-
题名煤矿井下图像增强关键技术研究综述
- 1
-
-
作者
张立亚
郝博南
马征
杨志方
彭丽
-
机构
煤炭科学技术研究院有限公司
-
出处
《煤炭科学技术》
2025年第11期101-116,共16页
-
基金
天地科技股份有限公司科技创新创业资金专项资助项目(2025-TD-QZ004,2024-TD-ZD015-01,2024-TD-QN002)。
-
文摘
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。
-
关键词
煤矿井下图像增强
深度学习增强方法
多模态融合
边缘计算部署
鲁棒性增强
-
Keywords
underground coal mine image enhancement
deep learning-based enhancement methods
multi-modal fusion
edge computing deployment
robust enhancement
-
分类号
TD672
[矿业工程]
-
