煤矿井下顶板突水征兆视频智能识别方法研究
连会青1
康佳1
尹尚先1
徐斌1
闫国成2
夏向学1
徐保同1
1.华北科技学院 河北省矿井灾害防治重点实验室,北京 1016012.陕西未来能源化工有限公司 金鸡滩煤矿,陕西 榆林 719000
摘要：煤矿井下突水事故是煤矿灾害组成部分之一,而顶板突水征兆识别是预防突水事故发生的重要环节.然而,煤矿井下环境复杂多变,且目前突水征兆主要靠人工判断发现,由于井下恶劣环境及人为主观因素的影响,导致很难及时发现异常,致使顶板突水征兆的有效识别存在困难.为了高效监测与准确识别突水征兆,基于图像识别处理技术,提出了 1 种基于SAM-XMem的自监督煤矿顶板突水征兆识别方法,其利用像素点变化率构建突水征兆预警体系,对煤矿井下突水易发区域采集到图像进行自监督标记,并通过SAM模型分割突水征兆区域,结合XMem长视频分割框架实现对该区域的实时动态跟踪.试验结果表明:相较于传统OTSU算法,基于SAM-XMem的自监督识别算法在交并比(IoU)、精确率(P)、召回率(R)及F1 分数上均表现出一定差异性,该算法各项评估指标均达 90%以上,较传统算法识别率提升 20%;通过零样本分割技术,可以克服煤矿井下数据集短缺问题,相较于传统方法,特征提取能力更强,在背景噪声多、灰度值差异小等复杂条件下效果更优,适用于煤矿井下环境,具有更高的识别精度和更强的泛化能力.
关键词：矿井水害顶板突水突水征兆SAM模型图像分割技术
分类号：TD745(矿山安全与劳动保护)
资助基金：国家重点研发计划(2022YFC3005904-1)国家自然科学基金(51774136)国家自然科学基金(51974126)中央引导地方科技发展资金资助项目(246ZT604G)
论文发表日期：2025-04-20
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：8( 166-173 )
英文信息