基于Mask R-CNN的煤矿巷道掘进迎头裂隙检测与定位算法

作者：张农; 袁钰鑫; 韩昌良; 李永乐

来源：采矿与安全工程学报, 2023, 40(05): 925-932.

DOI：10.13545/j.cnki.jmse.2023.0303

• 煤矿巷道
• 掘进迎头
• 裂隙识别
• 深度学习
• Mask R-CNN

针对当前煤矿巷道掘进迎头裂隙图像识别精度不高、井下环境难以批量化快速识别的难题，提出基于Mask R-CNN的煤矿巷道掘进迎头裂隙检测与定位算法。首先，建立一个包含1 000张图像的煤矿巷道掘进迎头裂隙图像数据库。然后，基于Mask R-CNN深度学习网络构建一个裂隙检测与定位框架，并选择该数据库对神经网络模型进行训练和测试，进而开展煤矿井下干扰环境下的鲁棒性和适应性评价，并与传统图像处理算法进行对比。结果表明，在相同样本条件下，基于Mask R-CNN的深度学习算法能够高效实现煤矿巷道迎头裂隙的检测与定位，该算法能有效避免低照度、多尺度边缘、截割刻痕、非均匀光照等干扰因素的影响，具有更高的分割准确度和计算速度，可满足煤矿井下裂隙批量化快速识别的要求，为煤矿巷道裂隙迹线的检测与定位提供了新路径。

• 单位
  徐州工程学院; 中国矿业大学; 中国矿业大学（北京）; 煤炭资源与安全开采国家重点实验室; 土木工程学院