目标检测网络训练方法及基于目标检测网络煤矸识别方法技术

本发明专利技术提供了一种目标检测网络训练方法及基于目标检测网络煤矸识别方法，包括：获取预先采集的煤矸数据集；其中，煤矸数据集内的每个煤矸数据均包括煤区域和矸石区域；根据各个煤矸数据中的煤区域尺寸和矸石区域尺寸，对预先建立的改进型SSD网络的候选框参数进行设置得到候选检测网络；利用煤矸数据集对候选检测网络进行训练评估，确定用以对待处理煤矸图像进行煤矸检测的目标检测网络。本发明专利技术可以有效提高煤矸识别的准确度，还可以显著提高煤矸识别的自动化水平。

【技术实现步骤摘要】
目标检测网络训练方法及基于目标检测网络煤矸识别方法
本专利技术涉及煤矸检测
，尤其是涉及一种目标检测网络训练方法及基于目标检测网络煤矸识别方法。
技术介绍
目前，综采放煤工艺采由人工控制液压支架的方式，由于缺乏煤岩识别技术手段，放煤过程通常需要现场人工观察和操作，不能实现自动化放煤。由于综放过程相较于综采过程存在更多粉尘，导致放煤操作环境条件更为恶劣，若生产现场依靠人工目测和听觉观察煤矸放落过程，将很难准确识别出矸石。但是，现有智能化放煤控制关键技术与装备并未取得突破，导致放煤智能化程度偏低，还存在资源回收率较低以及煤质难以保证等问题。相关技术提出可以基于灰度卷积识别矸石，但是该种方式在有灰尘的情况下易于出现误识别的现象，且无法识别出带有颜色的矸石(诸如，黄矸)；另一相关技术还提出可以基于声音识别矸石，但是由于生产现场存在大量噪音，导致对收音设备的要求过高，致使无法准确识别出矸石，此外，该种方式还存在鲁棒性较差、割煤放煤无法同时进行等缺点。综上所述，现有煤岩识别技术存在自动化较低、矸石识别准确度较差等问题。本文档来自技高网...

【技术保护点】
1.一种目标检测网络训练方法，其特征在于，包括：/n获取预先采集的煤矸数据集；其中，所述煤矸数据集内的每个煤矸数据均包括煤区域和矸石区域；/n根据各个所述煤矸数据中的煤区域尺寸和矸石区域尺寸，对预先建立的改进型SSD网络的候选框参数进行设置得到候选检测网络；/n利用所述煤矸数据集对所述候选检测网络进行训练评估，确定用以对待处理煤矸图像进行煤矸检测的目标检测网络。/n

【技术特征摘要】
1.一种目标检测网络训练方法，其特征在于，包括：
获取预先采集的煤矸数据集；其中，所述煤矸数据集内的每个煤矸数据均包括煤区域和矸石区域；
根据各个所述煤矸数据中的煤区域尺寸和矸石区域尺寸，对预先建立的改进型SSD网络的候选框参数进行设置得到候选检测网络；
利用所述煤矸数据集对所述候选检测网络进行训练评估，确定用以对待处理煤矸图像进行煤矸检测的目标检测网络。


2.根据权利要求1所述的方法，其特征在于，所述获取预先采集的煤矸数据集的步骤，包括：
通过图像采集设备对放顶煤场景进行监测；
当监测到所述放顶煤场景发现画面变化时，采集所述放顶煤场景的煤矸数据；其中，所述煤矸数据包括放煤中图像和/或放煤后图像；
对各个所述煤矸数据进行预处理，得到煤矸数据集；其中，所述预处理包括数据标注处理、对比度调整处理、归一化处理中的一种或多种。


3.根据权利要求2所述的方法，其特征在于，所述对各个所述煤矸数据进行预处理，得到煤矸数据集的步骤，包括：
分别对各个所述煤矸数据进行数据标注处理，得到各个所述煤矸数据分别对应的标签；其中，标签用于表征所述煤矸数据中第一煤区域占比和/或第一矸石区域占比，所述第一煤区域占比与所述第一矸石区域占比之间的差值绝对值小于预设阈值；
分别对各个所述煤矸数据进行对比度调整处理，以提高各个所述煤矸数据的对比度；
分别对各个所述煤矸数据进行归一化处理，以将各个所述煤矸数据的尺寸归一化至指定尺寸。


4.根据权利要求1所述的方法，其特征在于，所述根据各个所述煤矸数据中的煤区域尺寸和矸石区域尺寸，对预先建立的改进型SSD网络的候选框参数进行设置得到候选检测网络的步骤，包括：
按照各个所述煤矸数据中的煤区域尺寸和矸石区域尺寸，对各个所述煤矸数据进行聚类处理，得到多个聚类尺寸值；
计算各个所述聚类尺寸值的均值；
根据所述均值设置预先建立的改进型SSD网络的候选框尺寸比例，以及根据所述聚类尺寸值的数量设置所述改进型SSD网络的候选框数量，得到候选检测网络；其中，所述候选框参数包括所述候选框尺寸比例和所述候选框数量，所述候选检测网络的数量为多个；
所述改进型SSD网络包括依次连接的第一预测层、第二预测层、第三预测层、第四预测层和第五预测层，所述第一预测层、所述第二预测层、所述第四预测层和所述第五预测层均设置有候选框。


5.根据权利要求4所述的方法，其特征在于，所述利用所述煤矸...

【专利技术属性】
技术研发人员：李太友，冯化一，陈曦，吴昊，
申请(专利权)人：天津美腾科技股份有限公司，
类型：发明
国别省市：天津;12