基于改进YOLOv8的煤矿输送带异物目标检测方法研究

现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求。为解决上述问题,文章构建了融合轻量化网络的改进YOLOv8检测算法——YOLOv8-MobileNetV1。该模型以YOLOv8为基础,将传统的C2F卷积层替换为轻量化网络MobileNetV1来减少模型的参数量;将传统的空间金字塔池化层修改为大核金字塔池化层,以进一步提升模型的性能和泛化能力;同时融合CVH注意力机制模块来提高网络深层次信息的提取能力,从而提高煤矿输送带运输过程中的异物识别精度和检测效率。为验证该模型的有效性,自行构建了选煤厂和矿井输送带运输过程中常见异物(大块和锚杆)的数据集,并按照8∶1∶1的比例随机划分为训练集、验证集和测试集,从检测精度和检测效率两方面进行评价。实验结果表明:YOLOv8-MobileNetV1算法的大块和锚杆的目标检测精度为81.30%和89.46%,平均检测精度达到了85.38%,帧率为83.5 fps。相较于传统的目标检测算法,YOLOv8-MobileNetV1算法提高了煤矿输送带异物目标检测精度和检测效率,满足了实际工况所需的准确性和时效性,为煤矿安全生产做出了保障。

基于改进YOLOv5的煤矿井下目标检测研究

针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LCNet作为主干网络,用于加强CPU端的推理速度;其次取消Focus模块,使用shuffle_block模块替代C3模块,在去除冗余操作的同时减少了计算量;最后优化Anchor同时引入Hswish作为激活函数。实验结果表明,Ucm-YOLOv5比YOLOv5的模型参数量减少了41%,模型缩小了86%,该算法在煤矿井下具有更高的检测精度,同时在CPU端的检测速度达到实时检测标准,满足煤矿井下目标检测的工作要求。

煤矿安全目标管理研究与应用的实践

徐州矿务集团已有100多年的煤炭开采历史,随着矿井生产水平的不断延深,生产条件日趋复杂,水、火、瓦斯、煤尘、顶板、地温、冲击地压等危险明显增加,安全管理难度较大。集团公司根据安全生产的实际,运用安全系统工程原理,建立了矿井安全目标管理的评价指标体系,推行季度安全等级评估和质量标准化双轨制检查考核办法,取得了较好的安全效益,各矿井杜绝了重大伤亡事故,实现了预定的安全奋斗目标,为企业稳定、发展和提高经济效益创造了较好的安全环境。

钢性控制 闭环管理在煤矿安全目标管理中的应用

介绍了“钢性控制闭环管理”的内容和方法 。

煤矿企业管理输出与可持续发展

探讨了煤矿企业管理输出的涵义,明确了管理输出对煤矿企业尤其是老龄煤矿实现可持续发展的重要意义;从适应企业发展战略、注意源煤矿和目标煤矿的可比性、煤矿生命周期和最佳输出时机等角度,以管理理论和数学模型为依据分析了煤矿管理输出的可行性;分析了管理输出的程序,主要包括建立领导机构、选定输出知识、父本和母本的生成和融合等环节;从宣传鼓动、资源配置和控制纠偏等方面提出了管理输出的保障措施。

基于改进SOLOv2的煤矿图像实例分割方法

现有的图像分割方法用于清晰度较好的煤矿井下图像时效果良好,但应用于环境复杂的煤矿井下时,获取的图像大多较模糊且目标物体轮廓不清晰,从而影响目标物体的分割精度。针对上述问题,提出了一种基于改进SOLOv2的煤矿图像实例分割方法。将SOLOv2模型的ResNet-50网络替换为ResNeXt-18网络,从而精简网络层数,提升模型的推理速度;引入坐标注意力(CA)模块,以提升模型特征提取能力,保留精确的位置信息,提高模型的图像分割精度;采用ACON-C激活函数替换ReLU激活函数,从而使神经元之间的特征得以充分组合,增强模型的特征表达能力,进一步提高模型的图像分割精度。将改进SOLOv2模型部署在嵌入式平台上进行煤矿图像分割实验,相较于SOLOv2模型,改进SOLOv2模型的Mask AP(掩膜平均精度)提高了1.1%,模型权重文件减小了83.2 MiB,推理速度提高了5.30帧/s,达26.10帧/s,在煤矿图像分割精度和推理速度上均有一定提升。

基于自监督学习方法SwAV实现煤矿场景目标检测

随着智能矿山建设的推进,基于目标检测方法的智能视频监控系统在矿山生产采掘运和生产环节得到大量应用。其中目标检测方法常采用监督学习方法,其存在标注数据成本大等问题。利用无监督学习方法SwAV在包括调度室内的各个场景视频图片进行预训练,并迁移到检测方法上进行目标检测,实现煤矿调度室空岗、停产煤矿在生产等监测功能。实验证实SwAV在上游预训练和下游目标检测上采用同一分布,能显著提升对下游目标检测任务性能。

安全生产 健康你我——同煤集团科协2017年科普日活动小记

为强化同煤集团科技工作者的安全意识,树立＂安全生产、健康你我＂的生产生活目标,近日,同煤集团科协组织了全公司＂全国科普日活动＂科普知识现场竞赛答题,各生产矿、子公司等单位的200名工程技术人员围绕煤矿水、火、煤尘、顶板等方面的安全科普知识和集团公司近年取得的安全生产方面专项成果传播等现场答题,同日借助《同煤日报》科技版刊登了竞赛试题。各基层单位科协组织本单位的工程技术人员开展了答题活动,