煤礦井下鉆孔裂隙識別技術(shù)

打開文本圖片集

摘 要：

為研究采區(qū)煤巖體中裂隙、斷裂、破碎帶等結(jié)構(gòu)面的自動檢測技術(shù)，解決現(xiàn)有人工智能技術(shù)中迭代次數(shù)大、檢測框準(zhǔn)確度低等問題，采用YOLOv5算法融合注意力機制、損失函數(shù)、多尺度檢測的方法，對煤礦巷道上頂板5種不同地質(zhì)鉆孔進行裂隙檢測試驗。結(jié)果表明：將注意力機制SENet引入YOLOv5模型框架，避免了圖像背景區(qū)域與裂隙區(qū)域相似度較高問題；采用有效交并比損失函數(shù)代替完全交并比損失函數(shù)，使得預(yù)測框能夠更加有效擬合真實目標(biāo)框；對YOLOv5模型增添3種不同尺寸的錨定框并添加160×160特征層，實現(xiàn)檢測更小的目標(biāo)。（剩余16248字）