声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：50-1062/TD
国际刊号：1008-4495
发布日期:
作者：李彦明, 孙利海
关键词：自动化钻进, 煤岩识别, 图像识别, 钻进参数, 神经网络模型, 耦合识别
针对煤矿井下钻孔作业场景特点，分别选取了基于煤岩图像特征和基于钻进参数反馈的识别方法。为了提高煤岩界面识别准确性，对前述的2种识别方法采用深度学习模型实现了2种异构信息的耦合识别。耦合识别模型基于神经网络模型构建，以CNN卷积神经网络为基础，扩展得到深度残差神经网络模型，其结构主要由骨干网络、颈部网络、头部网络3个部分构成。通过数据库模型训练，得到最终识别方法。通过在煤矿井下进行现场钻孔试验，验证了识别方法的准确性，其中煤岩界面识别准确率达92%。
来源：2022年第5期
《矿业安全与环保》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。