来源：期刊VIP网 时间：
作者：栾恒杰;杨玉晴;刘建康;蒋宇静;刘建荣;马德良;张孙豪;
单位：山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地;内蒙古上海庙矿业有限责任公司院士专家工作站;青岛知岩智控科技有限公司;
摘要：为了提高煤岩识别的精准度,采集了内蒙古上海庙矿业有限责任公司榆树井煤矿掘进工作面煤岩原始图像并制作了深度学习数据集,通过FCN全卷积神经网络(FCN网络)、Unet语义分割网络(U-net网络)与加入Canny边缘检测算法改进后的U-net网络等3种网络模型对数据集进行训练,并对训练结果进行对比分析。分析结果表明:在训练次数达到100次时,3种网络模型准确率分别为89.25%, 93.52%及94.55%,改进U-net网络模型准确率相较改进前提高1.03%;在煤岩识别方面, U-net网络模型比FCN网络模型取得了更高的准确率,在测试环节中也表现出了更好的性能;在预测环节中,对煤岩边缘部分的识别做到了更为精准的处理。该方法可为煤岩识别的精准度的提高提供参考。
关键词：煤岩识别;深度学习;U-net网络;Canny边缘检测算法
基金资助：国家自然科学基金资助项目(52204099); 山东省自然科学基金资助项目(ZR2022QE203); 省部共建矿山岩层智能控制与绿色开采国家重点实验室培育基地开放基金资助项目(MDPC2024ZR03)
