YOLOv2在煤岩智能识别与定位中的应用研究 论文

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低。对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合，并通过该算法对井下采集的煤岩图像进行了智能识别与定位。研究还将YOLOv2与Faster R-CNN、SSD对煤岩图像的识别结果进行了对比。结果显示，YOLOv2的识别精度达到了78%，检测速度达到了63 frame/s。与Faster R-CNN、SSD相比，YOLOv2的识别精度分别高出7.7%和4.7%，检测速度分别高出763%和40%。在矿井测量坐标系中，YOLOv2标定的煤层边界框角点的计算坐标与实测坐标的相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。