-
题名基于深度学习模型的矿井火灾图像识别方法研究
- 1
-
-
作者
王治峰
杨涛
闵恒
张书超
-
机构
国家能源投资集团有限责任公司三道沟煤矿
华北科技学院矿山安全学院
-
出处
《中国安全生产科学技术》
北大核心
2025年第8期146-154,共9页
-
文摘
为了解决传统矿井火灾监测模型反应迟缓、误报率高等问题,提升复杂工况下早期火源的检测精度与实时性,提出1种基于深度学习的矿井火灾图像识别算法。该算法在卷积神经网络基础上,融合迁移学习构建高效特征提取模块,引入多尺度特征融合策略,并采用轻量化网络设计,实现对井下弱光、多尘、干扰源复杂环境的适应能力,保障模型在边缘计算设备上的实时部署。研究结果表明:X-YOLOv11模型在保持36.5 M的较小网络参数规模的同时,识别精度达到96%,检测速度为145 FPS,优于YOLOv8、YOLOv5和Faster R-CNN等主流算法,且能有效区分焊接火花、矿灯反光等干扰因素,显著提升火灾预警的准确性与及时性。研究结果可为高风险工业环境下的图像识别与灾害预警系统研发提供参考。
-
关键词
神经网络
矿山火灾
计算机视觉
深度学习
-
Keywords
neural networks
mine fire
computer vision
deep learning
-
分类号
X936
[环境科学与工程—安全科学]
-
