基于优化的U-net网络掘进工作面煤岩识别方法研究
栾恒杰1
杨玉晴2
刘建康2
蒋宇静1
刘建荣3
马德良4
张孙豪2
1.山东科技大学 矿山灾害预防控制省部共建国家重点实验室培育基地,山东 青岛 266590;内蒙古上海庙矿业有限责任公司 院士专家工作站,内蒙古 鄂尔多斯 0162992.山东科技大学 矿山灾害预防控制省部共建国家重点实验室培育基地,山东 青岛 2665903.内蒙古上海庙矿业有限责任公司 院士专家工作站,内蒙古 鄂尔多斯 0162994.青岛知岩智控科技有限公司,山东 青岛 266590
摘要：为了提高煤岩识别的精准度,采集了内蒙古上海庙矿业有限责任公司榆树井煤矿掘进工作面煤岩原始图像并制作了深度学习数据集,通过FCN全卷积神经网络(FCN网络)、U-net语义分割网络(U-net网络)与加入Canny边缘检测算法改进后的U-net网络等 3 种网络模型对数据集进行训练,并对训练结果进行对比分析.分析结果表明:在训练次数达到 100 次时,3种网络模型准确率分别为 89.25%,93.52%及 94.55%,改进U-net网络模型准确率相较改进前提高 1.03%;在煤岩识别方面,U-net网络模型比FCN网络模型取得了更高的准确率,在测试环节中也表现出了更好的性能;在预测环节中,对煤岩边缘部分的识别做到了更为精准的处理.该方法可为煤岩识别的精准度的提高提供参考.
关键词：煤岩识别深度学习U-net网络Canny边缘检测算法
分类号：TD67(矿山电工)TP183(自动化基础理论)
资助基金：国家自然科学基金(52204099)山东省自然科学基金资助项目(ZR2022QE203)国家重点实验室基金(MDPC2024ZR03)
论文发表日期：2025-02-27
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：15( 94-108 )
英文信息