基于双注意力生成对抗网络的煤流异物智能检测方法
曹正远1
蒋伟2
方成辉3
1.国家能源集团神东煤炭集团有限责任公司智能技术中心,陕西神木 7193002.天地(常州)自动化股份有限公司,江苏常州 2130153.中国矿业大学体育学院,江苏徐州 221116
摘要：在煤炭开采过程中混入的异物可能会导致输送带连接处堵塞甚至输送带撕裂等事故,现有的机器学习算法大多采用监督学习的方式自动识别物品类别,而在真实工矿场景下,异常样本稀缺,易导致建模数据集存在严重的样本分布不平衡且显著特征丢失的问题.针对上述问题,提出了一种基于双注意力生成对抗网络(DA-GANomaly)的煤流异物智能检测方法.该方法采用半监督学习的方式,仅需要正常样本完成异物检测模型训练,有效解决了因样本分布不平衡造成的识别精度低、鲁棒性差的问题;在Skip-GANomaly的基础上引入双注意力机制,增强了编码器与解码器之间的信息交流,以抑制无关特征和噪声,同时突出有利于区分异常样本的感兴趣特征,进一步提高模型分类的准确性.实验结果表明:DA-GANomaly模型的分类精确率为79.5％,召回率为83.2％,精确率-召回率曲线下面积(AUPRC)为85.1％;与AnoGAN等5种经典异常检测模型相比,DA-GANomaly模型的综合性能最佳.
关键词：煤流异物检测带式输送机机器视觉深度学习生成对抗网络双注意力机制半监督学习
分类号：TD528(矿山运输与设备)
资助基金：天地(常州)自动化股份有限公司科研项目(2022FY0009)
论文发表日期：2023-12-10
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( 56-62 )
英文信息