矿用井下电缆故障感应电场-磁耦合谐振综合检测方法研究

1

作者 闫孝姮 颜志鹏 +2 位作者 陈伟华 侯潇涵 赵亮 《电子测量与仪器学报》 北大核心 2025年第2期147-159,共13页

高瓦斯矿井下供电电缆发生故障导致采煤机等设备停工,严重影响生产效率和经济效益。当前,地面电缆故障检测常用的高压脉冲闪络法、行波反射测距法等均不适用于井下检测环境,因此提出了一种感应电场-磁耦合谐振式矿用电缆故障井下综合检... 高瓦斯矿井下供电电缆发生故障导致采煤机等设备停工,严重影响生产效率和经济效益。当前,地面电缆故障检测常用的高压脉冲闪络法、行波反射测距法等均不适用于井下检测环境,因此提出了一种感应电场-磁耦合谐振式矿用电缆故障井下综合检测新方法。在低频正弦激励源条件下,建立感应电场-磁耦合谐振式电缆故障综合检测方法数学模型,采用多物理场仿真软件COMSOL对电缆开路短路故障情况下的电磁场量求解,得到电场强度、磁场强度的二维分布以及探测线圈感应电压的一维曲线,仿真及实验测定了所使用线圈开路和短路时的感应电压随提离高度的变化曲线。研究结果表明,基于低频感应电场-磁耦合谐振式综合方法进行矿用电缆故障井下检测具有可行性,在幅值1~20 V、频率范围1 kHz~20 MHz的激励下,在同一提离高度下对电缆沿线检测,可以检测长度在激励波长十分之一内电缆的开路和短路故障。为煤矿电缆故障井下检测以及产品研发提供了一种行之有效的方法。 展开更多

关键词 矿用电缆 感应电压 磁耦合谐振 井下检测 感应电场-磁耦合谐振

在线阅读 下载PDF 职称材料

基于Mamba的井下皮带异物无监督检测模型研究

2

作者 马莉 吴伟雪 代新冠 《西安科技大学学报》 北大核心 2025年第2期372-382,共11页

为了解决井下皮带异物无法被精准定位、计算成本过大等问题,提出了一个基于Mamba的无监督运煤皮带异物检测模型,该模型由预训练编码器和基于Mamba的解码器组成。在Mamba解码器中,FHSS混合状态空间模块将Hilbert扫描位置编码、傅里叶变换... 为了解决井下皮带异物无法被精准定位、计算成本过大等问题,提出了一个基于Mamba的无监督运煤皮带异物检测模型,该模型由预训练编码器和基于Mamba的解码器组成。在Mamba解码器中,FHSS混合状态空间模块将Hilbert扫描位置编码、傅里叶变换、Einstein对角矩阵计算引入Mamba网络来增强通道建模及特征序列建模,并结合了基于重构方法和多类无监督异常检测的优点,解决井下异常数据集匮乏、难以采集的问题。结果表明:该模型精度比经典的4个异常检测模型分别提升了22.2%,10.9%,5.9%,2.1%,其参数量和FLOPs仅为26.109 M,8.497 G;与传统检测方法相比,不仅有效应对由于噪声、遮挡等因素导致的检测不确定性,确保了异物检测的鲁棒性和可靠性,且具备更小的模型体积,显著降低了模型在推理过程中的计算复杂度。研究对于煤矿井下的实际应用具有重要意义,能够更好地保障输送系统的安全性和稳定性。 展开更多

关键词 井下皮带异物检测 Mamba 无监督训练 异常检测 空间状态模型

在线阅读 下载PDF 职称材料

煤矿井下暗光环境人员行为检测研究 被引量：1

3

作者 董芳凯 赵美卿 黄伟龙 《工矿自动化》 北大核心 2025年第1期21-30,144,共11页

煤矿井下环境复杂,对部分作业现场人员行为进行检测时易出现漏检与误检问题。针对该问题,提出了一种煤矿井下暗光环境人员行为检测方法,包括暗光环境图像增强和行为检测2个部分。暗光环境图像增强基于自校准光照学习(SCI)进行改进,由图... 煤矿井下环境复杂,对部分作业现场人员行为进行检测时易出现漏检与误检问题。针对该问题,提出了一种煤矿井下暗光环境人员行为检测方法,包括暗光环境图像增强和行为检测2个部分。暗光环境图像增强基于自校准光照学习(SCI)进行改进,由图像增强网络和校准网络构成。人员行为检测通过引入Dynamic Head检测、跨尺度融合模块和Focal-EIoU损失函数来改进YOLOv8n模型。SCI+网络增强后的图像作为人员行为检测模型检测的对象,完成井下暗光环境人员行为的检测任务。实验结果表明:(1)井下暗光环境人员行为检测方法的m AP@0.5为87.6%,较YOLOv8n提升了2.5%,较SSD,Faster RCNN,YOLOv5s,RT-DETR-L分别提升了15.7%,11.5%,0.9%,4.3%。(2)井下暗光环境人员行为检测方法的参数量为3.6×106个,计算量为11.6×109,检测速度为95.24帧/s。(3)在公开数据集EXDark上,井下暗光环境人员行为检测方法的mAP@0.5为74.7%,较YOLOv8n提升了1.5%,表明该方法具有较强的泛化能力。 展开更多

关键词 暗光环境 井下人员行为检测 自校准光照学习 图像增强 SCI+网络 Dynamic Head 跨尺度融合模块 Focal-EIoU损失函数 YOLOv8n

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的井下人员多目标检测

4

作者 问永忠 贾澎涛 +2 位作者 夏敏高 张龙刚 王伟峰 《工矿自动化》 北大核心 2025年第1期31-37,77,共8页

针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况,基于YOLOv8n网络结构,提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS。该算法对YOLOv8n的Neck层进行改进,添加多尺度空间增强注意力机制(MultiSE... 针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况,基于YOLOv8n网络结构,提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS。该算法对YOLOv8n的Neck层进行改进,添加多尺度空间增强注意力机制(MultiSEAM),以增强对遮挡目标的检测性能;在C2f模块中引入混合局部通道注意力(MLCA)机制,构建C2f-MLCA模块,以融合局部和全局特征信息,提高特征表达能力;在Head层检测头中嵌入自适应空间特征融合(ASFF)模块,以增强对小尺度目标的检测性能。实验结果表明:(1)与Faster R-CNN,SSD,RT-DETR,YOLOv5s,YOLOv7等主流模型相比,YOLOv8n-MSMLAS综合性能表现最佳,mAP@0.5和mAP@0.5:0.95分别达到93.4%和60.1%,FPS为80.0帧/s,参数量为5.80×106个,较好平衡了模型的检测精度和复杂度。(2)YOLOv8n-MSMLAS在光照不均、目标尺度不一致、遮挡等条件下表现出较好的检测性能,适用于现场检测。 展开更多

关键词 煤矿井下危险区域 井下人员多目标检测 YOLOv8n 多尺度空间增强注意力机制 自适应空间特征融合 轻量化混合局部通道注意力机制

在线阅读 下载PDF 职称材料

基于改进Transformer的井下人员检测算法

5

作者 狄靖尧 杨超宇 《科学技术与工程》 北大核心 2024年第26期11188-11194,共7页

针对现有井下人员检测算法的特定后处理步骤,如锚点生成和非极大抑制,导致训练过程复杂的情况,提出了一种基于改进Transformer的检测方法,旨在提高井下作业人员检测的准确性。算法以Detection Transformer为基础检测框架,将主干网络Res... 针对现有井下人员检测算法的特定后处理步骤,如锚点生成和非极大抑制,导致训练过程复杂的情况,提出了一种基于改进Transformer的检测方法,旨在提高井下作业人员检测的准确性。算法以Detection Transformer为基础检测框架,将主干网络ResNet替代为轻量级的Swin Transformer网络;同时向输入序列中添加可学习的检测块,并采用一种重新配置的注意力模块;以更好地处理多尺度特征的融合,使用轻量级的无编码颈部结构,减少计算开销。通过采集不同工作场景监控视频并制作数据集进行实验,结果表明,提出的方法在自建井下人员检测数据集上表现出色,平均检测准确度达到97.8%,优于其他井下人员检测网络,此外检测速度达到32帧/s。 展开更多

关键词 煤矿井下人员检测 TRANSFORMER 注意力模块 实时检测

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的井下人员安全帽佩戴检测 被引量：1

6

作者 王琦 夏鲁飞 +2 位作者 陈天明 韩鸿胤 王亮 《工矿自动化》 CSCD 北大核心 2024年第9期124-129,共6页

针对现有井下人员安全帽佩戴检测方法未考虑遮挡、目标较小、背景干扰等因素,存在检测精度差及模型不够轻量化等问题,提出一种改进YOLOv8n模型,并将其应用于井下人员安全帽佩戴检测。在颈部网络中加入P2小目标检测层,提高模型对小目标... 针对现有井下人员安全帽佩戴检测方法未考虑遮挡、目标较小、背景干扰等因素,存在检测精度差及模型不够轻量化等问题,提出一种改进YOLOv8n模型,并将其应用于井下人员安全帽佩戴检测。在颈部网络中加入P2小目标检测层,提高模型对小目标的检测能力,更好地捕捉安全帽目标细节;在主干网络中添加卷积块注意力模块(CBAM)提取图像关键特征,减少背景信息的干扰;将CIoU损失函数替换为WIoU损失函数,提升模型对检测目标的定位能力;采用轻量化共享卷积检测头(LSCD),通过共享参数的方式降低模型复杂度,并将卷积中的归一化层替换为群组归一化(GN),在尽可能保证精度的同时实现模型轻量化。实验结果表明:与YOLOv8n模型相比,改进YOLOv8n模型在交并比阈值为0.5时的平均精度均值(mAP@50)提升了1.8%,参数量减少了23.8%,计算量下降了10.4%,模型大小减小了17.2%;改进YOLOv8n模型检测精度高于SSD,YOLOv3-tiny,YOLOv5n,YOLOv7和YOLOv8n,模型复杂度仅高于YOLOv5n,较好地平衡了模型检测精度与复杂度;在井下复杂场景下,改进YOLOv8n模型能够实现对井下人员安全帽佩戴的准确检测,改善了漏检问题。 展开更多

关键词 井下安全帽检测 小目标检测 YOLOv8n CBAM WIoU 轻量化

在线阅读 下载PDF 职称材料

改进YOLOv7和DeepSORT的井下人员检测与跟踪算法

7

作者 范伟强 王雪瑾 +1 位作者 张颖慧 李晓宇 《煤炭科学技术》 CSCD 北大核心 2024年第S2期343-355,共13页

煤炭行业正在经历以“安全、高效、智能、绿色”为核心的智能矿山开采理念的变革,而计算机视觉作为一种高效、智能、低成本的新兴技术,已经成为当下智能矿山建设中的重要亮点。针对井下监控视频容易受到人工光源、粉尘和喷雾等干扰因素... 煤炭行业正在经历以“安全、高效、智能、绿色”为核心的智能矿山开采理念的变革,而计算机视觉作为一种高效、智能、低成本的新兴技术,已经成为当下智能矿山建设中的重要亮点。针对井下监控视频容易受到人工光源、粉尘和喷雾等干扰因素的影响,导致现有基于计算机视觉的井下人员检测方法存在实时性差、漏检和误检率高以及跟踪精度差的问题,提出了一种改进YOLOv7和DeepSORT的井下人员检测与跟踪算法。首先,为了提取到更为关键的井下人员图像特征,提高模型在煤矿井下复杂场景中的适应能力,在YOLOv7的Neck模块中融入SimAM注意力机制,并采用改进后的YOLOv7模型检测井下人员目标;然后,为了在降低模型参数量和网络复杂度的同时,进一步提高人员目标的跟踪精度,在DeepSORT的特征提取网络中引入ShuffleNetV2轻量化模块,并采用改进的DeepSORT模型对井下人员目标进行编码跟踪;最后,在已构建的井下人员视频图像数据集与公开数据集上对所述算法进行试验验证。结果表明:改进YOLOv7模型的平均检测精度相比YOLOv7模型提高了3.9%;改进DeepSORT模型的人员目标跟踪准确率达到了74.9%,跟踪精确度达到了82.3%,速度达到了24FPS。相较于YOLOv7-DeepSORT算法,本文所述算法的网络参数量减少了36%,显著提高了井下多人员目标检测与跟踪的实时性能,可望部署于井下智能边缘计算监测平台。 展开更多

关键词 井下人员检测 检测与跟踪 YOLOv7模型 DeepSORT 轻量化

在线阅读 下载PDF 职称材料

一种煤矿井下多目标检测算法

8

作者 范守俊 陈希琳 +4 位作者 魏良跃 王青玉 张世源 董飞 雷少华 《工矿自动化》 CSCD 北大核心 2024年第12期173-182,共10页

目前基于深度学习的煤矿井下目标检测算法在面对光照强度分布不均、目标环境复杂及多类目标尺度分布不均衡时,对复杂小目标的检测效果不佳,易出现漏检和误检现象。针对上述问题,基于单阶段目标检测算法YOLOv8n,提出了一种基于动态蛇形... 目前基于深度学习的煤矿井下目标检测算法在面对光照强度分布不均、目标环境复杂及多类目标尺度分布不均衡时,对复杂小目标的检测效果不佳,易出现漏检和误检现象。针对上述问题,基于单阶段目标检测算法YOLOv8n,提出了一种基于动态蛇形卷积的特征提取(FEDSC)−双向特征金字塔网络与语义和细节融合的特征融合(FFBD)的煤矿井下多目标检测算法,即采用FEDSC替换YOLOv8n的主干网络,扩大感受野;将FFBD作为颈部网络,减少目标误检和漏检;引入SIoU的解耦检测头作为检测层,提高模型对小目标的适应能力与模型收敛速度。实验结果表明:①FEDSC−FFBD算法的mAP@0.5为97.00%,模型参数量为4.22×106个,每秒浮点运算数为21.7×109。②FEDSC−FFBD算法的mAP@0.5较YOLOv8n算法提升了3.40%,对安全帽小目标的识别准确率为90.90%,较YOLOv8n算法提升了11%。③与其他YOLO系列算法相比,FEDSC−FFBD算法的mAP@0.5最高,较YOLOv5s,YOLOv9c,YOLOv10n和YOLOv11n算法分别提升了3.60%,1%,10.50%和6.40%。④FEDSC−FFBD算法在面对煤矿井下光照强度分布不均、目标环境复杂及尺度分布不均衡的条件下,提高了多类别目标的检测精度,改善了小目标漏检和误检的问题。基于FEDSC−FFBD的煤矿井下多目标检测算法在无图像质量增强算法的前提下,克服了光照强度分布不均对小尺度目标检测带来的挑战。 展开更多

关键词 煤矿井下多目标检测 YOLOv8n 动态蛇形卷积 CA注意力机制 特征提取 特征融合

在线阅读 下载PDF 职称材料

基于空间卷积神经网络的井下轨道检测方法 被引量：8

9

作者 韩江洪 乔晓敏 +1 位作者 卫星 陆阳 《电子测量与仪器学报》 CSCD 北大核心 2018年第12期34-43,共10页

针对传统轨道检测方法效率低下、检测精度不高等缺点,提出一种基于空间卷积神经网络的轨道检测模型。模型直接将轨道图像作为网络的初始输入,首先利用一般卷积层提取轨道低级特征,其次引入不同扩张率的扩张卷积来改善由于池化操作造成... 针对传统轨道检测方法效率低下、检测精度不高等缺点,提出一种基于空间卷积神经网络的轨道检测模型。模型直接将轨道图像作为网络的初始输入,首先利用一般卷积层提取轨道低级特征,其次引入不同扩张率的扩张卷积来改善由于池化操作造成图像信息丢失的情况,最后利用层中行列消息传递的空间卷积来更好地提取轨道的长结构信息。实验结果表明,模型可大幅提高轨道检测算法的效率和精度,相较于传统基于图像处理方法平均精度提高了约22%,检测效率提升了50%。相较于直接运用在井下的空间卷积方法平均精度提高了5.5%,检测效率提升了30%。在800×288图像上的检测速率可达30 fps,检测精度约97.29%,表明了深度学习算法在井下轨道检测上的有效性,也为实现无人驾驶系统中的轨道检测提供了一种新思路。 展开更多

关键词 井下轨道检测 空间卷积 卷积神经网络 扩张卷积

在线阅读 下载PDF 职称材料

基于改进YOLOv5的煤矿井下目标检测研究 被引量：13

10

作者 寇发荣 肖伟 +1 位作者 何海洋 陈若晨 《电子与信息学报》 EI CSCD 北大核心 2023年第7期2642-2649,共8页

针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LC... 针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LCNet作为主干网络,用于加强CPU端的推理速度;其次取消Focus模块,使用shuffle_block模块替代C3模块,在去除冗余操作的同时减少了计算量;最后优化Anchor同时引入Hswish作为激活函数。实验结果表明,Ucm-YOLOv5比YOLOv5的模型参数量减少了41%,模型缩小了86%,该算法在煤矿井下具有更高的检测精度,同时在CPU端的检测速度达到实时检测标准,满足煤矿井下目标检测的工作要求。 展开更多

关键词 煤矿井下目标检测 深度学习 YOLOv5

在线阅读 下载PDF 职称材料

井下视频行人检测方法 被引量：16

11

作者 李现国 李斌 +4 位作者 刘宗鹏 冯欣欣 刘晓 宋金水 张磊 《工矿自动化》 北大核心 2020年第2期54-58,共5页

针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,... 针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,并设计了基于ResNet网络的辅助网络,以增强特征表征能力,提高行人检测准确性。将基于改进SSD网络的井下视频行人检测方法部署在嵌入式平台Jetson TX2上进行实验,结果表明该方法对井下视频中行人的检测准确率为87.9%,针对井下行人低密度场景的检测准确率近100%,且运算速度达48帧/s,约为基于SSD网络的行人检测方法的4.4倍,满足井下行人实时检测需求。 展开更多

关键词 井下行人检测 视频监控 深度学习 SSD网络 卷积神经网络

在线阅读 下载PDF 职称材料

井下抽油杆力学检测装置的研制与应用 被引量：4

12

作者 曲占庆 杨海滨 +2 位作者 刘松林 张琪 王在强 《石油机械》 北大核心 2006年第1期71-73,共3页

研制的井下抽油杆力学检测装置主要由集成电路系统和传感器短节两大部分组成。在介绍装置的工作原理和主要技术指标后,着重阐述了传感器短节拉力、压力和扭矩3个性能指标的检测和检测结果。对传感器的性能分析和8口井的现场应用表明,该... 研制的井下抽油杆力学检测装置主要由集成电路系统和传感器短节两大部分组成。在介绍装置的工作原理和主要技术指标后,着重阐述了传感器短节拉力、压力和扭矩3个性能指标的检测和检测结果。对传感器的性能分析和8口井的现场应用表明,该检测装置性能适合井下抽油杆力学特性检测,可以满足现场检测要求。 展开更多

关键词 井下抽油杆力学检测装置 传感器 性能检测 扭矩

在线阅读 下载PDF 职称材料

基于改进混合高斯模型的井下目标检测算法 被引量：9

13

作者 张小艳 郭海涛 《工矿自动化》 北大核心 2021年第4期67-72,共6页

煤矿井下监控视频图像质量差、噪点多、光照易突变,采用传统混合高斯模型进行目标检测存在运行速度慢、算法复杂度高、易受光照影响等问题。针对该问题,提出了一种基于改进混合高斯模型的井下目标检测算法。使用改进的暗通道去雾算法对... 煤矿井下监控视频图像质量差、噪点多、光照易突变,采用传统混合高斯模型进行目标检测存在运行速度慢、算法复杂度高、易受光照影响等问题。针对该问题,提出了一种基于改进混合高斯模型的井下目标检测算法。使用改进的暗通道去雾算法对井下图像进行预处理,对井下雾图的缩略图求暗通道图,并采用双线性插值得到去雾图像;在混合高斯模型的基础上,使用改进的块建模策略降低建模复杂度,提高算法运行速度;结合三帧差分法,根据图像前景所占比例对高斯建模前期和建模后期设定不同的学习率,以抑制光照对目标检测的影响,提高建模速度和准确度。实验结果表明,当光照发生突变时,该算法能较好地描述检测对象,对光照变化有明显抑制作用;与三帧差分法、传统混合高斯模型相比,该算法可有效提高处理速度。 展开更多

关键词 煤矿井下视频监控 井下目标检测 混合高斯模型 块建模 自适应学习率 三帧差分法

在线阅读 下载PDF 职称材料

基于参数轻量化的井下人体实时检测算法 被引量：6

14

作者 董昕宇 师杰 张国英 《工矿自动化》 北大核心 2021年第6期71-78,共8页

针对现有井下人员目标检测方法因网络较深、计算量庞大而不能达到实时检测效果的问题,提出了一种基于参数轻量化的井下人体实时检测算法。采用深度可分离卷积模块和倒置残差模块构建轻量级特征提取网络:通过深度可分离卷积压缩参数量和... 针对现有井下人员目标检测方法因网络较深、计算量庞大而不能达到实时检测效果的问题,提出了一种基于参数轻量化的井下人体实时检测算法。采用深度可分离卷积模块和倒置残差模块构建轻量级特征提取网络:通过深度可分离卷积压缩参数量和运算量,提升特征提取网络的运算速度;倒置残差模块通过更高维度的张量来提取足够多的信息,保证特征提取网络的精确度。结合轻量级特征提取网络和SSD多尺度检测方法建立井下人体实时检测模型,该模型在轻量级倒置残差特征提取网络的基本结构上增添传统卷积层至27层进行卷积操作,其中6层特征图被抽取进行多尺度预测,测试结果表明,该模型的大小为18 MB,帧率约为35帧/s,性能优于常用的VGG16+Faster R-CNN模型和VGG16+多尺度检测模型。为适应井下特定环境的目标检测需求,设计了基于Faster R-CNN的人体数据半自动标注方法,可显著减少人工工作量,提高井下人体检测精度。利用矿工服装颜色信息对检测结果框进行二次筛选,剔除将背景检测为人体的误检框。测试结果表明,该算法实现了采煤工作面人员实时定位检测及框选,精度达92.86%,召回率为98.11%,有效解决了井下人员漏检及误检问题。 展开更多

关键词 采煤工作面 井下人体实时检测 深度可分离卷积模块 倒置残差模块 参数轻量化 多尺度检测 半自动标注

在线阅读 下载PDF 职称材料

面向无人驾驶的井下行人检测方法 被引量：9

15

作者 刘备战 赵洪辉 周李兵 《工矿自动化》 北大核心 2021年第9期113-117,共5页

行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过... 行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力。实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于提高目标检测精度;Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高。 展开更多

关键词 井下无人驾驶 井下行人检测 多传感器融合 特征提取 RetinaNet Dense连接

在线阅读 下载PDF 职称材料

基于深度学习的煤矿井下低光照人脸检测方法 被引量：5

16

作者 王均利 李佳悦 +2 位作者 李秉天 温琪 王满利 《工矿自动化》 CSCD 北大核心 2023年第11期145-150,共6页

煤矿井下光线昏暗、人工光源干扰等造成监控系统采集到的人脸图像对比度低、人脸特征模糊,传统人脸检测算法应用于煤矿井下时会出现误检、漏检。针对上述问题,提出了一种基于深度学习的煤矿井下低光照人脸检测方法。采用基于无监督学习... 煤矿井下光线昏暗、人工光源干扰等造成监控系统采集到的人脸图像对比度低、人脸特征模糊,传统人脸检测算法应用于煤矿井下时会出现误检、漏检。针对上述问题,提出了一种基于深度学习的煤矿井下低光照人脸检测方法。采用基于无监督学习的生成对抗网络(GAN)对煤矿井下低光照图像进行对比度增强,使用自调整注意力引导的U-Net作为生成器,利用双判别器对全局和局部信息进行引导,并使用自特征保留损失函数来指导训练过程和维护图像中人脸的纹理结构,强化人脸特征,避免出现曝光、人脸细节信息丢失等现象,得到较为清晰的人脸图像;利用RetinaFace人脸检测框架对增强后的人脸特征进行检测,其采用特征金字塔结构和单阶段检测模式对人脸图像进行检测,在基本不增加计算量的同时,提高对小尺度人脸检测的能力。在公开低光照人脸数据集DARK FACE和自建煤矿井下人脸数据集上的实验结果表明,该方法提高了图像对比度,清晰地恢复了图像中的人脸特征,在准确率、召回率、平均精度方面均表现较好,有效提高了煤矿井下人脸检测精度。 展开更多

关键词 煤矿井下人脸检测 低光照图像 图像增强 生成对抗网络

在线阅读 下载PDF 职称材料

煤矿井下行人检测算法 被引量：7

17

作者 杨清翔 吕晨 +1 位作者 冯晨晨 王振宇 《工矿自动化》 北大核心 2020年第1期80-84,共5页

针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候... 针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候选区域,RPN与Fast RCNN共享卷积层,以提高网络训练和检测速度;在图像特征提取过程中采用动态自适应池化方法对不同池化域进行自适应池化操作,提高了检测准确性。实验结果表明,该算法对于不同环境下图像中的行人均具有较好的检测效果。 展开更多

关键词 井下行人检测 深度学习 区域卷积神经网络 区域建议网络 共享卷积层 动态自适应池化

在线阅读 下载PDF 职称材料

基于Dense-YOLO网络的井下行人检测模型 被引量：9

18

作者 张明臻 《工矿自动化》 北大核心 2022年第3期86-90,共5页

行人检测是实现矿用车辆无人化的一项关键技术,煤矿井下弱光环境中捕获的图像可见度不佳,极大地影响了行人检测效果。现有行人检测方法忽略了井下弱光环境对目标检测精度的影响,检测效果不理想。针对该问题,提出一种基于Dense-YOLO网络... 行人检测是实现矿用车辆无人化的一项关键技术,煤矿井下弱光环境中捕获的图像可见度不佳,极大地影响了行人检测效果。现有行人检测方法忽略了井下弱光环境对目标检测精度的影响,检测效果不理想。针对该问题,提出一种基于Dense-YOLO网络的井下行人检测模型。将弱光图像分解为光照图和反射图,采用Gamma变换、加权对数变换、限制对比度的自适应直方图均衡(CLAHE)对光照图进行增强处理,采用亮度权值和色彩权值对增强后的图像进行加权融合;采用双边滤波算法对反射图进行处理,以增强图像纹理;将增强后的光照图和经过双边滤波处理的反射图逐点相乘,重构出RGB图,并采用ROF去噪模型对融合后的图像进行全局去噪,得到最终的增强图像。将含有残差块的Dense模块添加到YOLOv3中,构建基于Dense-YOLO网络的井下行人检测模型,残差块的加入有利于避免在网络训练过程中出现梯度消失和梯度爆炸等问题。实验结果表明:对弱光图像进行增强处理能够有效提高图像可见度和行人检测效果;Dense-YOLO网络对增强图像的漏检率为4.55%,相较于RetinaNet网络降低了14.91%,基于Dense-YOLO网络的井下行人检测模型有效降低了行人检测漏检率。 展开更多

关键词 井下行人检测 弱光图像增强 Dense-YOLO YOLOv3 Gamma变换 加权对数变换 限制对比度的自适应直方图均衡

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的井下人员目标检测 被引量：9

19

作者 唐士宇 朱艾春 +3 位作者 张赛 曹青峰 崔冉 华钢 《工矿自动化》 北大核心 2018年第11期32-36,共5页

针对以人为中心的井下视频监控模式存在持续时间受限、多场景同时监视困难、人工监视结果处理不及时等问题,提出了基于深度卷积神经网络的井下人员目标检测方法。首先将输入图片缩放为固定尺寸,通过深度卷积神经网络操作后形成特征图;然... 针对以人为中心的井下视频监控模式存在持续时间受限、多场景同时监视困难、人工监视结果处理不及时等问题,提出了基于深度卷积神经网络的井下人员目标检测方法。首先将输入图片缩放为固定尺寸,通过深度卷积神经网络操作后形成特征图;然后,通过区域建议网络在特征图上形成建议区域,并将建议区域池化为统一大小,送入全连接层进行运算;最后,根据概率分数高低选择最好的建议区域,自动生成需要的目标检测框。测试结果表明,该方法可以成功检测出矿井工作人员的头部目标,准确率达到87.6%。 展开更多

关键词 煤矿安全 井下人员目标检测 头部检测 深度学习 卷积神经网络 FASTER R-CNN

在线阅读 下载PDF 职称材料

基于图像融合和改进CornerNet-Squeeze的煤矿井下行人检测方法 被引量：3

20

作者 邹盛 周李兵 +1 位作者 季亮 于政乾 《工矿自动化》 CSCD 北大核心 2023年第2期77-84,共8页

在煤矿井下无人驾驶和安防监控等领域,对行人目标的检测至关重要,但受井下光线昏暗、光照不均、背景复杂、行人目标小且密集等特殊工况环境的影响,图像中的行人目标存在边缘细节特征少、信噪比低、与背景相似度高等问题,难以有效识别遮... 在煤矿井下无人驾驶和安防监控等领域,对行人目标的检测至关重要,但受井下光线昏暗、光照不均、背景复杂、行人目标小且密集等特殊工况环境的影响,图像中的行人目标存在边缘细节特征少、信噪比低、与背景相似度高等问题,难以有效识别遮挡多尺度下的行人目标。针对上述问题,提出了一种基于图像融合和改进CornerNet-Squeeze的煤矿井下行人目标检测方法。采用双尺度图像融合(TIF)算法将红外相机和深度相机采集的图像进行像素级融合,再进行形态学处理,减少背景干扰。在CornerNet-Squeeze网络基础上,将八度卷积(OctConv)引入沙漏型主干网络,处理图像特征中高低频信息,增强图像边缘特征,提高多尺度行人检测能力。实验结果表明:①在深度图像、红外图像、融合图像3种数据集上,改进CornerNet-Squeeze模型在保持原算法实时性的同时,有效提升了井下行人检测精度。②采用融合图像数据集训练的模型检测精度较红外图像和深度图像数据集训练的模型高,可见融合图像能充分发挥深度图像和红外图像的优势,有助于提高模型检测精度。③在不同程度遮挡和多尺度行人目标6种场景下,改进CornerNet-Squeeze训练的模型的行人漏检率最低。④与YOLOv4相比,在COCO2014行人数据集上改进CornerNet-Squeeze算法的平均精度提高了1.1%,检测速度提高了6.7%。⑤改进CornerNet-Squeeze能够有效检测出图像中远处小目标,对小目标的检测能力提升明显。 展开更多

关键词 煤矿井下行人检测 双尺度图像融合 CornerNet-Squeeze 边缘增强 沙漏型主干网络 多尺度行人检测

在线阅读 下载PDF 职称材料