煤田地质与勘探

作者：董征, 张旭辉, 杨文娟, 康乐, 汤杜炜, 田琛辉,

关键词：巷道断面, 裂隙检测, DC-UNet模型, 模型轻量化, 图像识别, 语义分割, 煤矿,

目的煤矿巷道断面裂隙检测可表征巷道地质情况，指导掘进与支护工程。传统的巷道断面裂隙图像处理方法容易受到煤矿井下复杂环境的影响，导致裂隙检测效率较低。方法提出一种基于DC-UNet模型的巷道断面裂隙检测方法，可部署在移动端与嵌入式设备，实时有效地检测巷道断面裂隙情况，提高裂隙检测效率。首先，建立了巷道断面裂隙图像数据集，使用图像数据增强技术增加原始图像数据集，并对数据集图像进行标注。随后，基于DC-UNet网络构建了裂隙检测与裂隙参数计算框架，通过改进深度可分离卷积(depthwise separable convolution，DwConv)与引入双重注意力模块(convolutional block attention module，CBAM)，提高了模型的轻量化与检测精度。DwConv替代传统卷积操作，降低了模型的参数量和计算量；CBAM模块通过串联通道注意力与空间注意力，提高了模型在低照度多粉尘复杂井下环境中的裂隙语义信息。最后，将所提算法与现有图像处理算法进行了对比，并将模型导入到移动端设备中进行验证。结果和结论结果表明：改进模型的裂隙检测精度为92%，相比于传统图像处理方法，检测精度得到了提高；改进模型部署在移动端设备，数据量为7.52 MB，相比于原有模型减少了68.9%，降低了模型的计算量；占用空间为19.43 MB，相比于原有模型降低了80.2%，提高了模型的轻量化水平；检测时间为0.075 s，满足现场检测实时性的要求，提高了检测速度。提出的改进算法可以满足煤矿井下掘进断面裂隙检测要求，为煤矿巷道裂隙检测与巷道掘进工程奠定了基础。

来源：2024年第12期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2024年第12期