申请/专利权人：中煤科工集团沈阳研究院有限公司

申请日：2021-05-31

公开（公告）日：2024-03-22

公开（公告）号：CN113326779B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/774;G06V10/764;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.09.17#实质审查的生效;2021.08.31#公开

摘要：本发明涉及一种井下巷道积水检测识别方法，包括：基于数据样本集进行检测网络模型训练，包括：进行井下巷道积水检测CNN模型预训练、进行井下巷道积水检测RPN模型训练、进行SVM分类器训练；对井下巷道积水进行检测，包括：基于移动摄像仪采集井下巷道的待测图像；基于所述CNN模型预训练、所述RPN模型训练和所述SVM分类器训练得到的检测网络模型对所述待测图像进行检测识别，得到井下巷道积水情况。本发明基于训练的检测网络模型对井下巷道的图像进行检测分析确定有无积水，可以有效解决黑暗无光、水面反光等复杂环境的井下巷道积水检测难题。

主权项：1.一种井下巷道积水检测识别方法，其特征在于，包括：基于数据样本集进行检测网络模型训练，包括：进行井下巷道积水检测CNN模型预训练，所述CNN模型中包括若干卷积层和池化层，还包括全连接层用于串联所述池化层最后输出的特征图，生成单通道高维特征向量；进行井下巷道积水检测RPN模型训练，包括：基于RPN卷积层对所述CNN模型中最后卷积层的输出进行卷积运算，对图像每个位置采用若干固定尺度和长度比的窗口；将所述RPN卷积层的输出作为全连接层的输入，在所述图像的每个位置上得到目标概率窗口和平移缩放窗口；进行SVM分类器训练，所述SVM分类器用于所述全连接层输出的特征向量进行分类预测，以识别井下巷道积水；对井下巷道积水进行检测，包括：基于移动摄像仪采集井下巷道的待测图像；基于所述CNN模型预训练、所述RPN模型训练和所述SVM分类器训练得到的检测网络模型对所述待测图像进行检测识别，得到井下巷道积水情况；在所述进行井下巷道积水检测CNN模型预训练中，所述卷积层包括依次设置的：第一卷积层，其滤波器尺寸为7×7，卷积长度为2；第二卷积层，其滤波器尺寸为5×5，卷积长度为2；第三卷积层，其滤波器尺寸为3×3，卷积长度为2；第四卷积层，其滤波器尺寸为3×3，卷积长度为2；第五卷积层，其滤波器尺寸为3×3，卷积长度为1；在所述进行井下巷道积水检测CNN模型预训练中，所述池化层包括：第一池化层，用于输入所述第一卷积层的输出，并输出给所述第二卷积层，其滤波器尺寸为3×3，卷积长度为2；第二池化层，用于输入所述第三卷积层的输出，并输出给所述第四卷积层，其滤波器尺寸为3×3，卷积长度为2；第三池化层，用于输入第五卷积层的输出，并输出256通道的特征图给所述全连接层，其滤波器尺寸为3×3，卷积长度为2。

全文数据：

权利要求：

百度查询： 中煤科工集团沈阳研究院有限公司 一种井下巷道积水检测识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD