《煤炭科学技术》“图像识别技术”研究领域 | 热文精选

首页 > 专题

《煤炭科学技术》“图像识别技术”研究领域 | 热文精选

来源：煤炭科学技术

为了协助读者了“图像识别技术”研究领域内的研究热点和前沿问题，促进学术交流与合作，编辑部根据论文在中国知网的下载、引用等指标，整理了20篇《煤炭科学技术》2022年至今刊出的“图像识别技术”研究领域最受关注论文，以飨读者。以刊期排序。

行业视野: 煤炭科学技术
类别; 90个
关键词; 97位
专家; 20篇
论文; 5599IP
点击量; 7801次
下载量

改进的ORB-FLANN煤矸石图像高效匹配方法

作者(Author)：马宏伟, 周文剑, 王鹏, 张烨, 赵英杰, 王赛赛, 李烺

摘要：针对煤矸石分拣机器人分拣煤矸石时，带式输送机输送带打滑、跑偏以及带速波动造成的目标煤矸石位姿变化，从而导致抓取失败或空抓漏抓等问题，提出了一种改进的ORB-FLANN (Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)煤矸石识别图像与分拣图像高效匹配方法。提出改进ORB的特征点检测方法对煤矸石识别图像与分拣图像进行特征点检测，实现快速检测图像特征点；提出改进FLANN匹配算法对图像特征点进行匹配，实现煤矸石识别图像与分拣图像高效匹配。针对传统ORB方法对煤矸石图像特征检测时间长、重复率低问题，提出了改进ORB特征检测方法，提高了图像特征点检测速度和重复率；针对传统FLANN匹配方法对煤矸石图像匹配精确率低问题，提出了融合PROSAC算法的改进FLANN匹配方法，剔除错误特征匹配点对，提高了图像匹配的精确率。在自主研发的双机械臂桁架式煤矸石分拣机器人试验平台上应用文中方法、SURF特征匹配方法、HU不变矩匹配方法、SIFT特征匹配方法和ORB特征匹配方法分别进行了不同带速、尺度、旋转角度条件下的煤矸石匹配试验，结果表明：本方法的匹配率为98.2%，匹配时间为141 ms，具有匹配率高、实时性好以及鲁棒性强等特点，能够满足煤矸石识别图像与分拣图像高效精准匹配的要求。

免费下载

煤炭科学技术

2024年第01期

153

42
基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法

作者(Author)：田子建, 吴佳奇, 张文琪, 陈伟, 周涛, 杨伟, 王帅

摘要：高质量矿井影像为矿山安全生产提供保障，也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响，易出现亮度低，照度不均，颜色失真，细节信息丢失严重等问题。针对上述问题，提出一种基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法。基于生成对抗思想搭建生成对抗式主体模型框架,使用目标图像域而非单一参考图像驱动判别器监督生成器的训练，实现对低照度图像的充分增强；基于特征表示学习理论搭建特征编码器，将图像解耦为亮度分量和反射分量，避免图像增强过程中亮度与颜色特征相互影响从而导致颜色失真问题；设计CEM-Transformer Encoder通过捕获全局上下文关系和提取局部区域特征，能够充分提升整体图像亮度并消除局部区域照度不均；在反射分量增强过程中，使用结合CEM-Cross-Transformer Encoder的跳跃连接将低级特征与深层网络处特征进行自适应融合，能够有效避免细节特征丢失，并在编码网络中添加ECA-Net，提高浅层网络的特征提取效率。制作矿井低照度图像数据集为矿井低照度图像增强任务提供数据资源。试验显示，在矿井低照度图像数据集和公共数据集中，与5种先进的低照度图像增强算法相比，该算法增强图像的质量指标PSNR、SSIM、VIF平均提高了16.564%，10.998%，16.226%和14.438%，10.888%，14.948%，证明该算法能够有效提升整体图像亮度，消除照度不均，避免颜色失真和细节丢失，实现矿井低照度图像增强。

免费下载

煤炭科学技术

2024年第01期

154

35
基于单激光束信息的掘锚装备视觉定位方法研究

作者(Author)：张旭辉, 陈鑫, 杨文娟, 雷孟宇, 田琛辉, 杨骏豪

摘要：煤矿井下掘锚装备智能化是改善行业采掘失衡问题的关键，而掘锚装备的精确定位是实现其智能化的前提。与其他传统定位方法相比，基于视觉的位姿测量方法以其无接触、无累计误差的优势在煤矿井下得到了初步的应用。针对目前煤矿井下掘进工作面掘锚装备视觉定位方法存在的合作标靶结构复杂、标定繁琐的问题，结合掘进工作面原有激光指向仪特征，提出一种基于单激光束信息的掘锚装备视觉定位方法。该方法通过分析激光指向仪光斑及光束图像特征，提出了一种基于二维反正切函数拟合的激光光斑中心提取方法和基于Hough直线检测的激光束中心线提取方法，构建了基于点线特征的双目视觉位姿解算模型，得出了掘锚装备在巷道中的实时位姿。最后，为了验证提出的特征提取方法和视觉定位方法的可行性和准确性，在实验室模拟掘进工作面工况环境搭建平台进行了试验。结果表明：基于矿用激光指向仪信息的掘锚装备视觉定位方法具有较高的位姿测量精度。在50 m的测试范围内，机身位置在巷道坐标系下沿X轴、Y轴和Z轴的平均测量误差分别为25.44、58.64、31.08 mm，其最大误差分别为55.16、127.39、63.57 mm；机身姿态在巷道坐标系下的俯仰角、偏航角和横滚角的平均测量误差分别为0.22°、0.22°、0.41°，其最大误差分别为0.29°、0.37°、0.58°。满足煤矿井下巷道施工的定位精度要求。

免费下载

煤炭科学技术

2024年第01期

186

35
煤质煤量全面在线检测技术发展现状及应用进展

作者(Author)：王洪磊, 郭鑫, 张亦凡, 张俊升

摘要：当前，煤矿智能化正在向着中高级阶段迈进，煤炭工业数智化转型迫切需要实时掌握煤质煤量全面信息，因此，开展了煤质煤量全面在线检测技术发展现状及应用进展综述研究。在分析煤质煤量检测技术工业应用需求的基础上，重点阐述以激光诱导击穿光谱法（LIBS）及其与其他光谱联合的多光谱联用技术为代表的光谱学技术的基本原理、优缺点、研究进展与工业应用情况和以图像分析为代表的人工智能煤质煤量检测方法。然后，基于不同技术的工业应用情况进行问题梳理，分析实时煤质煤量在线检测技术在工业应用中的技术局限性，包括：基于技术原理的探测精度问题；由复杂环境因素引用的设备稳定性问题；基于大量数据处理的算法分析问题；煤炭全产业链应用的技术适用与灵活性问题。最后，对未来煤质煤量全面分析及在线检测技术提出4点发展建议：结合地质条件的煤质在线检测技术研究；工业化多光谱联用技术研究；光谱学与图像分析技术联用煤质煤量全面分析技术研究；智能化在煤质煤量实时检测的深入应用研究。智能化煤质煤量全面分析及在线检测装备研发需多学科共同努力，基于煤岩学、光谱学、仪器仪表工程、数据处理和模式识别、人工智能和机器学习等多学科科学技术，建立工业应用场景−煤质煤量参数−实际应用指导数据库，是实现智能化煤质煤量在线检测，掌握和预测全面煤质煤量信息的重要发展方向。

免费下载

煤炭科学技术

2024年第02期

204

34
基于深度特征的煤矿冲击地压和煤与瓦斯突出图像感知报警方法

作者(Author)：程继杰, 刘毅

摘要：冲击地压和煤与瓦斯突出容易造成煤矿重特大事故。针对目前煤矿冲击地压和煤与瓦斯突出事故发生主要靠人工发现，结合灾害造成不同于正常工况下采掘工作面和巷道空间的颜色和深度特征，提出了一种基于深度特征的煤矿冲击地压和煤与瓦斯突出图像感知报警方法：在煤矿井下巷道顶板、巷帮靠近顶板以及采掘工作面液压支架顶部或靠近顶部等位置多点布置带有补光灯的彩色双目摄像机，实时采集采掘工作面和巷道空间彩色图像和深度图像；以煤矿井下与灾害抛出煤岩有着鲜明颜色差别的生产设备作为背景，监测识别是否出现彩色图像颜色发生较大变化；如果掘进巷道端头、巷道中间、巷道入口，或回采工作面，或进风巷道入口、巷道中间，或回风巷道入口、巷道中间，或主运输、辅助运输大巷等位置彩色双目摄像机监测到图像颜色发生较大变化，则监测彩色图像平均亮度是否小于设定的亮度阈值；如果平均亮度小于设定的亮度阈值，则以与灾害抛出煤岩有鲜明颜色差别的生产设备为背景，监测深度图像是否发生较大变化；如果深度图像发生较大变化，那么监测导致深度图像发生较大变化物体的移动速度是否大于设定的速度阈值（V>13 m/s）；当移动速度大于设定速度阈值时，利用多点布置的甲烷传感器监测监视区域内甲烷浓度，当采煤工作面、掘进工作面、进风巷道、回风巷道、总回风巷道等多个不同地点均监测到甲烷浓度大幅升高或达到报警值，那么进行煤与瓦斯突出报警，反之，则进行冲击地压报警。提出了彩色双目摄像机感知灾害最佳倾角的确定方法，以及导致深度图像发生较大变化物体移动速度的确定方法。在确保安全性的前提下，简化了灾害模拟试验，设计了一套煤矿冲击地压和煤与瓦斯突出颜色和深度特征模拟试验装置：采用与煤岩颜色和比重相近的10 mm橡胶球替代灾害抛出煤岩；利用直径315 mmPVC管模拟煤矿井下巷道受限空间以及与抛出煤岩有着鲜明颜色差异的背景设备；利用轴流式高压鼓风机作为动力装置，进行模拟冲击地压和煤与瓦斯突出发生时大量煤岩抛出造成的采掘工作面和巷道空间颜色和深度异常特征；利用3.4 mm焦距、30FPS、71°×55°视场角的彩色双目摄像机，完成对整个灾害模拟过程的监视与彩色双目图像采集。研究分析表明，提出的方法可识别出灾害发生时颜色和深度特征，验证了基于深度特征的煤矿冲击地压和煤与瓦斯突出图像感知报警方法的可行性与有效性。

免费下载

煤炭科学技术

2024年第03期

164

24
基于LMIENet图像增强的矿井下低光环境目标检测方法

作者(Author)：田子建, 阳康, 吴佳奇, 陈伟

摘要：煤矿井下工作环境复杂，存在人造光源亮度低、粉尘多和水气密度大等不利因素，导致现有的目标检测算法在应用到煤矿井下时，存在提取特征困难、目标识别和定位精度低等问题。提出一种煤矿井下低照度环境目标检测算法，由矿井低光图像增强模块LMIENet和目标检测模块组成，使用图像增强模块对原始图像进行画质提升，恢复各类图像信息，再使用目标检测网络对增强图像进行特定目标检测，有效提高检测的精确度。在图像增强模块中，改进Zero-DCE算法设计轻量级增强参数预测网络，计算像素级增强参数矩阵，用于低光照图像的亮度调整和画质增强，该网络通过设计的非参考损失函数隐性衡量图像的增强效果，引导网络进行无监督学习，使网络能够不依赖配对数据集对原始图像进行自适应的画质增强。目标检测模块中，采用YOLO v8n目标检测模型，其轻量化的模型尺寸和高灵活性可避免模型整体复杂度过高；采用Focal-EIoU Loss改进回归损失函数，有效加速模型收敛并提升模型检测精度。实验结果显示：与经典目标检测算法Faster R–CNN,SSD, RetinaNet, FCOS等相比，提出算法在自建矿井人员数据集上表现出色，低光照环境下目标检测的mAP@0.5达到98.0%，mAP@0.5∶0.95达64.8%，在实验环境中单帧图像推理时间仅11 ms，优于其他对比方法，证明提出算法能够有效实现在煤矿井下低照度复杂环境下的目标检测，且耗时短、计算效率高。

免费下载

煤炭科学技术

2024年第05期

173

26
惯导与视觉信息融合的掘进机精确定位方法

作者(Author)：毛清华, 周庆, 安炎基, 薛旭升, 杨文娟

摘要：针对煤矿巷道复杂环境下掘进机精确定位难题，提出了一种惯导与视觉融合的掘进机精确定位方法，该方法采用惯导与“视觉+激光标靶”的定位方案。该方案将设计的四特征点大尺寸激光标靶固定于巷道顶板，相机固定于掘进机机身采集激光标靶图像，并运用圆拟合法定位光斑中心和基于四特征点的EPnP算法解算掘进机位置。为了验证“视觉+激光标靶”方法对掘进机位置检测效果，在模拟掘进工作面环境下开展了“视觉+激光标靶”位置检测试验，结果表明：在30 m内沿巷道宽度方向、掘进方向、高度方向最大误差不超过28.549 mm、78.868 mm、44.459 mm，实现了掘进机位置精确检测。针对惯导测量掘进机位姿误差随时间累积和掘进机振动对组合定位系统产生干扰导致位姿检测不准问题，提出改进Sage-Husa自适应滤波的惯导与视觉信息融合方法，该方法通过检测新息方差值修正量测误差来提高定位准确性。在模拟掘进工作面环境下开展了惯导与“视觉+激光标靶”组合定位实验，采用改进前后Sage-Husa自适应滤波算法融合惯导与视觉信息进行对比分析，结果表明：改进后Sage-Husa自适应滤波算法融合得到的定位误差更小，俯仰角、横滚角、航向角最大误差分别为0.029°、0.051°、0.011 3°，在距离激光标靶30 m内巷道宽度位置误差在0.033 m范围内，巷道掘进方向位置误差在0.062 m范围内。所提出的惯导与视觉融合定位方法能够满足巷道掘进定位精度要求。

免费下载

煤炭科学技术

2024年第05期

155

42
基于CFS-YOLO算法的复杂工况环境下煤矸图像识别方法

作者(Author)：李德永, 王国法, 郭永存, 王爽, 杨宇豪

摘要：针对煤矿高噪声、低照度、运动模糊与大批量煤矸混杂等复杂工况环境因素导致煤矸识别存在误检、漏检以及检测精度低的问题，提出一种基于CFS-YOLO算法的煤矸智能识别模型。采用ConvNeXt V2（Convolutional Neural Network with NeXt Units Version 2）特征提取模块替换主干网络末端的2个C3（Cross Stage Partial Bottle Neck Mudule）模块，通过将掩码自动编码器（Masked Autoencoders, MAE）和全局响应归一化（Global Response Normalization, GRN）层添加到ConvNeXt架构中，有效缓解特征崩溃问题以及保持特征在网络传递过程中的多样性；采用Focal-EIOU（Focal and Efficient Intersection Over Union）损失函数替换原CIOU（Computer Intersection Over Union）损失函数，通过其Focal-Loss机制和调整样本权重的方式优化边界框回归任务中的样本不平衡问题，提高模型的收敛速度和定位精度；添加无参注意力机制（Simple Attention Mechanism, SimAM）于主干网络每个C3模块的后端，凭借其注意力权重自适应调整策略，提升模型对尺度变化较大或低分辨率煤矸目标关键特征的提取能力。通过消融试验和对比试验验证所提CFS-YOLO模型的有效性与优越性。试验结果表明：CFS-YOLO模型对于煤矸在煤矿高噪声、低照度、运动模糊与大批量煤矸混杂等复杂环境下的检测效果均得到有效提高，模型的平均精度均值达到90.2%，相较于原YOLOv5s模型的平均精度均值提高了3.7%，平均检测速度达到90.09 FPS，可充分满足煤矸实时检测的需求。同时与YOLOv5s、YOLOv7-tiny与YOLOv8n等6种YOLO系列算法相比，CFS-YOLO模型对煤矿复杂环境的适应性最强且综合检测性能最佳，可为煤矸的智能高效分选提供技术支持。

免费下载

煤炭科学技术

2024年第06期

201

28