煤炭学报

作者：袁永, 秦正寒, 夏永琪, 武让, 李立宝, 李勇,

关键词：放顶煤, 煤矸识别, 图像分割, 混矸率, U−Net模型,

煤矸识别技术是综放工作面实现智能化的关键技术之一，同时也是该领域面临的一个重要挑战。针对目前煤矸图像数据集整体质量差、数据规模小、煤矸图像分割模型检测速度慢、识别精度低等问题，参考实际综放工作面搭建了大尺寸等比例综放开采相似模拟平台，基于该平台建立了煤矸图像采集系统，采集构建了高清仿真综放工作面煤矸图像数据集，提出一种基于特征金字塔网络(FPN)和空洞空间金字塔池化(ASPP)的改进U−Net煤矸分割模型，提高了煤矸图像的分割精度。通过在U−Net模型的跳跃连接中添加FPN模块，同时在解码器部分引入ASPP模块，建立了FPN−ASPP−U−Net煤矸分割模型，消融试验验证了FPN模块和ASPP模块对U−Net模型性能的提升。结果表明：FPN−ASPP−U−Net模型分割效果最好，均准确率(MA)为97.29%，均F1得分(MF1)为97.44%，均交并比(MI)为95.65%，模型参数量(MP)为29.64 M，浮点运算量(F)为341.29 G，每秒帧数(f)为41.1 f/s，与U−Net模型相比，MI、MF1和MA分别提升了2.64%、1.06%和1.15%，模型参数量仅仅增加了0.33 M，改进后的模型在图像分割速度上有少量提升。设计了FPN−ASPP−U−Net模型与PSPNet、SegFormer、DeepLabV3+、PSANet语义分割模型的图像分割效果对比试验，结果表明：FPN−ASPP−U−Net模型对煤矸图像分割的性能最好，同时模型整体计算参数量最小，在分割精度和分割速度之间有着较好的平衡。对于粉尘影响下的不清晰图像，采用暗通道与高斯加权相结合的方法对图像数据集进行去雾增强，轻度粉尘、中度粉尘、重度粉尘去雾前后的模型对煤的分割精度提高了14.81%、17.79%、23.62%，对矸的分割精度提高了11.73%、14.50%、14.86%。基于研究结论提出了FPN−ASPP−U−Net模型的煤矸图像混矸率计算方法，开展了煤矸图像分割控制放煤试验，以混矸率20%作为放煤口关闭的阈值，单次放煤口开关期间真实混矸率与模型预测混矸率平均误差率为4.71%，验证了基于煤矸图像混矸率对放煤控制的可行性。最后，封装模型代码研发了煤矸图像智能识别软件，设计了煤矸分割现场应用方案，在榆树田煤矿110501综放工作面进行了图像控制放煤试验，验证了该方法能够对煤矸图像进行精准分割，对放煤口开关进行合理控制，提高了综放工作面的智能化水平，为推动煤矿进一步智能化建设提供了有效的技术手段与参考价值。

来源：2025年第5期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第5期