基于改进MobileNetV2的钻杆计数方法
张栋1
姜媛媛2
1.安徽理工大学电气与信息工程学院,安徽淮南 2320012.安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学环境友好材料与职业健康研究院(芜湖),安徽芜湖 241003
摘要：针对现有基于人工及仪器的钻杆计数法存在精度较低、耗时耗力,现有基于图像处理的钻杆计数方法难以提取图像特征,网络模型复杂度高、计算量大等问题,提出了 一种基于改进MobileNetV2的钻杆计数方法.通过摄像头采集钻机工作状态图像,采用数据增强对采集的图像进行预处理,在MobileNetV2的基础上,添加卷积注意力模块增强特征的细化能力,优化目标函数提升识别精度,通过迁移学习获取初始参数.将改进后的MobileNetV2作为钻机工作状态识别模型,提取钻机工作状态特征,通过识别钻杆钻进完整过程中装钻杆、打钻杆、卸钻杆、停机4种钻机工作状态生成置信度数据,通过滑动窗口对置信度数据进行滤波,统计钻杆数量,明确钻孔深度.实验结果表明:改进后的MobileNetV2模型识别准确率达99.95％,与经典分类模型ResNet50,Xception,InceptionV3,InceptionResNetV2,MobileNetV2 相比,准确率分别提升 了 1.35％,1.28％,1.43％,0.85％,1.25％,参数量比MobileNetV2模型减少了 38.9％,模型收敛速度更快,综合性能更好.将基于改进MobileNetV2的钻杆计数方法应用于煤矿综采工作面的钻杆计数中,平均钻杆计数精度为98.4％,实现了钻杆精确计数,验证了该方法在复杂环境下应用的可行性和实用性.
关键词：煤与瓦斯突出钻机钻杆计数图像处理卷积神经网络深度学习注意力机制MobileNetV2
分类号：TD67(矿山电工)
资助基金：安徽省重点研究与开发计划项目(202104g01020012)安徽理工大学环境友好材料与职业健康研究院研发专项基金项目(ALW2020YF18)
论文发表日期：2022-10-10
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：7( 69-75 )
英文信息