模拟暗湿工况下煤矸混合体态势热敏图像精准辨识实验

煤矸井下智能分选作为智慧矿山建设的重要组成,可有效提升矿井资源绿色利用。现阶段可见光图像识别技术针对井下昏暗潮湿环境中煤矸混合体的辨识还有待完善。基于热红外成像技术和改进YOLOv5算法模型,提出了一种暗湿工况下煤矸混合态势热敏图像辨识方法。将YOLOv5模型的Neck部分改用加权双向特征金字塔(BiFPN)结构,通过多层次特征融合提高煤矸的辨识效率,采用CIOU函数作为损失函数,提升煤矸检测精准率;构建了煤矸混合体热敏采集实验平台,模拟了井下密闭空间低照度、高湿度、高风速环境,通过CLAHE与LAPLACE算子对红外摄像机所采集的热敏图像进行对比度增强和边缘强化预处理,以不同数据集、不同改进模块、不同算法模型等多个角度系统分析了煤矸混合体态势热敏图像辨识结果,探究了湿度变化对暗湿工况下煤矸识别准确率的影响规律。研究结果表明:预处理后的图像平均精准率较原始图像提升了1.7%,F-Measure提升了6.9%;改进后的YOLOv5模型平均精度均值和F-Measure达到了80.2%与84.6%,高于经典模型的74.6%与79.7%,可有效提升煤矸热敏图像检测精度;环境相对湿度与识别准确率呈现先正相关待湿度达到一定阈值后负相关的变化规律。提出了热敏图像可准确识别昏暗潮湿密闭环境中的煤矸混合体,为实现井下暗湿工况煤矸混合态势精准辨识提供了科学依据。

模拟暗湿工况下煤矸混合体态势热敏图像精准辨识试验

煤矸井下智能分选作为智慧矿山建设的重要组成,可有效提升矿井资源绿色利用。现阶段可见光图像识别技术针对井下昏暗潮湿环境中煤矸混合体的辨识还有待完善。基于热红外成像技术和改进YOLOv5算法模型,提出了一种暗湿工况下煤矸混合态势热敏图像辨识方法。将YOLOv5模型的Neck部分改用加权双向特征金字塔(BiFPN)结构,通过多层次特征融合提高煤矸的辨识效率,采用CIOU函数作为损失函数,提升煤矸检测精准率;构建了煤矸混合体热敏采集试验平台,模拟了井下密闭空间低照度、高湿度、高风速环境,通过CLAHE与LAPLACE算子对红外摄像机所采集的热敏图像进行对比度增强和边缘强化预处理,以不同数据集、不同改进模块、不同算法模型等多个角度系统分析了煤矸混合体态势热敏图像辨识结果,探究了湿度变化对暗湿工况下煤矸识别准确率的影响规律。研究结果表明:预处理后的图像平均精准率较原始图像提升了1.7%,F-Measure值提升了6.9%;改进后的YOLOv5模型平均精度均值和F-Measure达到了80.2%和84.6%,高于经典模型的74.6%和79.7%,可有效提升煤矸热敏图像检测精度;环境相对湿度与识别准确率呈现先正相关,湿度达到一定阈值后负相关的变化规律。提出了热敏图像可准确识别昏暗潮湿密闭环境中的煤矸混合体,为实现井下暗湿工况煤矸混合态势精准辨识提供了科学依据。

不同煤矸混合物的微波传播特性试验研究

煤矸识别问题是煤炭行业内长期未能有效解决的技术难题之一。通过分析现有煤矸识别方法的特点及局限性,探讨基于微波探测技术进行煤矸识别的可行性。首先,开展了对不同煤种和矸石的电磁参数测量分析,为后续的样本测试结果分析提供依据。然后,为探讨煤矸尺寸参数对微波传播的影响,开展了不同厚度、不同截面积的煤矸介质样本对不同频段电磁波的传播规律研究。由于煤矸混合物是由煤、矸石和空气组成的多尺度介质,其体积不等、形状各异,且空间分布及混合形式复杂多变,在微波照射区域内的散射效应非常复杂,导致电磁波在不同煤矸混合物中的传播特性具有明显的差异性。最后,为探究煤矸不同介质混合状态流的微波传播特性变化规律,开展了不同微波频段、不同煤矸粒度、不同含矸率工况下的煤矸混合物微波探测试验。结果表明:煤矸介质的电磁参数、厚度和截面积对微波在介质中的传播规律有明显影响;不同的粒度和含矸率对微波在煤矸混合物的传播规律有一定的影响。当频率大于4 GHz的微波照射在煤矸混合物时,粒度的增大会使回波损耗S11、插入损耗S_(21)强度值和时域透射波O_(21)信号幅值逐渐增大。当混合介质中煤和矸石的电磁参数差异较大时,在频率大于3.5 GHz后,粒度的增大使S_(21)强度由−35.3 dB降低至−38.2 dB,O_(21)信号幅值由1.6 mV减小至1.26 mV,且具有一定的时延特性。通过试验分析可以掌握敏感频点下透射波信号强度值、时域透射波信号幅值或透射波信号时延等特征的差异性,为放顶煤开采的煤矸精准识别提供一种新的思路和方法。

综放工作面煤矸识别技术及其应用

综放工作面煤矸识别技术作为智能放煤开采的关键技术,已经成为煤炭智能开采领域的技术难题。首先介绍了综放工作面煤矸识别技术的重要性及其对生产安全和经济效益的影响。随后,指出了该技术目前存在的问题和挑战,如难以识别不同形状、颜色和深度的煤块和岩层;识别过程中噪声和复杂背景的影响等。详细阐述了综放工作面煤矸识别技术的主要方法如射线法、视觉法和振动与声音信号法。通过对煤矸识别方法的原理、技术特点和优缺点等方面进行分析,全面评估了当前综放工作面煤矸识别技术的应用现状以及各种方法的适用条件和存在的问题。最后,探讨了该技术的未来发展趋势,强调了多传感器融合、深度学习和智能决策与实时监测作为当前技术发展的主要方向。

基于改进Faster R-CNN的综放煤矸混合放出状态识别方法

放煤量的智能监测技术是智能化综放开采发展的方向之一。针对厚煤层综放开采混合介质下落过程煤矸智能识别现有方法存在适用范围窄、误判率高等问题,提出一种基于实时区域卷积神经网络(Faster R-CNN)改进的CBAM Faster R-CNN煤矸混合放出状态分析识别方法。该方法以综放开采工作面煤矸石下落状态为背景,将注意力机制算法(CBAM)融入ResNet50特征提取网络,研究了注意力机制融合于ResNet50主干特征提取网络的融合优化方法,确定了以煤矸石下落状态检测为目标的最佳融合位置,增加了提取煤与矸石权重信息的能力,使得特征提取过程重点关注煤矸运动状态参量;构建了粉尘环境下综放开采煤矸混合放出状态试验平台,对高速摄像机所采集的煤矸原始运动图像进行暗通道去雾与模糊集增强预处理操作,分析识别不同工况下静态图像,定量研究了模型权重优化以及粉尘环境预处理对煤矸混合放出状态识别的影响。研究结果表明:基于CBAM Faster R-CNN模型的预处理图像识别精确率较原始图像提升了8.84%,召回率提升了6.68%;模型优化效果方面,CBAM Faster R-CNN模型平均查准率和召回率分别为82.63%,86.53%,高于经典模型的74.69%,79.93%;F_(1)-score值较经典模型提升了7%。因此,基于“预处理+CBAM Faster R-CNN”的图像识别方法为实现粉尘环境下综放开采放煤量的精准辨识提供了可靠的理论支撑。

自然γ射线方法检测放顶煤开采中的煤矸混合度研究

根据煤与矸石中的自然γ射线放射性含量具有显著差异这一物理特性 ,提出了利用煤与矸石中的自然γ射线的差异来检测放顶煤过程中煤、矸混合度的方法。推导出煤矸混合体中的矸石含量与检测仪器自然γ射线计数率的数学关系。分析了检测仪器探头在液压支架尾梁上的合理安装方式及安装位置。

急倾斜大段高综放开采煤矸混合流动规律研究

急倾斜大段高综放开采顶煤放出率较低,且煤矸混合流动规律很难进行现场实测,以乌东煤矿北采区45号煤层+575水平工作面为工程背景,采用相似模拟试验与数值模拟分析方法,对急倾斜大段高综放开采不同放煤方式及工艺参数进行研究,首先,采用相似模拟实验方法,对急倾斜大段高综放开采不同放煤方式及工艺参数进行了研究,验证了理论分析的准确性,同时得到散体顶煤的运动规律,即运动轨迹近似直线,且离放煤口及中轴线越近,颗粒的流速越快。其次,采用数值模拟分析方法,统计不同放煤方式及工艺参数下煤矸混合流动规律,指导工作面放煤工艺的设计与优化。最后,对放煤过程中形成的煤矸分界线和放出椭球体进行反演,并与理论分析结果进行对比,验证了理论分析的合理性,为明确急倾斜大段高综放开采煤矸混合流动规律提供理论依据。

放顶煤工作面煤矸混合度自动识别研究进展

自动化放煤是实现自动化综放开采的关键技术,放煤过程中对于煤矸混合度的自动识别是研究的难点。文章依次论述了基于自然射线、声波信号、图像的放顶煤工作面煤矸混合度识别技术的研究进展,提出了基于图像的煤矸混合度识别技术是未来的发展方向,以及综采工作面的煤岩界面的识别技术及分选中的煤矸识别技术的研究进展,总结了为放顶煤工作面煤矸混合度识别提供的宝贵经验。提出了将深度学习理论引入到煤矸混合度识别研究中,为人工智能技术在采矿行业中的应用提供了新思路,对提高综放开采顶煤回收率、提高煤质、实现工作面自动化有重要意义。

厚煤层综放开采技术实践

伴随着我国社会经济的不断发展,我国的煤矿开采行业也得到了比较迅速的发展,在实际的煤炭开采工作中,通过采用先进的技术,能够进一步提高煤炭开采的效率,提高煤矿企业的经济效益,促进整个煤矿开采行业的长远发展。因此,本文针对于厚煤层综放开采技术进行了相关方面的研究,希望通过本文的探讨,能够为相关方面的研究提供理论性的参考。