一種煤礦井下輸煤大塊物檢測方法

杜京義， 郝樂， 王悅陽， 楊若楠， 文靜怡

(1.西安科技大學 電氣與控制工程學院， 陜西 西安 710054；2.重慶大學 大數據與軟件學院， 重慶 400044；3.西北大學 公共管理學院， 陜西 西安 710127)

0 引言

煤礦在綜采中會產生大塊煤矸，過大的煤矸會造成井下輸煤設備煤流不暢、堵塞及堆煤等現象，嚴重影響礦井生產安全[1-4]。因此，對井下膠帶輸煤過程中大塊物檢測顯得尤為重要[5]。

現有的井下輸煤大塊物實時檢測方法主要有人工檢測法、膠帶秤法、圖像處理法等[6]。其中圖像處理法因具有成本低、占用空間少、精度高等特點，在煤礦大塊物檢測中應用十分廣泛[7]。鮑勇豪[8]通過設置敏感檢測區域，檢測二值圖像中黑色像素包圍白色像素是否超過限定，從而判斷膠帶上是否存在大塊物。許軍等[9]結合大塊物在圖像中的亮度特征與運動特征，對膠帶上大塊物進行檢測，從而起到預警作用。但文獻[8-9]都是通過煤塊顏色特征進行大塊物特征提取，存在由于煤塊堆積造成的誤識別，導致無法準確檢測大塊物數量、檢測精度不高等問題。除了選取目標顏色特征，利用目標物邊緣特征也能提取目標物。劉麗霞等[10]通過增加Canny邊緣算子計算圖像梯度和方向，對圖像進行有效分割，但Canny算子檢測存在邊緣丟失的現象。焦安波等[11]通過HED(Holistically-Nested Edge Detection,改進全局嵌套邊緣檢測)神經網絡檢測目標邊緣，為后續目標識別、跟蹤提供良好的基礎，但HED神經網絡中采用的Relu激活函數可能會導致神經元死亡、權重無法更新的情況[12]，最終導致檢測精度不高。……