煤炭学报

作者：单鹏飞, 康佳星, 来兴平, 代晶晶, 许慧聪, 李杰宇, 惠聪,

关键词：采动裂隙, 损失函数, 注意力机制, Attention U²-Net, CBAM+ECA,

采动裂隙演化特征是量化巷道围岩动力显现特征的关键依据之一。为了降低光照不均、噪声等对围岩钻孔成像的干扰以及孔内采动裂隙边缘模糊、形态多变等对采动裂隙识别的不利影响，提出基于Attention U2-Net的巷道围岩钻孔采动裂隙抗干扰识别方法。利用自主研发的巷道围岩态势全息感知装备来全天候实时采集高分辨率围岩钻孔采动裂隙影像，结合注入噪声、直方图均衡化调节、HSV中V通道色彩扰动与裂隙灰度三维投影等多种增强手段来提高非理想成像条件下图像数据环境泛化能力；通过在基准模型U2-Net中融合单通道注意力(SE、ECA)、空间注意力(CBAM)与全局多通道注意力(DANet)及组合注意力(CBAM+ECA)等机制，增强对低可见度裂隙等非理想采集环境下裂隙的感知与提取能力；在训练阶段采用深度监督复合损失函数(Dice+BCE)嵌入基准模型U2-Net的6个网络输出端，促进基准模型U2-Net以及Attention U2-Net模型的稳定训练与快速收敛，从而缓解小目标裂隙梯度消失与不连续问题。巷道围岩钻孔采动裂隙抗干扰识别实验结果表明：Attention U2-Net模型的IoU提升至83.1%、F1达到92.6%、EMA降至0.052，相较基准模型U-Net和U2-Net，训练阶段的收敛步长提前21轮次与10轮次，F1提高8.4%、4.0%。Attention U2-Net模型训练收敛更快，裂隙边缘检测、细长裂隙提取与复杂纹理分割能力更强，为准确分析围岩钻孔采动裂隙演化特征以及巷道围岩动力显现特征提供了可靠技术支撑。

来源：2026年第2期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2026年第2期