-
题名赵庄二号井随掘监测及超前灾害预测方法
- 1
-
-
作者
刘剑奇
高林
窦文武
余俊辉
关奇
-
机构
山西晋煤集团赵庄煤业有限责任公司赵庄二号井
山西晋煤集团技术研究院有限责任公司
山西省矿井地球物理勘探技术创新中心
中煤科工西安研究院(集团)有限公司
-
出处
《陕西煤炭》
2026年第4期158-162,共5页
-
文摘
随着煤矿智能化技术的迅速发展,随掘地震探测技术已逐渐成为提高掘进安全性和工作效率的核心技术之一。【目的】在传统的煤矿掘进过程中,超前探测通常需要在工作面停止掘进后才能进行,这不仅限制了探测的实时性,还造成了工作面停滞,严重影响了整体的掘进进度和矿井安全管理。【方法】针对这一问题,提出了一种基于随掘地震绕射法成像结果的目标检测方法,并结合深度学习技术对随掘地震超前探测进行改进。通过实时监测数据的处理和成像,本研究将生成对抗网络(GAN)与Faster R-CNN目标检测模型相结合,充分利用深度学习的强大特性,显著提高了目标检测的精度与鲁棒性。【结果】研究结果表明,所提出的方法能够高效、准确地识别煤矿工作面中的潜在地质异常区域,如断层和其他复杂地质构造,从而为矿山掘进提供更加实时、精准的安全预警,并能在保证工作面正常掘进的情况下,提前发现潜在的危险源。【结论】通过在赵庄二号井项目中进行实际应用验证,充分证明了该方法在提升预测精度和探测效率方面的显著优势,为矿山掘进工作面的支护和防控提供了强有力的技术支持,推动了煤矿智能化监测系统的发展,并为未来矿山的安全管理提供了新的解决思路和技术保障。
-
关键词
随掘地震探测
Faster
r-cnn-gan
矿山智能化
目标检测
绕射法成像
-
Keywords
seismic monitoring during excavation
Faster r-cnn-gan
intelligent mine
target detection,diffraction imaging
-
分类号
P631.4
[天文地球—地质矿产勘探]
-
-
题名基于对抗神经网络和神经网络模型的筒子纱抓取方法
被引量：12
- 2
-
-
作者
金守峰
林强强
马秋瑞
-
机构
西安工程大学机电工程学院
西安工程大学服装与艺术设计学院
-
出处
《毛纺科技》
CAS
北大核心
2020年第1期79-84,共6页
-
基金
陕西省自然科学基础研究计划项目(2017JM5141)
陕西省教育厅专项科研计划项目(17JK0334)
+2 种基金
西安工程大学博士基金(BS1535)
西安工程大学研究生创新基金项目(chx2019083)
西安市科技局创新引导项目(201805030YD8CG14(5)
-
文摘
为提高筒子纱抓取和上纱过程的自动化和柔性化程度,应用单目视觉系统引导机器人完成上纱过程。采用工业相机获取单个筒子纱不同形态的数据信息,应用GAN(生成式对抗神经网络)对筒子纱数据集扩充,提高筒子纱数据集多样性。将所得的数据集加载到Faster R-CNN(更快速区域卷积神经网络)模型里进行训练,应用训练好的神经网络识别和定位筒子纱,引导机器人完成上纱任务。应用搭建的单目视觉系统实验平台对结果进行测试,结果表明,经过标定后的视觉系统可以完成多个筒子纱的抓取任务,以满足筒子纱上纱过程的自动化和柔性化要求。
-
关键词
筒子纱
相机标定
GAN对抗神经网络
Faster
R-CNN神经网络
目标抓取
-
Keywords
yarn
camera calibration
GAN against neural network
Faster R-CNN neural network
target crawling
-
分类号
TS103.11
[轻工技术与工程—纺织工程]
TP242.2
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于深度学习的小样本绝缘子自爆检测研究
被引量：3
- 3
-
-
作者
杨丰萍
彭云帆
李远征
-
机构
华东交通大学电气与自动化工程学院
-
出处
《华东交通大学学报》
2022年第2期110-117,共8页
-
基金
江西省教育厅科技项目(GJJ190295)。
-
文摘
针对利用传统的图像识别方式对航拍绝缘子图像进行自爆故障诊断时效率较低,而目前的基于深度学习的检测方式又多通过级联网络进行,难以直接定位自爆缺陷块的问题,提出一种直接检测出自爆缺陷块的方法。通过生成对抗网络扩充自爆样本数量,解决自爆样本不足的问题;此外,对Faster R-CNN检测器进行改进,通过特征融合策略增强其对小尺寸目标的定位能力。结果表明:利用该方法直接检测绝缘子自爆缺陷时也能实现接近级联网络的良好效果,且大大降低了工作量,节约了训练时间,有可行性。
-
关键词
深度学习
目标检测
Faster
R-CNN
生成对抗网络
绝缘子
-
Keywords
deep learning
object detection
Faster R-CNN
GAN
insulator
-
分类号
TM216
[一般工业技术—材料科学与工程]
-
