煤炭学报

作者：孙继平, 曹玉超,

关键词：矿井水灾, 水灾感知, 图像识别, 图像纹理, 双树复小波变换,

水灾是煤矿重特大事故之一。 现有水灾监测报警方法存在着适应性差、误报和漏报率高等 问题,难以满足煤矿安全生产需求。 为此,提出了基于图像纹理特征的矿井水灾感知方法:在巷道 顶部或巷帮、采煤工作面支架等设置摄像机,实时采集采掘工作面和巷道底板图像;通过双树复小 波变换,提取水、煤、岩石图像纹理特征,建立水灾图像识别模型;对学习样本进行双树复小波变换, 提取 1,2 级系数,统计其方差与期望值,利用相应的方差与期望值构造泊松分布模型,并估计其各 个方向模型的强度参数。 对待测样本同样进行双树复小波变换后,利用 1,2 级系数的方差与期望 值构成的模型强度参数向量与样本参数向量进行皮尔逊相似性比较,最终确定待测样本分类。 根 据水灾图像识别模型,对实时监测的图像进行识别,当分割图像具有水灾纹理特征时,进行水灾报 警。 采集了水灾模拟实验图像,建立了图像数据库。 对所提出的模型编制了相应的实验程序,进行 了模型的训练和实验验证。 研究了水、煤、岩石在双树复小波域泊松分布下系数统计值的分布规 律,并对模型的性能进行了参数化的评估。 通过实验验证了基于图像纹理特征的矿井水灾感知方 法的可行性。 实验表明,基于图像纹理特征的矿井水灾感知方法,识别水灾准确率大于 81% 。

来源：2019年第9期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2019年第9期