-
题名基于半监督网络的采煤工作面尘雾图像去雾算法
- 1
-
-
作者
赵猛
魏玉忠
李正
张俊明
陈俊达
刘小峰
-
机构
山东科技大学电气与自动化工程学院
内蒙古上海庙矿业有限公司
河海大学人工智能与自动化学院
青岛地球软件技术有限公司
-
出处
《煤炭科学技术》
北大核心
2025年第S1期346-353,共8页
-
基金
国家重点研发计划资助项目(2022YFC2806603)
教育部“春晖计划”合作科研资助项目(HZKY20220489)
山东省研究生教育质量提升计划建设资助项目(SDYKC2022045)。
-
文摘
煤矿井下采煤工作面环境复杂,作业时产生大量煤尘、水雾等不均匀悬浮颗粒,导致监控图像质量下降严重,现有的传统算法存在去雾效果差、过增强、颜色失真等问题,应用深度学习算法存在缺少井下配对尘雾图像和清晰图像等问题,为此提出了一种基于半监督学习网络的去雾算法。该半监督学习网络由生成器与判别器组成:生成器采用编解码器结构,其中编码器以残差网络为主要结构,并在残差块中加入了空间注意力机制,使网络能更好地处理非均匀尘雾。解码器由像素混洗层和卷积层组成,逐级恢复更高分辨率的特征图。判别器以概率图形式作为输出,表示生成器产生的去雾图像与真实清晰图像间的差异。引入了对比学习分支,使去雾后的图像在特征空间接近正样本并远离负样本,改善模型的泛化能力。由于煤矿井下缺少成对非均匀尘雾数据集,采集了大量煤矿井下工作面图像,并根据工作面作业时的尘雾特点,使用大气散射模型和柏林噪声在清晰图像上合成非均匀尘雾图像。合成数据与采集的真实数据一起用于半监督网络的训练,提升了模型在煤矿井下非均匀尘雾条件下的适应能力和性能。为验证提出算法的有效性,选取了3种算法进行了对比。实验结果表明,提出的算法能有效降低图像尘雾浓度,颜色失真较小,提升了图像的可视化效果。
-
关键词
采煤工作面
尘雾图像去雾
半监督学习
对比学习
-
Keywords
coal mining face
hazy image dehazing
semi-supervised learning network
contrastive learning
-
分类号
TD672
[矿业工程—矿山机电]
-
