-
题名煤矿探水卸杆动作识别研究
被引量：6
- 1
-
-
作者
党伟超
姚远
白尚旺
高改梅
吴喆峰
-
机构
太原科技大学计算机科学与技术学院
精英数智科技股份有限公司
-
出处
《工矿自动化》
北大核心
2020年第7期107-112,共6页
-
基金
山西省重点研发计划项目(201703D121042-1,201803D121048)
山西省应用基础研究项目(201901D111266)。
-
文摘
针对煤矿井下探水作业监工人员通过观看视频来监控卸杆作业的方式存在效率低下且极易出错的问题,提出利用三维卷积神经网络(3DCNN)模型对探水作业中的卸杆动作进行识别。3DCNN模型使用3D卷积层自动完成动作特征提取,通过3D池化层对运动特征进行降维,通过Softmax分类处理来识别卸杆动作,并使用批量归一化层提高模型的收敛速度和识别准确率。采用3DCNN模型对卸杆动作进行识别时,首先对数据集进行预处理,从每段视频中均匀抽取几帧图像作为某动作的代表,并降低分辨率;然后采用训练集对3DCNN模型进行训练,并保存训练好的权重文件;最后采用训练好的3DCNN模型对测试集进行测试,得出分类结果。实验结果表明,设置采样帧数为10帧、分辨率为32×32、学习率为0.0001,3DCNN模型对卸杆动作的识别准确率最高可达98.86%。
-
关键词
煤矿防治水
煤矿探水
卸杆动作识别
三维卷积神经网络
3DCNN
批量归一化层
-
Keywords
coal mine water control
coal mine water exploration
unloading drill-rod action identification
3Dconvolutional neural network
3DCNN
batch normalization
-
分类号
TD74
[矿业工程—矿井通风与安全]
-
