基于暗通道先验的矿井粉尘质量浓度智能检测技术
王伟峰1
李高爽2
齐景峰3
商小鹏1
李煜4
1.西安科技大学安全科学与工程学院,陕西 西安 7100002.西安科技大学电气与控制工程学院,陕西 西安 7100003.陕西陕煤榆北煤业有限公司榆林信息化运维分公司,陕西 榆林 7190514.西安科技大学通信与信息工程学院,陕西 西安 710000
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.
关键词：暗通道先验皮尔逊相关系数粉尘区域定位环境光度检测拟合模型
分类号：TD714(矿山安全与劳动保护)
资助基金：陕西省重点研发计划资助项目(2021SF-472)陕西省重点研发计划资助项目(2022QCY-LL-70)陕西省秦创原科学家+工程师队伍建设资助项目(2023KXJ-052)
论文发表日期：2025-10-31
在线出版日期：2025-11-18（本平台首次上网日期，不代表文献的发表时间）
页数：14( 187-200 )
英文信息