YOLOv2在煤岩智能识别与定位中的应用研究
张斌1
苏学贵2
段振雄1
常立宗1
王福周1
1.太原理工大学 矿业工程学院,山西 太原 0300242.太原理工大学 矿业工程学院,山西 太原 030024;中国矿业大学(北京)深部岩土力学与地下工程国家重点实验室,北京 100083
摘要：综采工作面煤层走向复杂,采用"一刀切"的开采方法会加速滚轮截齿的磨损,同时开采效率也大幅降低,对煤岩的精准识别是解决此类问题、实现智能开采的关键.将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位,同时与Faster R-CNN,SSD对煤岩图像的识别结果进行了对比.结果显示,YOLOv2对煤岩的识别精度达到了78％,检测速度达到了63 frame/s,与Faster R-CNN,SSD相比精度高出7.7％,4.7％,而检测速度高出763％,40％;在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0％～4.5％之间,相对误差较小,不会对采煤效率产生影响.研究结果表明,YOLOv2可以对煤岩进行准确快速的识别.
关键词：煤岩识别智能开采深度学习YOLOv2
分类号：TD651(矿山电工)
资助基金：国家重点实验室开放基金(SKLGDUEK1820)
论文发表日期：2020-06-30
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( 90-97 )
英文信息