“矿山智能化与人工智能”专题 | 武强院士：基于MRAU视频分割模型的矿井涌（突）水风险识别方法

中国科技期刊卓越行动计划“中文领军期刊”

中国科学引文数据库（CSCD）

美国《工程索引》（Ei Compendex）收录期刊

中国地学领域高质量科技期刊分级目录T1分类

中国煤炭领域高质量科技期刊分级目录T1分类

本论文创新点

井下环境复杂，不同场景下水流动态难以识别，导致视觉识别技术在矿井水害监测中尚未得到有效应用。针对此问题，本文提出了一种基于多通道残差注意力机制的视频分割模型（MRAU），用于识别涌（突）水的动态演变过程。模型通过引入卷积块注意力模块（CBAM）改进U²Net网络，增强了特征提取能力；结合多通道残差预处理方法，精准分离水流动态特征与静态背景，并将预处理结果作为注意力机制的输入，进一步强化水流特征的提取；利用中间帧掩码标签进行多帧融合学习，加强了对涌（突）水动态特征的捕捉。试验结果表明，MRAU模型在跨场景识别和涌（突）水动态演变识别方面具有较高的精度。

题目

基于MRAU视频分割模型的矿井涌（突）水风险识别方法

作者

武强^1,2,3，张帅^1,2,3，杜沅泽^1,2,3，徐华⁴，赵颖旺^1,2,3

单位

中国矿业大学(北京) 内蒙古研究院
中国矿业大学(北京) 国家煤矿水害防治工程技术研究中心
矿山水防治与资源化利用国家矿山安全监察局重点实验室
北京石油化工学院信息工程学院

长按识别二维码阅读全文

摘要

矿井涌（突）水视频识别是智能化矿井建设的关键之一，通过识别涌（突）水从无到有、从小到大的动态演变过程，有助于防止水量超出矿井排水能力并演变为水害。为此提出了一种基于多通道残差注意力机制的U²Net视频分割模型（MRAU），旨在识别涌（突）水的演变过程。首先，基于卷积注意力模块（CBAM）改进U²Net网络模型，以提高特征提取效果。接着，通过多通道残差预处理，区分水流动态特征与静态背景，并将处理结果作为注意力机制输入模型，从而强化水流特征的学习。此外，使用中间帧掩码作为标签进行多帧融合学习，进一步提升网络对水流动态特征的识别能力。最终，通过学习不同场景下的水流特征，实现对未知场景中涌（突）水动态演变的有效识别。通过与Deeplab、LRASPP、FCN、U²Net 网络模型的对比试验，选用Dice和IoU作为评价指标。试验结果表明，MRAU模型的Dice 和IoU分别达到92.88%和87.51%，相比U²Net基础网络，识别结果分别提高了4.71%和7.41%。在未知的涌（突）水场景中测试时，MRAU的Dice和IoU得分分别达到了86.75%和80.23%。与其他模型相比，MRAU的识别精度最高，表明该模型在不同场景下对水流特征具有更强的泛化能力。此外，MRAU能够精准监测涌（突）水流量从小到大的演变过程。最后，通过在井下环境中模拟突水场景，进一步验证MRAU模型在实际生产中的实用性，为矿井水害监测提供了有效的技术手段。

作者简介

武强

中国工程院院士

武强，著名水文地质与环境地质专家，中国工程院院士，国际欧亚科学院院士，中国矿业大学（北京）教授，博士生导师，国家煤矿水害防治工程技术研究中心主任。国际矿山水协会（IMWA）副主席，国际矿山水协会（IMWA）中国国家委员会主席、国务院学位委员会地质资源与地质工程学科评议组成员兼召集人、教育部科技委地学部副主任，国家安全生产专家组成员，原国家煤矿安全监察局“水害防治专家组”组长，中国能源学会会长，中国矿山安全学会副会长，中国科学技术协会全国委员会委员，中华全国总工会劳动保护顾问组顾问，中国地质学会、中国煤炭学会常务理事，中国安全管理学会矿山应急与安全委员会主任，中国地质学会矿山水防治与利用专业委员会主任。

研究方向

水文地质、环境地质与地热能开发。

主要成果

获国家科技进步二等奖3项，省部级一等奖11项，出版中英文专著13部，发表学术论文300余篇，SCI检索100余篇，获美国、中国香港和国家授权发明专利70余件，国家授权软件著作权34件，主编国家技术标准和工具书多项。荣获中国首届十位“优秀博士后奖”“何梁何利基金科学技术奖”“李四光地质科学奖”“全国优秀教师”和“北京市人民教师”等。

引用格式

武强，张帅，杜沅泽，等. 基于MRAU视频分割模型的矿井涌（突）水风险识别方法[J]. 煤炭科学技术，2024，52（11）：17−28.

WU Qiang，ZHANG Shuai，DU Yuanze，et al. Mine water inrush risk identification method based on MRAU video segmentation model[J]. Coal Science and Technology，2024，52（11）：17−28.