基于MRAU视频分割模型的矿井涌(突)水风险识别方法
武强1
张帅1
杜沅泽1
徐华2
赵颖旺1
1.矿业大学(北京)内蒙古研究院,内蒙古 鄂尔多斯 017000;中国矿业大学(北京)国家煤矿水害防治工程技术研究中心,北京 100083;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 1000832.北京石油化工学院信息工程学院,北京 102617
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.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.
关键词：矿井涌(突)水视频分割MRAU多通道残差预处理注意力机制U2Net
分类号：TD742(矿山安全与劳动保护)
资助基金：国家自然科学基金(42027801)国家自然科学基金(42202283)中央高校基本科研业务费资助项目(2022YJSSH01)
论文发表日期：2024-11-25
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：12( 17-28 )
英文信息