下煤炭运输多环节复杂背景下高精度煤矸识别方法研究
  • 14
  • 作者

    栾亨宣 安乐 田莹 顾颉颖

  • 单位

    山东科技大学机械电子工程学院山东科技大学智能装备学院中铁十七局集团有限公司太原理工大学矿业工程学院中煤(天津)地下工程智能研究院有限公司山西新元煤炭有限责任公司新元煤矿上海华能电子商务有限公司

  • 摘要
    煤矸智能分选是发展煤炭智能绿色开采的关键技术之一。准确识别煤矸石是智能分选的先决条件,如何克服井下复杂环境的影响,已成为影响机器视觉识别效果的现实难题。针对井下煤炭运输系统,构建具有单一、二混合和三混合背景的11类图像数据集,包含水渍、煤粉、碎煤与碎矸石及运输设备部件等背景干扰因素。提出了一种融合多种注意力与残差连接的高精度煤矸智能识别方法,高分辨率阶段使用残差卷积块快速生成高质量标记(token),后续阶段使用级联的Channel Spatial Swin Transformer Block (CSSTB)进行深层表征学习。为提升模型对背景噪声的抗干扰能力,网络集成全局、通道、空间多种注意力机制,增强特征表达的鲁棒性。CSSTB中利用基于负斜率特性强化稀疏激活的LeakyReLU线性注意力机制建模全局信息,通过卷积注意力机制模块(CBAM)优化模型注意力分布,提升模型泛化能力。此外,考虑到煤、矸石和输送设备零部件的尺度差异,跨阶段使用残差连接以增强多尺度特征的通信和信息流通。研究结果表明:所提模型在单一、二混合和三混合背景上的平均准确度达到95.06%、97.77%和95.65%,相较于基线网络Swin Transformer-Tiny分别提高7.01%、4.83%和1.03%。可视化实验表明,对比模型在水渍、暗光和反光等复杂背景干扰下难以准确区分煤和矸石,而所提出模型能够精准聚焦于煤和矸石的关键特征区域,抗干扰能力强。研究结果为井下原煤运输中的煤矸高效分选提供了理论参考。
  • 关键词

    深度学习煤矸识别井下环境注意力机制梯度加权类激活热图

  • 文章目录


    0 引言
    1 改进全局特征关联神经网络的识别算法
    1.1 网络模型整体架构
    1.2 浅层特征提取单元
    1.3 深层特征提取单元
    1.4 LeakyReLu Linear Attention(LKRLA)
    1.5 跨阶段多尺度特征通信
    2 图像采集与实验方案
    2.1 实验平台与数据集
    2.2 实验参数设计
    2.3 评估指标
    3 实验与结果
    3.1 消融实验
    3.2 对比实验
    3.3 模型可视化
    4 结论
    论文创新点:
  • 引用格式
    栾亨宣,安乐,田莹,等.井下煤炭运输多环节复杂背景下高精度煤矸识别方法研究[J/OL].煤炭科学技术,1-11[2024-11-19].http://kns.cnki.net/kcms/detail/11.2402.TD.20241021.1130.003.html.
  • 相关文章
相关问题
立即提问

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