摘要：针对煤矿井下人造光源亮度低、煤矸分布密集等不利环境因素,导致现有煤矸检测算法存在特征提取困难和定位精度低等问题,提出一种基于自适应低照度图像增强的煤矸实时分割方法,其主要由图像增强模块 CG-IENet(Coal Gangue Image Enhancement Network)和目标分割模块 CG-TSNet(Coal Gangue Target Segmentation Network)两个部分组成.图像增强模块基于CycleGAN网络模型框架,通过注意力机制对生成器网络中的编码器、特征提取网络和解码器进行优化设计,同时采用PatchGAN作为判别器网络,以实现对低照度煤矸图像的自适应画质增强,从而更好地保留煤矸表面纹理信息.目标分割模块基于DeepLabV3+网络模型框架,在编码器中引入轻量化主干网络MobileNetV2和颈部网络SPS-ASPP模块,在解码器中结合特征融合模块、注意力机制和动态上采样,在提升模型分割精度的同时有效减少模型复杂程度,使其具有更快的处理速度和更低的能耗,便于边缘式计算设备的部署.试验结果表明:CG-IENet在峰值信噪比、结构相似度、信息保真度准则、信息熵和灰度均值指标上与其他低照度图像增强模型相比分别平均提升了47.86%、61.20%、14.30%、31.77%和 23.68%,平均色度误差最低为 1.18,同时采用三维灰度分布图和灰度直方图对各类模型进行直观对比分析,最终表明CG-IENet增强效果最佳,其能够更好提高图像亮度,避免色彩失真同时保留图像细节信息;CG-TSNet在保证模型参数量为 4.567×106 的基础上,与 HRNet、UNet和PSPNet等其他 4种语义分割模型相比,平均交并比、类别平均像素准确率、像素准确率和F1分数指标(F1)上均为最高,分别为 91.76%、95.84%、96.85%和 95.04%,综合检测性能最佳.基于自适应低照度图像增强的煤矸实时分割模型能够适应煤矿井下复杂工况,从而实现煤矸精准高效分选.

摘要：针对井下无线定位系统部署成本高、抗灾变能力差的问题,提出了一种基于改进Con-vNeXt网络和全景视觉技术的主动式井下目标定位方法.该方法分为离线训练和在线定位 2个阶段:离线训练阶段,首先对井下环境进行区域划分并采集全景图像数据,通过数据增强构建多尺度训练集;然后基于改进的ConvNeXt网络分别训练区域定位模型和细致定位模型,其中区域定位模型实现粗粒度位置估计,细致定位模型完成精确定位;在线定位阶段,部署在移动设备上的全景相机实时采集环境图像,经图像拼接和增强预处理后,先通过区域定位模型确定目标所在区域范围,再调用对应区域的细致定位模型实现实时定位.试验结果表明:在 0.5 m区域定位和 0.1 m细致定位的组合下,定位准确率达到 94%;通过引入CoordAttention模块,准确率进一步提升至 95%,较传统单步方法提升 14.67%.与MobileNetV3(91%)和ResNet(92.33%)相比,改进的ConvNeXt网络展现出更优的性能.此外,该方法对光照变化、运动模糊、人员走动、粉尘干扰等井下典型干扰表现出较强的鲁棒性,在国家能源集团宁夏煤业有限公司羊场湾煤矿井下 616巷道数据集上的准确率达95.33%.研究为井下无人驾驶车辆和机器人等智能移动设备提供了一种低成本、高鲁棒性且易于实施的定位解决方案.

摘要：随着煤炭产业正加快迈向智能化转型,基于视频图像的目标检测与隐患识别技术,因其非接触、可视化和高实时性等优势,正日益成为提升矿井安全保障能力与生产效率的关键支撑.研究综述聚焦煤炭智能化转型中视频图像智能分析技术的创新与应用需求,针对矿井复杂环境的智能化建设现状、潜在的安全隐患、现有先进目标检测与隐患识别方法及技术挑战、落地应用案例开展系统性研究.首先从矿井视频监控系统的建设现状、安全隐患的多样性及复杂性入手,阐述了机器视觉技术在井下环境下的必要性与应用价值;随后,比较分析了传统图像处理方法与基于深度学习的目标检测识别技术在检测精度、鲁棒性、计算效率等方面的差异与应用价值,重点探讨了主流检测模型在低照度、高尘雾、噪声干扰和遮挡严重等矿井典型场景中的适应性与局限性.在此基础上,结合现有典型矿井视频数据集的构建与应用案例,分析了数据集在模型训练、性能评估和泛化能力提升中的关键作用,并对其在煤流运输监控、人员违章行为识别、提升作业设备的隐患识别以及综采工作面安全预警等典型任务中的部署效果进行了分析.最后,总结了当前技术在复杂环境适应性差、数据不平衡与标注困难、实时计算资源受限以及长时序行为跟踪不稳定等挑战,并展望了泛化学习、多模态互补融合、大模型语义解析、边缘与云计算协同以及数据隐私安全保护等未来发展方向.通过系统梳理与深入分析,为矿井视频图像智能分析技术的持续创新和工程落地提供了系统化的理论参考与技术路线支持,助力煤矿安全监测、隐患预警及应急响应体系向更高水平的智能化和本质安全方向发展.

摘要：热动力灾害(火灾与爆炸)是煤矿重特大事故中占比最高、致灾最严重的灾害,需要建立火情特征参数监测系统对该灾害进行监测.目前采空区无线通信监测系统存在由于采空区塌陷导致的通信设备受到限制,无法稳定监控火情特征参数的问题.为了提升无线通信监测系统稳定性,针对采空区环境下无线穿透通信受限原因进行了分析,确认了采空区塌陷后通信设备的天线性能是影响系统通信性能的一个重要因素;进一步研究了提升无线穿透通信稳定性的 3个关键技术:天线环境适应、天线性能检测、通信参数自动优化.为提升天线环境适应性,设计了一种可重构天线,确保天线在未掩埋、掩埋等不同环境下均能保持高辐射效率;应用了一种基于回波损耗检测的性能检测方法,可以直接测量评估固定发射频率下天线性能;提出了通信参数自动优化的观点,可以根据工作环境进行通信参数自动优化,如调整LoRa发射功率、扩频因子等参数,均衡通信系统的功耗与性能.最终设计了一套优化天线以提升无线穿透通信稳定性的通信设备,对进行了天线优化的通信设备与未进行天线优化的通信设备进行地面与煤矿井下实际测试.地面测试结果表明,在不同掩埋介质的测试环境下经过优化的无线通信设备性能优于未经过优化的无线通信设备,可以满足 10m的稳定通信.井下实际测试结果表明,研究技术能够有效适应采空区塌陷后火情特征参数监控受限的状况.该技术可显著增强通信信号强度,即便在实地采空区被掩埋的条件下,也能实现 10m距离内的稳定通信,最终达成对采空区火情特征参数的稳定监测.

摘要：煤矿安全生产视频分析与识别技术是保障我国煤矿安全生产和智能化发展的核心支撑.为有效应对井下低照度、高粉尘、非均匀光照等复杂环境对视频监控图像质量的影响,提升安全隐患识别的实时性与准确性,图像增强技术已成为煤矿视频AI识别过程中的关键环节.系统阐述了煤矿智能化建设背景下图像增强技术的迫切需求与发展现状,分析了井下图像退化的多因素耦合成因及其对智能分析性能的制约,结合"感知-边缘-云端"3级协同的煤矿智能视频系统架构,提出了贯穿系统各层级的图像增强技术体系框架.围绕井下典型成像挑战,梳理并评述了直方图均衡化、小波变换、Retinex等传统图像增强方法,超分辨率重建、低光照增强、去雾去尘等基于深度学习的增强方法以及红外、激光、毫米波与可见光融合的多模态融合增强技术的原理、优缺点及代表性模型,明确了各类方法的技术特征与适用场景.同时,结合矿井人员监测、设备状态监测及作业流程监管等人机环管典型应用场景,示范展示了针对性图像增强技术在提升目标辨识度、缺陷检测精度及作业监测清晰度等方面的实际应用效果.最后,针对现有技术存在的环境动态适应能力不足、边缘算力受限、高质量真实数据集匮乏、多因素耦合退化处理效果有限等问题,指明了未来图像增强技术在轻量化边缘计算模型与硬件协同优化的发展方向,持续深化基于GAN、Transformer等先进网络架构的增强算法研究,探索与大模型结合实现主动智能感知与语义理解,推动跨模态融合技术的工程化应用,最终形成支撑井下"人-机-环"全域高精度智能感知与危险源协同管控的鲁棒性视觉增强能力.

摘要：针对煤矿井下复杂工况导致的煤岩图像低照度、高噪声与运动模糊等分割难题,提出一种融合代理注意力(Agent Attention)机制的改进型Swin-UNet(滑动窗口Transformer U-Net)煤岩图像语义分割模型——Agent Swin-UNet.模型以Swin Transformer为主干网络,利用其层级式窗口自注意力(W-MSA/SW-MSA)机制建立长程光照依赖关系,有效缓解暗区细节丢失与局部特征退化问题.在编解码器跳跃连接中嵌入代理注意力模块,该模块融合三重协同机制,通过引入代理令牌实现"聚合-广播"式特征交互,将计算复杂度由O(N2)降至O(Nn),在保留全局语义建模能力的同时显著提升计算效率;结合空间感知偏置增强模型对噪声分布的自适应能力,有效抑制非结构化干扰;进一步耦合深度可分离卷积(DWC)以强化局部纹理重建,提升边界识别精度与细节恢复能力.针对煤岩图像中前景与背景像素比例严重失衡的问题,构建了融合交叉熵损失、Dice损失与多尺度结构相似性损失(MS-SSIM)的复合监督函数,从分类一致性、区域重叠度与结构相似性多维度优化模型训练过程,增强其在类别不平衡场景下的语义连贯性与边缘完整性.在"陕-晋-冀构造煤数据集"上的系统试验表明:Agent Swin-UNet在标准测试集上达到了 91.26%mIoU与 88.81%mPA的分割精度,优于Seg-menter、DeepLabv3及基准Swin-UNet模型;在噪声强度为 0.05的干扰环境下,其mIoU指标仍保持在 84.14%,显示出优越的噪声鲁棒性;消融试验进一步验证,代理注意力模块是高性能提升的关键来源,尤其在高噪声场景(>0.05)中贡献了核心性能增益.为复杂地下环境中的煤岩快速分割和智能掘进提供了一种稳健的技术解决方案.

摘要：预紧力作为巷道支护的关键参数之一,对主动支护起着决定性作用,国内外研究表明提高预紧力可有效控制巷道变形,降低冒顶事故的发生.当锚索张拉结束卸载时,锚索回缩导致预紧力损失较大,实际施加的预紧力远低于设计值,难以发挥预应力锚索主动支护的作用.为减少预紧力损失,研制了高预紧力应力均布型锚索,构件包括高预紧力应力均布型锁具、钢绞线、托盘、支撑架等构件.高预紧力应力均布锚索能够减少锁具夹片引起的锚索回缩量和围岩损伤变形引起的锚索回缩量,减少张拉过程中预紧力损失.该安装工艺采用二次张拉结合螺母旋转预紧的方式,首次张拉与传统锚索工艺一致,二次张拉则借助支撑架辅助完成,待张拉产生缝隙后,通过旋转螺母补偿锚索在首次张拉时的回缩损失.在试验过程中,采用数字图像相关技术(Digital Image Correlation,DIC)技术研究了锚索静载拉伸过程中普通螺母和应力均布型锁具螺母的"荷载-位移"分布规律.现场实测和实验室实测发现矿用锚索在张拉过程中预紧力损失约为 35%,高预紧力应力均布型锚索张拉过程中预紧力损失仅为 10%,预紧力损失减少 25%,应力均布型锁具螺母可缓解张拉过程中螺纹副的应力集中,提高锁具螺纹的承载能力.成果在朱集矿、潘二矿及丁集矿等深部巷道应用,对巷道围岩控制效果较好.

摘要：针对煤矿井下传统接触式跑偏检测方法无法检测跑偏量、二维图像检测方法受井下恶劣环境影响导致跑偏定量检测准确性不高问题,提出一种基于三维点云的煤矿带式输送机跑偏定量检测方法.针对点云数据量大导致跑偏检测效率低的问题,通过ROI(Region of Interest)局部区域采样方式采集带式输送机点云数据,并对点云数据进行体素质心下采样实现点云数据精简.针对点云数据中噪点和托辊、机架等多余信息点滤除问题,提出改进的快速欧式聚类(Fast Euclidean Clustering,FEC)与区域生长结合的点云分割方法,实现托辊等多余点云信息的滤除和输送带面点云数据快速准确分割.针对输送带三维点云边缘点信息提取准确度和效率低的问题,提出引入序贯概率比检验(Se-quential Probability Ratio Test,SPRT)和赤池信息准则(Akaike Information Criterion,AIC)的自适应随机抽样一致算法(Random Sample Consensus,RANSAC)内点提取方法获取输送带边缘直线最优模型参数,实现输送带边缘直线的高效准确拟合.针对输送带跑偏精确定量检测问题,提出一种输送带中线与机架中线之间空间位置偏差的跑偏定量检测方法,实现输送带跑偏方向与跑偏量的准确检测.搭建带式输送机跑偏检测试验平台,设计正常光照、不同带速、模拟雾尘 3种不同试验环境进行带式输送机跑偏定量检测方法试验验证.试验结果表明:在正常光照条件下,该方法于输送带空载时测量跑偏的整体平均误差为 0.05 cm,平均检测速度为每帧 0.551 s;而在输送带带负载时,测量跑偏的平均误差增加至 0.12 cm,平均检测速度减缓到每帧 0.729 s;较低带速下,测量跑偏量的平均误差不超过 0.103 cm,而较高带速下,测量跑偏量的平均误差不超过 0.12 cm,满足实际测量精度需求;模拟雾尘环境下,测量跑偏量的平均误差为 0.11 cm,平均检测速度为每帧 0.565 s,实现了点云缺失严重情况下跑偏量高精度实时检测.综上所述,该方法在不同工况下测量跑偏量的最大平均误差为 0.12 cm,平均检测速度最快可达每帧 0.551 s,其测量精度与检测速度均满足煤矿实际生产场景中对输送带跑偏检测的需求.

摘要：煤矿巷道点云语义分割是矿井环境空间语义理解的一项关键技术,但煤矿巷道点云具有多尺度目标共存、类别样本不均衡等特点,导致矿井点云小尺度目标分割的效果较差.对此,提出一种面向煤矿巷道的方向性分组点云语义分割方法.首先,针对煤矿巷道内典型小尺度目标(如管道、线缆等)具有沿单一方向分布的特点,提出方向性分组策略(Direction-Guided Grouping,DIG),通过优化点云分割网络中分组包络面的形状,提升分组内小尺度目标点云的比例,增强模型对其特征的提取能力;基于该策略,提出 2种方向性分组方法:一种是保留更强近邻性的基于椭球查询的方向性分组方法(Ellipsoid Query-based Directional Grouping,DIG-EQ),另一种是计算效率更高的基于空间填充曲线的方向性分组方法(Space-Filling Curve-based Directional Grouping,DIG-SFC),这 2种方法可灵活适配不同网络架构,显著提升了小尺度目标识别性能.其次,针对数据类别样本不均衡的问题,构建联合损失函数,进一步提高模型对小尺度目标的感知能力.最后,构建来自不同煤矿巷道的煤矿巷道点云语义分割数据集,对所提方法进行验证.结果表明:所提方法在PointNet++、PointNeXt-L和 Point Transformer V3骨干网络框架上针对所有类别的平均交并比分别为 61.84%、69.49%、76.63%,较原始骨干网络提高了 15.83%、6.25%、0.35%;针对小尺度类别的平均交并比分别为22.28%、28.61%、47.30%,较原始骨干网络提高了 29.99%、42.34%和 5.33%,验证了此方法在煤矿巷道场景中的有效性.

摘要：全断面掘进机TBM(Tunnel Boring Machine)在煤矿岩巷掘进中发挥着关键作用,但设备下井、运输、井下组装环节仍面临施工管理难度大、安全风险高、作业效率低等技术难题.考虑煤矿巷道对TBM刀盘的特殊要求,提出了刀盘纯栓接设计思路,并采用理论分析、ANSYS数值模拟与现场测试相结合的方法进行受力分析;建立了最大推力、上软下硬、转弯纠偏、脱困模式 4种载荷工况模型,分别选取多种不同有限元网格进行应力计算,结合具体工况参数与边界条件对刀盘实施受力加载,明确了各种工况下刀盘分块位置最大应力和最大位移及所承受的剪力,计算出了单颗螺栓的最大工作载荷并完成强度校核;采用力学计算和螺栓布局优化分析,明晰了最佳分块形式和螺栓分布,开发出适用于煤矿巷道的纯栓接结构刀盘.结果表明:纯栓接结构使刀盘的硐内组装效率提升30%,且掘进期间无螺栓失效情况;该纯栓接结构设计合理,具备良好的安全可靠性与拆装维护便利性;井下应用证明了所建立的载荷工况模型、螺栓计算方法及预紧力验证方法有效.

摘要：与松动爆破相比,抛掷爆破振动强度大,频率低,对露天矿安全生产影响更大.为准确预测抛掷爆破振动速度,基于文献整理数据及抛掷爆破现场监测数据,分析抛掷爆破振动速度相关数据特征,利用皮尔逊(Pearson)相关性分析法明确抛掷爆破振动速度关键影响因素,构建抛掷爆破振动速度预测指标体系.分别构建了遗传算法优化最小二乘支持向量机(GA-LSSVM)模型和埃尔曼神经网络优化自适应增强算法(Elman-Adaboost)模型,并采用倒数误差法将二者集成,最终形成抛掷爆破振动速度集成预测模型,并提出了模型评价准则及检验方法.结果表明:爆心距离、高差、排数、总药量、炸药单耗、孔距是影响抛掷爆破振动速度的主要因素.优化确定最大迭代次数为 100、激活函数为Relu、随机数种子为 42、神经元数量为 30、数据分配比为 8∶2.与单一模型相比,集成预测模型能够克服传统单一预测模型的局限,具有更好的信息捕获能力,提高振动速度预测模型的鲁棒性及预测精度.该模型的评价指标决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.957、4.382、2.173,相较于GA-LSSVM、Elman-Adaboost模型R2 分别提升 5.51%、12.34%,RMSE分别提升15.88%、25.63%,MAE分别提升35.99%、33.34%.

摘要：掌握岩层的破断运动规律对于采场矿压控制及强矿震等动力灾害防控意义重大.薄岩层与厚岩层的破断模式具有显著的差异性,并在生产实践中由于地层地质条件的复杂性,岩层厚度表现为"变厚度"特征.为统一分析不同厚度条件下岩层的破断模式,以内蒙古母杜柴登煤矿 30202工作面为研究背景,建立了采场变厚顶板岩层结构力学模型,分析了岩层厚度斜率、岩层悬露长度以及岩层力学强度等因素对岩层破断模式的影响机制,揭示了岩层不同破断模式的力学机理.结果表明,随着岩层厚度斜率的增加,岩层所受主导应力由拉应力向剪应力转变,使得岩层破断模式由"拉裂破断"向"剪切断裂"转变;岩层的悬露长度随着抗拉强度和抗剪强度的增加而增加,并在不同的岩层厚度斜率下呈现不同的增加趋势.基于此,结合数值模拟试验得到在 30202工作面地质条件下,厚硬岩层破断模式由"拉裂破断"向"剪切断裂"转变的岩层临界厚度约为 16.5 m,揭示了具体地质条件下不同厚度岩层破断模式的差异性,并基于微震监测的震源破裂机制响应规律以及厚硬岩层破断所成结构进行了验证分析.同时根据现场微震监测数据和厚硬岩层破断所成结构的关联性,通过反演分析厚硬岩层下采场覆岩结构演化与矿震活动的全过程,得到了岩层不同破断模式与能量释放的关系.研究成果可为采场矿压控制及动力灾害防治提供理论与技术支持.

摘要：随着煤矿智能化建设的推进,井下作业视频数据量突增,目前视频信息处理与保存方法大多采用单场景视频分析和视频原格式存储技术,存在视频场景模型单一导致信息描述不全面、存储空间受限导致信息保存时间短等应用难题.针对井下视频全信息、低成本语义分析的实际需求,提出一种基于工况复杂度指标赋值的关键帧自适应提取方法与多模态语义建模的煤矿井下视频描述生成方法,实现对井下视频的最优计算解析与自然语言描述.首先根据井下工况特点设计复杂度指标赋值方法,提出基于工况复杂度的视频动态抽帧频度计算方法,实现最低计算成本的视频关键信息捕获;然后设计了基于MLLMs的井下视频描述生成技术框架,开发了关键帧自适应提取、大模型视觉语义特征提取、Prompt设计与文本编码、多模态融合与文本解码等关键技术模块,实现高效低成本化的井下视频全场景信息自然语言描述生成;最后将本文视频描述方法以及抽帧策略与传统方法进行了对比试验,试验结果表明:本文方法在确保高达 95.4%的关键信息捕获率的同时,将计算资源消耗降低至传统密集抽帧方法的1.5%,为井下视频全信息、低成本语义分析提供了可行的技术路径.

摘要：煤仓作为煤炭开采与运输环节中的临时存储设施,长期使用过程中,若对煤仓状态监测不当,极易引发坍塌溃仓等安全事故,受限于煤仓作业环境,传统煤仓监测方法存在感知难、精度差等问题.提出了一种基于 4D毫米波雷达的煤仓状态监测方法,通过在煤仓的顶部安装 4D毫米波雷达,自上而下扫描煤仓内部的速度点云,根据多普勒速度将静态点云与运动点云进行分离,对于分离后的动态点云,计算动态点云的速度均值得到煤仓进煤状态;对于分离后的静态点云,计算静态点云最远点得到煤仓剩余堆煤高度,再利用Alpha shape算法对分离后的静态点云进行包络,拟合煤仓内部轮廓,实现煤仓堆煤状态可视化,最后通过计算不同煤仓高度下轮廓点云到煤仓中心的距离,得到不同高度下煤仓轮廓到煤仓中心点最小距离组成的轮廓曲线,并采用格拉姆角场变换将不同高度下煤仓最小距离组成的轮廓曲线转化成图像特征,利用改进的Dense Net神经网络模型进行机器学习,实现煤仓挂壁状态的智能识别,同时基于Unity开发了煤仓监测系统并进行了工业应用.结果表明:基于 4D毫米波雷达的煤仓状态监测方法效果良好,能够实现对煤仓堆煤高度、煤仓进煤状态、煤仓挂壁状态同步监测,相比于激光雷达,4D毫米波雷达点云在感知煤仓轮廓上的最大精度偏差为0.22 m,该技术为煤仓智能感知提供了新方法.

摘要：在空间有限、传感器布设受限的采掘工作面,构建基于单一探地雷达设备的煤岩结构感知系统具有重要工程意义.其中,裸露粗糙煤壁煤岩分界识别是系统构建中亟需解决的关键难题.针对单一特征或同一信息域组合特征难以全面准确表征煤岩电性差异,以及模糊C均值(FCM)算法因采用等权重策略而导致识别精度受限等问题,提出了一种融合雷达图像多域鲁棒特征与改进FCM算法的粗糙煤壁煤岩分界识别方法.首先,从时域、频域、时-频域和小波域中,共提取 12项能有效表征煤岩电性差异的电磁特征,并通过正演模拟验证其有效性;随后,构建 3类具有不同均方根高度的粗糙表面模型,分别计算各特征的变异系数均值及特征间的皮尔逊相关系数,选择包络面积、脉宽、频谱中心、相位变化率、瞬时频率均值、瞬时相位均值及尺度能量比共 7项特征,构建面向粗糙煤壁煤岩过渡区域识别的多域鲁棒性特征空间.在FCM算法基础上,引入位置编码、L1范数距离度量、模糊度判据、标签中值滤波与真值判断策略,增强其对煤岩空间分布连续性的感知能力.进一步引入注意力机制,动态调整特征权重,实现煤岩过渡区域的聚类识别.最后,结合煤岩界面在过渡区域的空间分布特性,实现煤岩分界识别.试验结果表明,所提出方法可实现裸露粗糙煤壁煤岩分界的有效识别,识别误差为2.6%.

摘要：矿井输送带异物检测对于保障煤矿安全生产和提升自动化水平具有重要意义.然而,受井下光照不足、强点光源干扰以及背景复杂等因素影响,传统机器视觉方法在异物识别中存在检测精度低、漏检率高等问题,尤其在面对多尺度及小尺寸异物目标时效果不佳,同时有限的异物样本也制约了模型的训练效果.为此,提出一种融合特征增强结构与聚焦线性注意力机制的改进型YOLOv7异物检测算法.首先,在主干网络中引入构建的特征增强模块,通过多尺度并行结构与可切换空洞卷积扩展感受野,增强模型对小目标异物的特征提取能力;其次,融合聚焦线性注意力机制,有效抑制复杂背景干扰,提升模型对关键异物区域的关注力与判别能力;然后,设计高效动态蛇形卷积模块,以适应条状异物的几何特性,并提升特征融合阶段的语义表达能力;此外,采用具有方向感知能力的SIOU损失函数,增强边界框的拟合精度与训练收敛效率;最后,引入迁移学习策略,在通用数据集上进行预训练,并迁移至煤矿输送带异物检测任务中,以缓解小样本数据带来的训练难题.在CUMT-BELT数据集上的试验结果表明,本文提出的算法检测精度达到了 89.3%,相较于基线模型YOLOv7提升了 9.3%.同时,研究提出的算法在检测精度、召回率和mAP@0.5等指标上均显著优于其他主流的检测方法,尤其在多尺度、小目标及条状异物检测任务中表现出更强的鲁棒性与适应性,验证了所提方法在复杂矿井场景下的有效性与实用性.

摘要：固体充填采煤作为一种兼顾资源回收与生态保护的绿色开采方法,其核心环节煤矸分选是井下采选充一体化技术高效运行的前提,而煤矸识别作为实现煤矸精准分选的关键技术,面临着井下复杂工况中特征提取困难、边界定位模糊等挑战.为此,以固体充填采煤井下煤矸分选为研究背景,提出一种融合多模态大模型(Multimodal Large Language Model,MLLM)的固体充填采煤井下分选煤矸下落瞬态图像识别方法.首先,自主设计并搭建固体充填采煤井下分选煤矸下落瞬态图像采集实验平台,以模拟井下低照度、高粉尘的复杂工况,利用高速相机采集不同工况下的煤矸下落瞬态图像;对采集的煤矸图像进行预处理,运用优化算法提升低照度图像亮度并改善粉尘环境图像质量,同时进行标注和数据扩充,构建用于煤矸识别模型训练和测试的数据集;其次,针对传统Seg-Former模型在煤矸图像边界识别中的缺陷,引入高效通道注意力机制(ECA)并优化损失函数,构建ECSegFormer模型;进一步提出将MLLM融合到ECSegFormer模型,形成MLLM-ECSegFormer煤矸识别模型融合架构,利用多模态大模型Qwen-VL(7B)提取煤矸目标中心坐标,通过高斯热图生成空间注意力掩膜,分阶段融入ECSegFormer编码器,实现多模态先验知识与图像特征的动态交互.试验结果表明,融合多模态大模型后,各经典图像识别模型性能均显著提升.其中,MLLM-ECSeg-Former的MIoU提升至 95.50%、MPA提升至 98.92%、准确率提升至 98.87%,在识别精度、模型复杂程度和识别效率方面均显著优于经典图像识别模型,且与其他图像识别模型相比,MLLM-ECSeg-Former在复杂工况下的边缘识别连续性更强,尤其在粉尘干扰、煤矸形态不规则场景中,对目标区域的分割精度显著优于传统模型.研究成果为煤矸精准识别提供了新方法,提升了固体充填采煤技术的智能化水平,对煤炭资源的绿色智能开采具有重要意义.

摘要：针对传统巷道门式液压支架因其底梁笨重、占用空间大以及安装和拆除不便等缺点而导致的适用性差的问题.通过理论分析、模型试验和数值模拟等方法开展巷道桩基门式液压支架支护性能研究.在分析总结传统巷道门式液压支架优缺点的基础上,提出一种基于支架-桩基-围岩稳定结构体系的新型巷道液压支架——巷道桩基门式液压支架.建立支架支护性能相似模拟试验模型,以数字散斑相关方法为试验观测手段,对比分析传统巷道门式液压支架与巷道桩基门式液压支架在围岩水平位移、底鼓量和最大剪应变等指标方面的支护性能.构建支架支护性能数值模拟模型,计算不同桩基长度、不同桩基直径和不同桩基角度等条件下巷道围岩位移变化规律,分析巷道桩基门式液压支架支护性能的桩基影响因素.研究结果表明:①相似模拟试验结果对比分析发现,巷道桩基门式液压支架支护下的巷道围岩下部岩层变形量明显减小,最大水平位移、底鼓量和最大剪应变分别降低了 21%、12%和 32.6%.②数值模拟结果显示:巷道桩基门式液压支架支护下,巷道围岩水平位移从巷道侧壁向外扩散递减;桩基对巷道底鼓具有隔断作用,底鼓仅出现在桩间,且底鼓量随着岩层到巷道底面距离的增加而减小;巷道围岩塑性变形呈蝶形分布,主要集中在巷道顶部、两侧及桩间,巷底塑性变形区被桩基隔断.③桩基影响因素分析结果表明:增加桩基长度和直径均可降低巷底位移,有效控制底鼓,但桩基超过一定长度后效果减弱,而桩基角度增加会导致巷底位移增大,加剧底鼓,不利于围岩变形控制.

摘要：矿井粉尘是危害矿井人员和设备的重要原因之一,矿井粉尘质量浓度检测是煤炭安全管理的重要工作内容.由于煤矿井下环境较为复杂,传统矿用粉尘质量浓度传感器检测范围小、误报率高.现有视频粉尘质量浓度检测算法无法消除光度对粉尘质量浓度检测的影响且无法定位检测分布不均的粉尘质量浓度,导致检测精度低、检测范围有限.针对以上问题,提出一种基于暗通道先验的矿井粉尘质量浓度智能检测技术.搭建粉尘质量浓度智能检测试验平台,采集不同光度下的粉尘图像,采用暗通道先验算法提取粉尘图像暗通道图,并计算图像透射率;采用皮尔逊相关系数法,计算不同光度下图像透射率与粉尘质量浓度的相关性;设计一种环境光检测算法,检测环境光度,建立不同光度下粉尘质量浓度与图像透射率的数学模型,计算粉尘质量浓度;围绕环境中粉尘质量浓度分布不均的问题,提出粉尘区域定位算法,区分处理不同区域的粉尘质量浓度.为验证本文算法的实用性和准确率,使用该算法检测采集到的不同光度下不同粉尘质量浓度的图像,并与粉尘质量浓度传感器和图像相关特征模型算法、图像透光率算法、YOLO系列算法等现有视频检测算法进行对比.结果表明,提出的粉尘质量浓度智能检测算法可有效降低环境光度对粉尘质量浓度检测的影响,可有效定位和计算分布不均的粉尘质量浓度.环境光检测算法,可在不同粉尘质量浓度下由低到高检测光度,准确度达 92.4%.粉尘质量浓度检测准确度达 93.36%,平均误差率为 6.64%.粉尘质量浓度定位区域与实际粉尘区域交并比(IoU)大于 0.5的占比为 66.7%.选用金鸡滩煤矿现场粉尘图像验证本文算法的可行性,其有效改善了粉尘区域定位和浓度检测问题,研究结果为矿井粉尘质量浓度图像智能检测提供了技术支撑,对矿井粉尘质量浓度精准检测预警具有重要的现实意义.

摘要：深部开挖岩体应力重分布是多元应力的复合力学问题.首先,基于弹性理论叠加原理,建立了深部高应力软岩巷道开挖瞬间的围岩力学模型,研究了切向应力σ1 和径向应力σ3 的变化规律.其次,构建了深部高应力软岩巷道的支护力学模型,揭示了围岩的支护效应.通过物理模型试验,探究了常规支护和补偿支护下围岩σ1 和σ3 的响应特征及相应的失稳机理.最后,通过数值模拟和现场工程应用验证了补偿支护技术的适用性.结果表明:深部高应力软岩巷道应力重分布呈现径向卸压和切向增压的趋势,开挖瞬间巷道边缘σ1 变为原来的 2倍,而σ3 降为 0.对开挖岩体进行支护后,巷道边缘σ3 为围岩的支护力,σ1 随支护力的增加而降低.与常规支护相比,补偿支护围岩变形量降低 73.7%,破裂碎胀面积降低 88.3%,裂隙长度降低 11.0%.浅部围岩σ3 提高 68.3%,σ1 峰值下降18.2%.常规支护补偿效应弱,围岩σ3 大幅衰减且σ1 集中程度高,促使裂隙持续张开并纵深延长,易造成围岩碎胀扩容变形.补偿支护通过NPR(Negative Poisson's Ratio)锚索充分发挥围岩三轴强度并调动深部岩体自承力,围岩σ3 补偿程度高且σ1 显著降低,从而抑制裂隙的传播和穿透,进而实现围岩自稳.软岩巷道采用补偿支护技术后,NPR锚索实现恒阻,围岩变形和支护破坏程度显著降低,表明该技术对深部高应力软岩工程具有良好的控制效果.