【技术实现步骤摘要】
一种矿井用地测钻孔智能视频识别孔壁裂隙方法
[0001]本专利技术属于智能视频识别矿井孔壁裂隙
,具体涉及一种矿井用地测钻孔智能视频识别孔壁裂隙方法。
技术介绍
[0002]随着煤矿开采深度的不断加深,煤矿安全问题愈发突出。煤矿灾害问题一直以来是急需解决的重点问题,关乎煤矿的安全开采。煤矿井下瓦斯抽采、顶底板探测等工程都是减少煤矿灾害事故发生的有效措施,对于这些工程通常采用钻孔方式进行作业,在于钻孔作业这种方式操作方便、花费成本较低、效果好。
[0003]对于施以钻孔这类作业方式需要了解钻孔孔内情况从而提升工程质量,顶底板探测中需要掌握孔壁裂隙、破碎等区域发育情况,主要是煤系地层中由于不用地层岩石材料与其周围裂隙、破碎结构面相结合会表现出相异的物理特性,破坏岩体稳定性从而减弱围岩强度,通过掌握孔壁裂隙、破碎等区域发育情况能够提供关键地质信息以助于煤矿开采设计,并且煤矿井下瓦斯抽采掌握孔壁裂隙、破碎等区域发育情况在于调整瓦斯抽采孔施孔方式提升瓦斯抽采效率。
[0004]钻孔摄像技术的发展,使得钻孔观测更为 ...
【技术保护点】
【技术特征摘要】
1.一种矿井用地测钻孔智能视频识别孔壁裂隙方法,其特征在于,包括以下内容:步骤1、通过对钻孔视频进行截帧处理、获得真实钻孔裂隙、破碎结构面数据集,采用开源软件对所述真实钻孔裂隙、破碎结构面数据集的每一帧图像进行标注,以构建训练数据集;步骤2、搭建优化YOLOv5钻孔裂隙、破碎结构面识别模型,其包括依次数据连接的输入端、主干网络Backbone模块、Neck模块和预测端Prediction,在所述主干网络Backbone模块之后、所述Neck模块之前增加SENet网络;步骤3、将所述训练数据集作为监督条件,利用卷积神经网络对所述训练数据集进行特征提取,以完成对优化YOLOv5钻孔裂隙、破碎结构面识别模型的训练;步骤4、将待检测的钻孔视频输入步骤2构建的优化YOLOv5钻孔裂隙、破碎结构面识别模型,经过模型推理获得检测结果。2.如权利要求1所述的一种矿井用地测钻孔智能视频识别孔壁裂隙方法,其特征在于,所述优化YOLOv5钻孔裂隙、破碎结构面识别模型中:所述输入端,用于输入所述训练数据集,再采取Mosaic数据增强、拼接、旋转、缩放和翻转的方式对训练数据集进行增强处理,得到扩充数据集;所述主干网络Backbone模块,用于接收所述扩充数据集、并对其进行一次特征提取;所述SENet网络,用于接收经一次特征提取后的数据集、并对其进行挤压、激励、注意操作后,完成加强特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。