-
题名矿井低光照下支护系统自适应定位分割研究
- 1
-
-
作者
刘智飞
兰媛
刘元铭
闫金宝
-
机构
太原理工大学机械与运载工程学院
太原理工大学新型传感器智能实验室
中国煤炭科工集团太原研究院有限公司
-
出处
《机械设计与制造》
北大核心
2025年第6期378-384,共7页
-
基金
国家重点研发计划项目(2021YFB3401004)
山西省关键核心技术和共性技术研发攻关专项项目(2020XXX001)。
-
文摘
煤矿井下掘进完巷道后会根据不同的地质条件选择锚网支护或钢带支护,钻锚机器人在钻锚时如果钻头打在锚网或者钢带上容易造成钻头损坏,因此需要为钻头提供合适的钻锚位置。针对上述需求,提出一种能够定位锚网或钢带的钻锚位置并且分割锚网、钢带和岩壁的智能方法YOLOLab,该方法由YOLO和DeepLab共享主干特征提取网络构成,其中YOLO用于定位钻锚位置,DeepLab用于辅助估算钻锚位置在相机坐标系下的三维坐标。为了将YOLOLab部署到沙雾和光照不均匀等复杂工况中,提出一种前期自适应图像增强网络IA-YOLOLab,其由一系列可微分滤波器和YOLOLab网络组成,滤波器所需的参数由一个小型参数预测网络学习而得。实验结果表明:YOLOLab网络定位指标mAP为88%、分割指标mIoU为81%,能够定位钻锚位置并分割锚网、钢带和岩壁,该网络能够估算出钻锚位置在相机坐标系下的三维坐标,坐标误差在20mm以内。在复杂工况下,IA-YOLOLab网络定位指标mAP为84.8%、分割指标mIoU为74.4%,比YOLOLab网络指标大小提高了一倍多,能够提高钻锚位置的识别精度。
-
关键词
低光照
矿井支护系统
共享特征
自适应定位
图像分割
-
Keywords
Low Light
Mine Support System
Shared Features
Adaptive Positioning
Image Segmentation
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391
[自动化与计算机技术—计算机应用技术]
-
